5,75 млрд токенов за полгода: как сократить расход в Claude Code в разы

Разработчик Дмитрий (D1MANYCH на GitHub) полгода вёл проект веб-приложения для D&D 5e целиком через Claude Code: 44 модуля, около 70 000 строк кода, 597 коммитов. Подписочные лимиты заканчивались к обеду. Не от объёма задач, а от того, как именно велись сессии. Он написал скрипт аудита, нашёл узкие места и опубликовал результаты с кодом. Ниже пересказ его метода и находок, адаптированный для тех, кто работает с Claude Code на практике.

Что понадобится

• Подписка Claude с доступом к Claude Code
• Node.js (любая актуальная версия)
• Терминал с доступом к домашней директории (папка ~/.claude/projects/)
• 15 минут на первый аудит, затем автоматический контроль через хук

Как измерить реальный расход токенов?

Прежде чем что-то оптимизировать, нужно увидеть картину. Все сессии Claude Code хранятся локально в файлах формата JSONL. Каждая строка с ответом модели содержит поле message.usage, где записан фактический биллинг: сколько токенов (минимальных единиц текста, которыми модель измеряет объём) прочитано из кеша, сколько создано заново, сколько выдано на выходе.

Автор написал скрипт на 30 строк, который обходит все файлы и суммирует расход.

// usage.js — запуск: node usage.js
const fs = require('fs'), path = require('path');
const root = path.join(require('os').homedir(), '.claude', 'projects');
const files = [];
(function walk(d) {
  for (const e of fs.readdirSync(d, { withFileTypes: true })) {
    const p = path.join(d, e.name);
    if (e.isDirectory()) walk(p);
    else if (e.name.endsWith('.jsonl')) files.push(p);
  }
})(root);

let req = 0, read = 0, write = 0, out = 0, sessions = 0;
for (const f of files) {
  let n = 0;
  for (const line of fs.readFileSync(f, 'utf8').split('\n')) {
    if (!line.includes('"cache_read_input_tokens"')) continue;
    if (line.includes('"isSidechain":true')) continue;
    let u;
    try { u = JSON.parse(line).message.usage; } catch (e) { continue; }
    if (!u) continue;
    n++;
    read += u.cache_read_input_tokens || 0;
    write += u.cache_creation_input_tokens || 0;
    out += u.output_tokens || 0;
  }
  if (n) { sessions++; req += n; }
}

console.log('сессий:', sessions, '| запросов:', req);
console.log('кеш-чтение:', (read / 1e9).toFixed(2) + 'B');
console.log('вывод:', (out / 1e9).toFixed(2) + 'B');
console.log('средний контекст запроса:', Math.round(read / req / 1000) + 'k');

Результат автора за полгода: 5,75 миллиарда токенов на входе и всего 0,03 миллиарда на выходе. Выход составил полпроцента расхода.

Почему длинная сессия обходится в разы дороже нескольких коротких?

Каждый запрос к модели отправляет весь накопленный диалог заново: системный промпт (базовая инструкция модели), файл CLAUDE.md (ваши проектные правила), все прочитанные файлы, все результаты команд, всю переписку. Механизм prompt caching (кеширование промпта, когда повторный текст читается дешевле, чем создаётся заново) снижает цену, но не обнуляет её.

Контекст при этом только растёт. Автор приводит формулу стоимости сессии из N запросов со стартовым контекстом S и приростом d токенов на каждом шаге:

Стоимость = N умножить на S + d умножить на N в квадрате, делённое на 2

Ключевое слово здесь: «в квадрате». Сессия на 800 запросов стоит не вдвое, а вчетверо дороже четырёх сессий по 200 при том же объёме работы. У автора 22 длинных сессии (более 300 запросов каждая) сожрали две трети всего бюджета.

Второе следствие: стартовый контекст S умножается на число запросов. Каждая лишняя тысяча токенов в CLAUDE.md множится на 150 запросов сессии, а потом на все сессии за месяц.

Куда именно утекал контекст?

Автор разложил накопленный контекст по источникам и нашёл три главных «пожирателя».

