Claude Code 80%的提示词说删就删：Anthropic用Fable 5打了个样：AI行业的降本才刚刚开始

Anthropic在算力上的开销已达薪资支出的2.3倍，每位工程师年耗约51.5万美元，凸显“人不如模型贵”的现状，并引出AI成本失控的深层问题。

在这种巨额账单的压力下，连Claude自身也不得不开始精打细算token的使用。

Claude Code：烧 token 换“我很高产”的错觉

业界近期涌现了一个新词汇：Token Apocalypse（Token末日）。

从token maxing到token apocalypse，这预示着AI行业正经历一场巨大的范式转变。今年三四月间，大家还在比拼token消耗量，甚至将其视为一种排行榜。但使用AI并不自动带来成本节约，于是人们开始更加关注单个token的实际成本。

更微妙的是，大模型还在不断扩展那些原本无需AI介入的工作领域。我们现在不愿自己阅读PDF或长文，所有内容都交由AI总结。或者用AI将这些材料转成幻灯片，再丢给他人，对方可能又用AI重新消化这些幻灯片……AI似乎为一些本就虚浮的工作强加了一层价值，同时也悄然推高了账单。

如今，成本失控已成常态。亚马逊、Adobe、Atlassian、花旗集团等企业开始对AI使用实施严格管控：

限制模型等级：部分公司员工被禁止使用Claude Opus等高端模型，被迫降级到更便宜的版本。

设定个人限额：Uber为每位工程师设定了每月1500美元的token上限。

彻底停用权限：花旗银行等机构已完全限制对高级AI工具的访问，未达到使用目标的员工甚至被撤销企业账户。此前，Uber的CTO曾坦言，公司在几个月内就用完了全年AI预算。Walmart最近也停止了一些工具的使用。

大公司要么四处寻找省钱方法，要么直接给token浪费踩急刹车。因此员工收到的信息矛盾重重：一边是“AI能让你效率翻100倍，必须使用”，另一边却是“别再把公司用破产了”。

这也是AI工具第一轮普及中最典型的问题：工具被推出时，缺乏足够的护栏来阻止企业在大语言模型上花费数百万美元，也没有机制提醒团队token正在迅速消耗。无论是聊天机器人还是编码工具，许多产品首先确保“能用起来”，而成本治理、使用配额、模型分级和上下文管理都被延后处理。

但Claude Code本质上并非效率工具，而是一个营销工具。

它的设计目标明确：让你感觉自己处于高产状态。Boris，Claude Code的项目负责人，在构思产品时最初的思考是：“如果模型变得足够聪明，代码会变成什么样？我希望如何使用这些东西？”——出发点不是“如何帮开发者省token”，而是“如何展示模型的聪明”。

Anthropic愿意为这种“感觉”烧掉大量token——无论是你的钱，还是它们自己的钱。五分钟花掉200美元，对Claude Code来说不是事故，而是设计。其底层逻辑是：能多烧token解决的问题，绝不寻找更省token的方法。所有sub-agent、所有花哨的UI动画、所有冗长的reasoning trace，都不是为了效率，而是为了让你盯着屏幕时，觉得“这模型真聪明，真能干”。

这背后是一个精心设计的营销闭环：你烧掉大量token，换来“高产”的感觉，于是觉得Claude好用，然后继续使用。Anthropic甚至愿意自己承担大量token成本，以换取这种情绪上的认同。这也是为何它们的桌面应用投入明显不足——Claude Code的目标从来不是做一个好工具，而是成为Anthropic模型能力的“最佳展示窗口”。

恰恰是这种“烧token换体验”的设计哲学，让Claude在token效率上被OpenAI甩开了。

OpenAI一直在拼命压缩token。从reasoning trace的压缩，到模型本身的效率优化，它们的哲学是：用更少的token，完成同样的任务。Codex 5.5就是最佳例证。

尽管像Fable 5这样的模型很智能，但与其他模型相比，它的效率并不算高，Deep SWE的这张图能说明问题。若将同批模型放在一起对比，则更明显：GPT-5.5 medium仅用了2万个token，就拿到了惊人分数；而Opus 4.8用了5万个token，得分反而更低。

这就是两条路线最直接的写照：行业在恐慌，Claude在消耗，OpenAI在节省。接下来的问题就是——既然要降本，第一个该砍的是什么？答案是：那些堆积了太久的提示词。

Claude Code 的 Prompt 债：堆得越多，欠得越多

在最近的演讲中，Anthropic表示，他们已经删除了Claude Code中80%的系统提示词。

Anthropic技术团队成员Tariq Shihipar解释说，这反映出AI模型引导方式正在发生根本变化——过去，人们认为指令越多、例子越多，模型表现就越好；但现在，这一逻辑不再成立。新模型Fable 5比它们自己提供的示例更具想象力，示例反而成了束缚。

这当然有营销成分，他吹嘘了一把Fable的能力：“示例反而容易限制模型，因为它实际上比我们给出的示例更有想象力”。但一个事实无法回避：连Anthropic自己都开始对system prompt下手了。

那么，为什么以前需要那么多prompt？

过去一两年，AI Coding圈形成了一套惯性思维：上下文越大越好，工具说明越多越好，system prompt越完整越好。模型不知道项目如何组织？写Agents.md。模型不知道工具怎么用？写tool descriptions。模型不够主动？写行为引导。模型不够稳定？继续往system prompt里加约束。

