Як зменшити витрати на токени Claude: кешування промптів, накладні витрати MCP, LSP і зміна моделі

Рахунок за Claude може зростати, навіть якщо ніхто не переходив на більшу модель. Частіше причина — купа інструментів, які завантажуються й жодного разу не викликаються. Перший сигнал зазвичай такий: сесія раптом починає гальмувати, а решту показують цифри використання. Бюджети багатьох розробників з'їдають ті самі звички, тож їх варто розібрати по черзі.

Куди йдуть гроші: вхідні токени

Модель не пам'ятає попереднього повідомлення. На кожному кроці вся розмова надсилається заново. До двадцятого повідомлення ви платите за повторне надсилання перших дев'ятнадцяти ще до того, як написано бодай одне нове слово.

Вихідні токени коштують приблизно вп'ятеро дорожче за вхідні, і саме цю цифру всі цитують. Але в довгому чаті вихід лишається невеликим порівняно з входом, а накопичується саме вхід. Для грубого перерахунку: 100 токенів — це приблизно 75 англійських слів. Порахуйте годинну сесію, і підсумок швидко стане неприємним. Вхідні токени наростають з кожним кроком, а вихідні — ні.

Кешування промптів — знижка, якою мало хто користується

Anthropic кешує початкову частину промпту, якщо вона збігається точно. Читання з кешу коштує приблизно десять відсотків від звичайної ціни входу. Промах обходиться трохи дорожче, ніж узагалі без кешу, бо створення запису в кеші має націнку 1,25x до базової ціни.

За замовчуванням кеш живе п'ять хвилин, і кожне влучання безкоштовно продовжує цей строк. Є варіант на годину, але запис у нього коштує вдвічі дорожче.

Строк життя важить дуже багато. У березні 2026 року Claude Code, за повідомленнями, перейшов із годинного кешу на п'ятихвилинний. Один розробник проаналізував власні рахунки за API і створив issue на GitHub. З годинним кешем на перезапис кешу йшло близько 1% витрат. Після зміни ця частка коливалася від 15% до 53%.

Інший розробник змоделював сесію Opus на 200K токенів. Відійдете більш ніж на п'ять хвилин — і після повернення весь контекст доведеться записувати заново, приблизно за $1.25 щоразу. За повний день деякі сесії виходили на 30–60% дорожчими за ту саму роботу. Різниця була лише у вікні кешу.

Повернулися протягом п'яти хвилин — платите десяту частину. Пропустили вікно — платите в 1,25 раза більше.

Є підступ: збіг має бути точним. Будь-яка правка системного промпту, доданий чи прибраний інструмент або зміна моделі посеред сесії — і кеш обнуляється. Згідно з документацією Anthropic, зміна одного-єдиного визначення інструмента інвалідує весь кеш. Наскільки поблажливе порівняння під великим навантаженням, не зовсім зрозуміло: завантажені сесії можуть поводитися менш передбачувано, ніж обіцяє специфікація. Дашборд використання — надійніший орієнтир, ніж підрахунки в голові.

На практиці це означає: спершу оберіть модель, тримайте системний промпт незмінним і не додавайте інструменти на півдорозі. Якщо ви працюєте через API і паузи між кроками регулярно перевищують п'ять хвилин, годинний кеш цілком може виявитися дешевшим.

MCP-сервери не безкоштовні

Кожен підключений інструмент додає до промпту свою схему: назву, опис і всі параметри. Ця плата повторюється на кожному кроці, поки інструмент завантажений, використовується він чи ні.

Після допису одного розробника багато хто кинувся це перевіряти. Під час запуску сесії Claude Code з кількома MCP-серверами самі лише інструменти з'їли понад 66 000 токенів ще до першого набраного слова. Це третина вікна в 200K. Запуск /doctor показав, що реальна цифра ближча до 82 000, причому один пошуковий сервер із 20 інструментами давав близько 14 000 токенів.

Буває й гірше. В issue на GitHub від листопада 2025 року Docker MCP-сервер зі 135 інструментами сам займав близько 126 000 токенів, і автор отримував попередження "context low" (мало контексту) на кожній команді.

MCP окупається, коли потрібен структурований, регулярний доступ до сервісу. Але не тоді, коли він просто лежить у контексті без діла.

Нещодавнє покращення. У січні 2026 року в Claude Code з'явився Tool Search. Якщо описи MCP зайняли б понад десяту частину контексту, їхні повні схеми не потрапляють у промпт. Натомість модель отримує легкий інструмент пошуку, а визначення підвантажується лише тоді, коли воно справді потрібне. За даними Anthropic, накладні витрати на токени інструментів зменшуються приблизно на 85%.

Постійна плата зменшилася, але не зникла. Конфігурації, що не сягають порогу, як і раніше завантажують усі схеми одразу. Інші клієнти можуть узагалі не відкладати завантаження. А гора інструментів шкодить точності, навіть якщо вони дешеві. Команда /context показує, за що ви насправді платите.

