一句话看懂：独立技术评测机构 systima.ai 通过实测发现，Anthropic 的 Claude Code 在接收用户指令之前，会预先发送约 33,000 个系统提示和工具定义代币，而开源替代品 OpenCode 仅发送约 7,000 个。这导致 Claude Code 的每次请求基础成本高出近 5 倍，且缓存效率明显更差，可能直接推高使用者的 API 账单。
事件核心：发生了什么
systima.ai 团队将 Claude Code 2.1.207 与 OpenCode 1.17.18 固定在相同的 Claude Sonnet 4-5 模型上，在执行相同“回复一个词”的简单任务时，记录下每个请求的完整载荷。
结果差异显著：Claude Code 第一轮请求包含 27 个工具定义、三段系统消息以及 7,997 字符的 注入式框架，总有效载荷约 32,800 个代币。而 OpenCode 仅一个系统块加 10 个工具定义，约 6,900 个代币。在缓存效率方面，OpenCode 的请求前缀在每个会话中字节完全一致，可一次性写入缓存并以极低成本反复读取。Claude Code 则在同一次会话内多次重写数万代币的提示缓存，针对相同任务最多写出 OpenCode 54 倍的缓存写入代币，而缓存写入正是按照高价计费的。
此外，实际生产仓库中一份 72KB 的指令文件（如 AGENTS.md 或 CLAUDE.md）会为每次请求额外增加约 20,000 个代币。配置 5 个中等规模 MCP 服务器再增加 5,000 至 7,000 代币。当真实工作环境发出首次请求时，用户在输入任何内容之前，代币深度已高达 75,000 至 85,000 个。
在多步任务中，一项直接完成消耗 121,000 代币的小任务，当分配到两个子代理时总计飙升至 513,000 代币，原因是每个子代理有独立的启动成本，且父代理还需消耗完整的交互记录。
为什么重要
这项实测揭示了当前主流 AI 编码助手在“代币开销”上的巨大分化——不仅仅是成本问题，更是架构信任问题。Claude Code 倾向于通过大量预置工具和框架定义提供更强大的即开即用能力，但代价是每一次交互的固定开销远高于竞品，且缓存策略低效导致计费额更快攀升。对于在 API 级别计费的团队而言，这直接影响项目的推理成本预算，甚至可能抵消模型本身能力的优势。
对开发者生态而言，OpenCode 的开源路径证明了“轻量级交互+高效缓存复用”在同等模型下可以大幅压低基础成本。这种差异化策略可能倒逼闭源产品优化其系统提示和工具调用打包方式，或者推动更多企业客户转向可以自我控制基线的开源方案。
此外，评测特别指出，在欧盟 AI 法案第 12 条的语境下，理解“我的代理实际上发送了什么”已成为合规性要求。开发者不能再仅凭感觉判断系统行为，实测数据而非坊间传言才是决策基础。
对用户/开发者/创作者的影响
对个人开发者和创作者：如果你经常使用 Claude Code 处理简单任务，会因每轮请求的高额固定开销而快速消耗代币配额或预算。建议在非复杂场景优先尝试 OpenCode 或切换到更轻量的配置，例如限制工具数量、精简指令文件。
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。
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。
对企业团队：在评估编码助手采购成本时，不应仅看基础月费，还应估算实际工作负载下的 API 代币消耗。本文数据可作为计算 POC（概念验证）成本模型的参考参数，特别是需要考虑大量缓存写入以及多子代理场景下的超线性成本膨胀。
对 MCP 服务器和工具建设者：每个额外工具的 schema 都会加重载荷。建设者在提供能力的同时，应关注如何通过缓存友好设计（如固定前缀、避免运行时重写）来降低全局开销，否则用户的成本压力可能抑制工具采用率。
值得关注的后续
1. Anthropic 是否会优化系统提示打包策略？ 如果 Claude Code 仍维持当前高昂的基础开销，而开源方案借助同一模型获得执行速度与成本双重优势，Anthropic 可能面临销售数字的转折点。
2. OpenCode 在长流程任务中的整体表现——文中提到，Claude Code 在多步任务中通过批量工具调用压低了总代币数，这可能意味着两种产品适用于不同任务类型；后续对复杂开发流程的全链路对比将更具决策价值。
3. 整个 AI 编码助手行业是否会引入“代币开销审计”作为通用评测指标——如同网页加载时间之于浏览器，代币开销透明度有望成为新一代产品选择的必要条件之一。
来源：systima.ai