不可否认，system prompt曾经是AI Coding工具的核心竞争力。对LLM的prompt做一些小调整，就可能带来显著的性能提升。如果同一个模型在Codex、Cursor、OpenCode和Copilot里的感觉不一样，那几乎肯定是因为prompting上存在细微差异。

这也是为何Cursor曾花费大量时间测试system prompt，做A/B testing，针对不同模型微调提示方式。与在Claude Code中使用Opus相比，Cursor的harness能显著提升模型表现，一些benchmark测到的提升甚至高达10%到30%。差别核心往往就是那几段prompt。

但问题在于，只要prompt有用，团队就会不断往里添加内容。某个模型喜欢乱用工具，就加一段规则；某个模型不够主动，就加一段鼓励；某个模型搜索太多，就补一段限制；某个模型不理解项目上下文，就再加一个markdown文件。每一次增加都有理由，但长期堆下来，system prompt开始变成一个巨大的常驻上下文包袱。

问题在于：system prompt不是免费的。它每次调用都要被读入、计费、占用上下文。

Claude Code将所有工具和功能内置进去之后，system prompt一度膨胀到65,000个token；即便关闭大部分功能，也还有12,000个token。换句话说，模型还没开始写一行代码，就已经背上了一本说明书。对比来看，Pi启动时上下文不到一千个token。

更麻烦的是，prompt债比代码债更隐蔽。

代码老化后，通常会在改功能、跑测试、处理bug时暴露出来。Prompt老化后，却可能只是让模型悄悄变差。用户看到的是“Claude Code最近好像不如以前聪明了”，或者“新模型没有宣传得那么强”，但真实原因可能是旧的system prompt没有跟上新模型。

当prompt从竞争力变成负担时，Anthropic选择删除80%，并能进一步提升token效率。

Claude 的“废话税”：多说一个字，多花一份钱

Claude Code的废话实在太多。

今年有一个名为Caveman的插件迅速走红，专门解决这个问题。它的名字直译是“穴居人”，意思是像原始人一样说话——不讲礼貌，不加多余语法，不放填充词，只保留核心意思。

"Caveman save you token, save you money. Star cost zero."

乍一看，它听起来像个玩笑。但一旦理解，你会发现它解决的是LLM中一个非常真实的问题：废话太多、token太多、成本不必要地变高。

而它的起源，正是针对Claude Code。

“我是在4月初做出Caveman的，因为那段时间我重度使用Claude Code，并且注意到我的很多token花费都浪费在了不必要的文字上：寒暄、模糊措辞、过渡语，以及那些在agent loop里其实并不重要的闲聊式表达。”Caveman的创建者Julius Brussee说。

Brussee的评测显示，Caveman相比默认输出能减少65%到75%的输出token，效果仍然超过普通的“请简洁”指令。它主要压缩的是周围的语言，不影响代码、命令、路径、URL、函数名这些需要精确性的部分。

据报道，OpenAI的工程总监Shayne Sweeney也为该项目贡献了代码，以支持Codex。

更有意思的是，OpenAI早已将这种语言模式应用到思考环节。

一些泄露出来的reasoning trace（并非对外显示的reasoning summary）让外界看到了端倪。内容不像普通英语，更像压缩过的工程速记：

"Use core new nodes. Need infer. Need add VAE encode for images. Try. Try period."

这些句子看起来很好笑，甚至有些杂乱，但它们的重点不在可读性，而在token效率。模型在内部推理时，不需要像对用户说话那样保持礼貌、完整和流畅。它只需要保留动作、对象、判断和下一步。换句话说，只要最终答案是正常的，模型内部完全可以用一种更短、更粗糙、更省token的语言完成思考，以疯狂追求token效率。

这甚至比在写Prompt环节更有用。压缩reasoning token的收益更大，因为agent是多步执行的，前一步的思考会变成后一步的输入。模型每少“想”一段，省下来的就不只是当下这几个token，而是后面整条执行链上的重复开销。

这正是OpenAI和Claude路线上的一个明显差异。

Claude一直更好聊，也更像一个用完整语言思考和表达的助手。只要看看它的reasoning trace长很多，就能猜到它可能是在用普通英语。它的输出和reasoning往往更长，所以更依赖大上下文窗口来容纳这些内容。

这也是为什么Claude默认使用100万token的上下文窗口。很多人以为这是因为它想装进更大的代码库，但原因其实更简单：Claude生成的东西太长了，没有这么大的窗口装不下。它们在compaction上也很差，当你恢复旧线程时，Claude会建议你不要保留完整上下文，而是尝试compact。因为它们不会保留reasoning trace——事实上，它们会在10到20分钟后清掉这些东西，因为reasoning token效率太低，不值得一直保留，否则成本会荒谬到不可接受。

而OpenAI模型的token上下文窗口大概是20万或更少，但因为它们从一开始就通过这种简短语言做到了压缩。

如果Anthropic能够解决输出内容冗余的问题，其收入将面临下滑，因为更少的token意味着更低的收费，这暴露出token效率与商业利益之间的内在矛盾。