Інструменти командного рядка оминають проблему повністю. Модель уже знає git, curl і GitHub CLI або може запустити --help. Ні схеми, ні постійної плати. Для того, що потрібно лише зрідка, CLI виграє.

Пошук по коду спалює більше, ніж здається

Grep бачить код як звичайний текст. Пошук того, де визначено User, повертає кожну згадку: класи, змінні, коментарі, імпорти, селектори стилів і стовпці бази даних.

У розборі одного реального проєкту такий пошук дав 847 збігів у 203 файлах, і модель потім читала кожен, щоб знайти справжнє визначення. Час за логами: до хвилини на grep проти приблизно 50 мс, коли відповідав мовний сервер.

У меншому масштабі картина та сама. У репозиторії на 30K рядків grep під час перейменування функції видав 733 збіги, з яких значення мали лише 501. Кожен зайвий збіг однаково читається й оплачується. Якщо спрямувати модель до LSP, вона одразу отримує ці 501, і на одному цьому пошуку економія склала близько 13K токенів. Чи зберігається таке співвідношення деінде, невідомо, але на обох виміряних репозиторіях воно трималося.

Від тих, хто користується цим давно, два застереження:

• Claude за замовчуванням береться за grep, навіть коли LSP увімкнено. Один розробник виявив, що LSP спрацьовував лише приблизно в 1% випадків, доки він не прописав явні вказівки в CLAUDE.md.
• Grep усе ще має свою нішу. Це правильний інструмент для логів, конфігів, рядкових літералів і всього, що не є символом коду.

Grep повертає всі текстові збіги, а LSP — один запитаний символ.

Чи працює трюк «говори як печерна людина»?

Популярний скіл на GitHub обіцяє до 65% менше вихідних токенів завдяки уривчастим, неграматичним відповідям і зібрав десятки тисяч зірок. Звичайні тести в чаті показали виграш близько 10%, а в програмуванні й агентній роботі майже нічого не змінилося: вихідний код не стиснеш, як прозу.

Контрольоване порівняння від JetBrains дало точні цифри: заявлена економія — 65%, на реальних агентних задачах — 8,5%. І навіть цю цифру отримали з примусово ввімкненим скілом, що команда назвала верхньою межею, а не типовим результатом.

У репозиторії це тепер визнають. Скіл скорочує лише вихід. Вхідні токени й токени міркувань лишаються незмінними, а сам скіл додає приблизно 1000–1500 вхідних токенів на кожному кроці вже самим своїм існуванням. Ця історія більше розповідає про те, як продають економію токенів, ніж про те, що її справді дає. Промпт на шість рядків із проханням відповідати стисло дає майже той самий ефект.

Зміна моделі посеред сесії коштує подвійно

З усіх пунктів саме цей заскочує людей зненацька. Перейти на дешевшу модель на півдорозі звучить ощадливо, але рідко таким є. Збережений промпт належить попередній моделі, тож новій доводиться обробляти все заново й платити націнку за запис.

Обирайте модель до початку роботи. Кому потрібна маршрутизація без плати за перемикання, може скористатися роутером, який обирає модель до надсилання запиту, — так проблема зникає повністю.

Звичка з найбільшим ефектом — точність

Скажіть прямо, який потрібен формат, які поля і яка довжина, і модель перестане видавати те, про що ніхто не просив. Порівняйте цей промпт:

Return a JSON object with keys: "title", "price", "inStock".
No extra commentary.

із "дай мені інформацію про товар". Другий варіант не просто лінивий. Розмитість провокує модель відповідати з надлишком. Конкретність проходить крізь майже всі добрі прийоми промптингу і прямо пов'язана з тим, скільки ви просите в моделі за один раз.

Що в підсумку

Річ зовсім не у виборі дешевшої моделі. Річ у тому, що потрапляє в модель і як часто їй доводиться перечитувати саму себе. Чек-лист короткий:

• тримайте системний промпт незмінним
• лишайтеся на одній моделі
• запускайте /context і прибирайте інструменти, якими не користуєтеся
• увімкніть LSP і пропишіть в інструкціях, що він має перевагу
• чітко опишіть потрібну форму відповіді

Це покриває більшу частину виграшу, і почати можна вже завтра без жодних витрат.

Коротко про головне

Вихідні токени справді дорожчі за вхідні? Так, у моделях Claude приблизно вп'ятеро за токен. Але в довгій розмові все одно домінує вхід, бо вся історія надсилається заново на кожному кроці.

Зміна моделі посеред розмови завжди підвищує вартість? Сама по собі зміна — ні. Шкодить зламаний кеш: наступний запит оплачується за тарифом запису, а не за пільговим тарифом читання. Якщо обрати модель заздалегідь, цього не станеться.

Зайві MCP-інструменти — це завжди проблема з токенами? Ні. Вони виправдані, коли сервісу потрібен структурований регулярний доступ, а Claude Code відкладає завантаження схем, коли ті стають великими. Проблеми з'являються в невеликих конфігураціях, у клієнтах без відкладеного завантаження і з точністю, коли в моделі забагато варіантів.