改了3行配置，我的Claude Code Token消耗降了75%

一个月烧掉5亿Token，我打开账单一看，97%的钱花在了最贵的模型上

Claude Code 是目前最强的终端 AI 编程工具。不过Anthropic的大模型不叫咱用，我也用不起。

我的方案是接智谱 GLM 模型替代，价格只有原来的七分之一。这两天我打开 Token 用量一看——517M Token，其中 97% 全部打在了最贵的 GLM-5.2 上。

问题出在哪？三行配置改完，成本直降 75%。下面是我的完整的诊断过程和优化方案。

先看账单：5亿Token花在了哪

我拉了一下智谱 Coding Plan 后台近一个月的 Token 消耗数据，结果触目惊心：

GLM-5.2：383.97M Token，占比 74.3%

GLM-5.1：119.04M Token，占比 23.0%

GLM-4.5-Air：10.65M Token，占比 2.1%

GLM-4.7：3.4M Token，占比 0.7%

GLM-4.6V：25.89K Token，几乎为零

总计 517.09M Token。翻译一下：97% 的 Token 烧在了最贵的两个旗舰模型上（GLM-5.2 和 GLM-5.1），而便宜模型和免费模型的占比加起来只有 2.8%。

虽然我用的是智谱的Token Plan,但是浪费是可耻的。

我用了最高级架构师干所有活，包括写周报、整理文档、跑测试；而实习生和免费劳动力坐冷板凳。问题不在模型贵，而在没有做分层路由。这就导致我时不时活干到一半的时候，就告诉我达到5小时用量上限了，只好停下来。

根因：三行配置消灭了分层

Claude Code 内部有三个模型角色：

Opus（最难的推理、架构设计，占调用量约 10%）

Sonnet（日常编码主力，工具调用、文件读写，占约 90%）

Haiku（后台杂活：git diff 解析、文件摘要、命令描述）

我原来的配置是这样的：

ANTHROPIC_MODEL="glm-5.2[1m]"
ANTHROPIC_DEFAULT_SONNET_MODEL="glm-5.2[1m]"
ANTHROPIC_DEFAULT_OPUS_MODEL="glm-5.2[1m]"
CLAUDE_CODE_AUTO_COMPACT_WINDOW="1000000"

问题就在这，Opus、Sonnet、默认主模型，三个角色全映射到了同一个 GLM-5.2[1m]。Claude Code 内置的分层路由机制——用 Opus 做规划、用 Sonnet 做执行——完全失效了。两边是同一个模型，分层等于没做。

更要命的是 [1m] 后缀。GLM-5.2 的定价分两档：上下文 < 32K 时输入 ¥6/M、输出 ¥24/M；上下文 ≥ 32K 时输入 ¥8/M、输出 ¥28/M。[1m] 意味着每次请求都按高价档计费，即使你的对话只有 5000 个 Token。

还有那个 AUTO_COMPACT_WINDOW="1000000"。这意味着上下文要堆到接近 100 万 Token 才触发自动压缩。Agent 每次工具调用都要重发完整历史——上下文 50 万时，10 步循环就是 500 万 Token 级别的消耗。

三行改动，成本降75%

改动一：Sonnet 从 GLM-5.2[1m] 降到 GLM-4.7

这是省钱的绝对主力。Claude Code 90% 的调用走 Sonnet 档——日常编码、工具调用、文件读写，这些任务 GLM-4.7 完全够用。GLM-4.7 输入约 ¥2/M、输出约 ¥6/M，比 GLM-5.2[1m] 便宜 3-4 倍。

ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7"

改动二：Opus 保留 GLM-5.2，但去掉 [1m] 后缀

真正需要旗舰模型推理的复杂任务（架构设计、跨文件重构）只占 10%。这些留给 GLM-5.2，但去掉 [1m]，让短上下文请求按便宜档计费。需要超长上下文时，临时用 /model 命令切换即可。不用去考虑设置GLM-5.1, 自动路由到GLM-5.2了。

ANTHROPIC_DEFAULT_OPUS_MODEL="glm-5.2"

改动三：Haiku 和 Subagent 换成 GLM-4.7-Flash（完全免费）

智谱有一个很多人不知道的福利：GLM-4.7-Flash 完全免费，200K 上下文，输入输出都不收钱。git diff 解析、文件摘要这些后台杂活走免费模型，等于零成本。

ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash"
CLAUDE_CODE_SUBAGENT_MODEL="glm-4.7-flash"

下面是我Claude Code使用质谱模型的配置:

隐形杀手：上下文滚雪球

模型分层之外，还有一个被忽视的隐形杀手：AUTO_COMPACT_WINDOW。原来设成 100 万，意味着 Agent 循环中上下文可以无限堆积。

理解这个问题，你需要知道 Agent 的一个本质特征：大模型是无状态的。为了让它记住你 5 分钟前说的话，系统必须把之前的对话历史、引用的代码文件、系统提示词全部打包，作为每一次的新 Input 重新发送。

假设每次工具调用让上下文增长 1 万 Token，50 步循环的累计输入量是 1+2+3+...+50 = 1275 万 Token。这不是线性增长，是 O(n²) 的二次方增长。

把压缩窗口从 100 万降到 15 万后，上下文到 15 万就触发自动压缩，回到 2-3 万。总输入量降到原来的 1/3 到 1/4。

CLAUDE_CODE_AUTO_COMPACT_WINDOW="150000"

这个参数在开发的时候已经生效了:

优化前后成本对比

按月消耗 517M Token 的使用习惯，假设 input:output = 7:3，流量分布 90% 走 Sonnet 档、10% 走 Opus 档：

优化前月成本（按量口径）约 ¥6,300。GLM-5.2 独占 ¥4,800，GLM-5.1 约 ¥1,500。

优化后月成本约 ¥1,638。GLM-5.2 降到 ¥650（只剩 Opus 档），GLM-4.7 约 ¥988，GLM-4.7-Flash 零成本。

综合省幅约 75%。三行配置改动，每月省下约 ¥4,600。

我用的是 Coding Plan 订阅制（按额度扣减），效果同样显著。GLM-5.2 按高峰期 3 倍系数扣额度。优化前 384M 的 5.2 消耗相当于 960M 额度；优化后 52M 的 5.2 加 380M 的 4.7（1 倍系数）只消耗 510M 额度。额度消耗降 47%，如果 之前 Pro 套餐不够用，优化后 我的Lite Coding plan 可能就够了,至少不会老是出现活干到一半，因为没有tokens可用，撂挑子。

结语

省 Token 的本质不是少用 AI，而是让贵的模型干难活，便宜的模型干杂活。

Claude Code的三层模型架构（Opus/Sonnet/Haiku）本身就是分层路由的设计，但如果你把三个角色全指向同一个旗舰模型，这个设计就形同虚设。

三个核心认知：

第一，90% 的日常编码不需要旗舰模型。GLM-4.7 在 SWE-bench 等基准测试中已经对齐 Claude Sonnet 4.5 水平，处理日常编码绰绰有余。

第二，Agent 的 Token 成本是 O(n²) 增长。上下文不压缩，50 步循环就是 1275 万 Token。AUTO_COMPACT_WINDOW 设成 15 万，是性价比最高的刹车。

第三，免费模型别浪费。GLM-4.7-Flash 完全免费、200K 上下文，后台杂活走它等于零成本。

工具好不好用，不光看你选了什么模型，更看你怎么分配它们。好钢用在刀刃上，省下来的都是利润。