省 token 技巧 2026：实测有效的 10 招，最高省下 90% 费用

先说结论：省 token 靠的不是"把话写短"。最有效的是三件事：给任务配对模型、把重复内容交给缓存、控制上下文长度。这三件做好，日常使用可以省 50% 以上，API 调用最高能省 90%——本文所有数据都来自官方定价页和我们的真实实测，不是拍脑袋的估值。

很多人以为省 token 就是把提示词写短。我们实测后发现这恰恰是个误区：当消息里附带长代码或文档时，客套话只占总量的 1% 左右，删掉它几乎不省钱；真正吞 token 的是每轮都重复发送的长对话历史。下面按"先抓大头"的顺序，给你 10 个 2026 年实测有效的省 token 技巧。

本文目录：①模型分级 ②开启缓存 ③及时清空上下文 ④长任务压缩 ⑤一次说清需求 ⑥管住输出 ⑦用文件代替重复粘贴 ⑧批量与错峰 ⑨工具按需挂载 ⑩用量监控 ｜ 附：三类人群配方、常见坑、FAQ

先搞懂：token 是怎么算钱的

token 是大模型计量文本的最小单位。费用 = 输入 token × 输入单价 + 输出 token × 输出单价，输出单价通常是输入的 3～5 倍。以 2026 年 8 月的官方价格为例：

数据来源：DeepSeek 官方定价页、Anthropic 官方 Prompt Caching 文档。可以看出：选错一档模型，同样的活儿成本能差 5 倍起。这就是第 1 招排在最前面的原因。

省 token 的 10 个技巧（2026 实测版）

1. 模型分级：90% 的任务不需要旗舰模型

翻译、摘要、格式转换、日常问答这类轻量任务，用免费网页版或低价 Flash 档模型完全够用；只有复杂推理、架构决策才值得上旗舰模型。把任务按"轻 / 中 / 重"分三档，给每档配刚好够用的模型，是省 token 最大的单一杠杆。

不知道有哪些免费或低价的模型可选？可以在 AI345 的 AI 工具导航里按"免费 / 低价"筛选一遍，把主力、备用的模型先定下来。

2. 开启 Prompt Caching：重复前缀最高省 90%

如果你用 API，固定不变的 system prompt、长文档、工具定义都可以声明为缓存前缀。官方规则很明确：

• Anthropic：缓存命中的读取价格是原价的 10%（Opus 档 $5 → $0.50/百万 tokens），写入收 1.25 倍（5 分钟 TTL）或 2 倍（1 小时 TTL）。
• DeepSeek：自动开启上下文缓存，命中输入价约是未命中的 1/30（如 V4-Flash 高峰时段命中 0.10 元 vs 未命中 3.0 元）。

注意两个坑：缓存命中率低于 60% 时，写入成本可能吃掉省下的钱；TTL 有时效（默认 5 分钟，使用即免费续期），两次调用间隔太久缓存就失效了。

3. 任务切换就清空上下文（最容易被忽视）

多轮对话里，每一轮都要把全部历史重新发一遍。我们用 GPT-4o 同族分词器实测：同一会话里每轮带一段 50 行代码提问，30 轮后单轮上下文达到 16 万 tokens，是第 1 轮的 30 倍；累计输入量高达 250 万 tokens。如果拆成 3 个会话各做 10 轮，输入量直接降到约 1/3。

做法：聊天用户切话题就开新会话；Claude Code 用户在任务之间执行 /clear；养成习惯即可，零成本。

4. 长任务在上下文 50%～70% 时主动压缩

不得不做长任务时，别等到撑爆上下文才处理。Claude Code 的 /compact 可以把历史压缩成摘要继续工作；聊天场景可以让 AI 先把前面的讨论总结成一段要点，新会话贴上要点再继续。越早压缩，重复发送的无效历史越少。

5. 一次说清需求，但别在措辞上过度纠结

"挤牙膏式"的多轮试探会成倍增加轮次，每轮又都在复利计息。我们在纯文本场景实测：把 106 字的口语化请求改写成 94 字的结构化指令，输入 token 省 23%。但注意：当消息里附带着大段代码或文档时，这些措辞优化只占总量的 1%～5%——这时该优化的是"别重复发送大块内容"（用第 2、7 招），而不是抠字眼。

6. 管住输出：输出 token 单价是输入的 3～5 倍

让 AI"分点说、控制在 X 字内、只给结论"，比输入端任何优化都直接。我们实测同一问题的两种回答风格：口语化长答案 82 tokens，直接给步骤的短答案 29 tokens，省 65%。批量处理场景尤其要限制每条的输出格式，比如要求固定字段返回。

7. 用文件和记忆代替重复粘贴

每次对话都重新粘贴 60 页 PDF？每次都是几万 tokens。正确做法：Claude 用 Projects / Memory 把常驻资料放进项目知识库；API 调用把固定前缀交给缓存（第 2 招）；多人或多 Agent 协作时把中间结果写到共享文件里互相引用，而不是在消息里来回传。一句话：不变的内容只发一次。

8. 批量任务走 Batch API、用非高峰时段

不要求实时结果的任务（夜间摘要、批量文档处理、评测），用 Anthropic 的 Message Batches API 官方直接打五折；DeepSeek 则按时段计价，工作日 9:00–12:00、14:00–18:00 是高峰，其余时段（含周末）输入输出全部半价，把定时任务排在空闲时段跑，等于自动打折。

9. 工具和 MCP 服务按需挂载

每个挂载的工具都会把它的定义塞进每次请求。挂几十个工具、每个定义几百 token，一条简单指令可能凭空多出上万 tokens 的固定开销。只开当前任务真正用得上的工具，用完就关。

10. 监控用量，先找到你的"吞金兽"

优化前先看数据：Claude Code 用 /context 查看上下文构成；API 用户在控制台看用量明细。多数人会发现 80% 的消耗来自一两类调用——通常是长对话或重复的大前缀。对症下药，比全面撒网有效得多。

三类人群的省 token 配方

新手最容易踩的 3 个坑

• 坑一：把"写短提示词"当万能药。 带长内容时措辞只占 1%～5%，省 token 要抓上下文和缓存这些大头。
• 坑二：什么都用最强模型。 改个错别字也调旗舰模型，等于用 5 倍价格办同样的事。
• 坑三：缓存开了却没命中。 两次调用间隔超过 TTL、每次前缀都在变，写入成本反而更高。先看命中率，再决定要不要开。

总结

2026 年省 token 的逻辑已经从"抠提示词字数"升级为"工程化管理"：配对模型、用好缓存、控制上下文。先把模型分级和 /clear 这两个零成本动作养成习惯，再根据你的使用方式叠加缓存和 Batch 折扣。想找免费或低价的模型和工具，可以从 AI 工具导航开始；更多实战经验欢迎到 AI345 知识论坛交流，或在注册 AI345 账号后订阅你关注的栏目，第一时间获取新技巧更新。

---

本文由 AI345 内容团队撰写。实测数据基于 o200k_base 分词器（GPT-4o 同族）本地计量，2026 年 8 月测得；模型价格以各厂商官方页面为准，可能随时间调整。最后更新：2026 年 8 月 30 日。