Claude Code 在阅读提示之前发送了 33k 令牌； OpenCode 发送 7k

一句话看懂：一项针对编码 AI 助手的实测对比显示，Anthropic 的 Claude Code 在执行相同任务前，向 API 发送了 33k 令牌的系统提示与上下文数据，而开源替代 OpenCode 仅需 7k 令牌。这一差距暴露了闭源商业化产品在“Token 通货膨胀”和缓存策略上的效率问题。

事件核心：发生了什么

开发者通过中间代理（mitmproxy）拦截并记录了 Claude Code 和 OpenCode 在与 Anthropic 端点通信时的完整请求日志。结果显示，Claude Code 在每次交互前会发送多达 162k 令牌的 JSON 格式系统提示（含工具描述、技能文件、记忆数据等），导致“令牌膨胀”。相比之下，OpenCode 仅发送约 7k 令牌。即便去掉极端值，Claude Code 的典型初始令牌消耗也达到 33k，是 OpenCode 的 4.7 倍。研究团队强调，这一差异在子代理（sub-agent）并行任务中会被进一步放大，成本非线性增长。

为什么重要

首先，这直接点破了“Token 通货膨胀”现象——大模型 API 服务商可能有意或无意地通过增加系统提示长度来推高令牌消耗。其次，它揭示了闭源产品在竞争中的隐性优势：企业用户按令牌付费，浪费意味着更高收入。Anthropic 的收入结构中，API 与企业端贡献 75%–85%，个人订阅仅占约 5%，因此“系统提示浪费”对商业利益的影响远大于个人用户。最后，这种策略也削弱了开发者对“代理式编码”工具的信任——如果工具在启动时就已经浪费了数万令牌，实际推理的“性价比”会大打折扣。

对用户/开发者/创作者的影响

对开发者：如果你正在使用 Claude Code 进行大规模编码或自动化任务，需要意识到初始令牌消耗可能吃掉大量预算。建议在并行子代理任务中手动指定“降级”到更便宜的模型（如 Opus 4.8 仅用 23k 令牌/1M 上下文中系统提示占 3.9k），或者转向 OpenCode、Pi 等开源方案以降低综合成本。对企业采购方：在评估代理式编码工具时，除了模型能力，应要求供应商提供“最小有效提示”的测试数据，避免为冗余上下文付费。对于内容创作者和代理脚本使用者，减少提示中的冗余记忆文件、技能文件可以显著改善缓存效率。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 Anthropic 是否会调整系统提示长度以回应社区批评，或推出更透明的令牌消耗报告。二是 OpenCode 等开源工具是否会利用这一差异扩大用户群，形成“性价比”竞争。三是第三方工具链（如代理监控、令牌优化层）可能兴起，帮助用户动态削减不必要的系统提示。最后，研究团队已承诺公布完整复现步骤和输入输出数据，届时可以更精确地评估不同任务下的实际成本差异。

来源：hackernews