• Повторное чтение файлов: 32% всего объёма. Файл style.css (647 КБ, 16 123 строки) был прочитан 266 раз в рамках одной сессии. Модель читает файл, работает, через двадцать шагов читает снова «на всякий случай». Первое чтение никуда не делось из контекста, но второе добавляет дубликат, и оба оплачиваются на каждом следующем запросе.
• Скриншоты: 459 штук, около 130 миллионов токенов. Автор проверял вёрстку через браузерное превью прямо в основном чате. Один скриншот обходится в единицы тысяч токенов, но остаётся в контексте до конца сессии и «едет» в каждый следующий запрос.
• Команды оболочки: 25% контекста. Результаты выполненных команд тоже остаются в истории навсегда.

Пошаговая инструкция: как сократить расход

1. Запустите скрипт аудита (код выше). Посмотрите, сколько токенов уходит на вход, а сколько на выход. Если соотношение похоже на 99% ко входу, ваша проблема не в длине промптов.

2. Найдите длинные сессии. Отсортируйте сессии по числу запросов. Сессии свыше 300 запросов почти наверняка составляют основной расход.

3. Установите жёсткий лимит: 150 запросов или 200 000 токенов контекста на сессию. Даже посреди задачи. Автор повесил контроль на Stop-хук (скрипт, который срабатывает, когда модель закончила ход):

// tools/check-session-size-hook.js (сокращённо)
const WARN_REQ = 120, HARD_REQ = 150;
const WARN_CTX = 150000, HARD_CTX = 200000;
const lines = fs.readFileSync(input.transcript_path, 'utf8').split('\n');
let req = 0;
for (const l of lines) {
  if (!l.includes('"cache_read_input_tokens"')) continue;
  if (l.includes('"isSidechain":true')) continue;
  req++;
}
const u = JSON.parse(last).message.usage;
const ctx = (u.input_tokens || 0)
  + (u.cache_read_input_tokens || 0)
  + (u.cache_creation_input_tokens || 0);
if (req >= HARD_REQ || ctx >= HARD_CTX)
  console.error('Сессия разрослась: ' + req + ' запросов, контекст '
    + Math.round(ctx / 1000) + 'k. Пора закрыть.');

Хук ничего не блокирует, просто печатает предупреждение. Этого достаточно: раньше автор не замечал, что сидит в 600-запросной сессии.

1. Ужмите CLAUDE.md до минимума. У автора файл занимает 74 строки и написан по-английски (на 15 до 20% короче, чем тот же текст по-русски), хотя весь проект, интерфейс и чат ведутся на русском. Каждая лишняя строка умножается на все запросы всех сессий.

2. Не проверяйте визуал скриншотами в основном чате. Выносите превью в отдельную короткую сессию или пользуйтесь внешними инструментами. Один скриншот безобиден, но 459 за полгода в длинных сессиях обошлись в 130 миллионов токенов.

3. Следите за повторным чтением файлов. Если модель перечитывает крупный файл, который уже есть в контексте, это двойная оплата. Разбивайте крупные файлы на модули, чтобы модель читала только нужный фрагмент.

Что делать с этим прямо сейчас, по ролям

Автору Дзена, который использует Claude Code для контент-проектов. Запустите скрипт аудита и посмотрите, сколько сессий перевалили за 150 запросов. Скорее всего, именно там уходит большая часть лимита. Поставьте Stop-хук и начинайте новую сессию, когда счётчик предупреждает.

Разработчику или техническому специалисту. Разбейте крупные файлы (CSS, конфиги, длинные модули) на части, чтобы модель не перечитывала гигантский файл целиком. Переведите CLAUDE.md на английский, если проект это позволяет.

Предпринимателю, который платит за подписки команды. Попросите разработчиков запустить аудит и показать распределение по сессиям. Если 20 длинных сессий съедают 70% бюджета, лимит на длину сессии окупится за первую неделю. Инструмент доступен всем, у кого есть Claude Code, регион не ограничивает.

Формула «стоимость растёт как квадрат числа запросов» звучит как учебник, но на практике это единственное, что нужно запомнить. Ставьте лимит на сессию, измеряйте расход скриптом и перестаньте экономить на длине промптов: деньги лежат не там.