AI 编程按 token 计费还是包月？两种模式的成本结构，以及「token 焦虑」的真实来源

用 AI 写代码的花销分两种计费模式：按 token 用多少付多少，和包月买一个额度池。它们的差别不只是价格高低，而是成本的可预测性——按量计费下你无法在开工前知道这次重构要花多少钱，而这种不确定性会实实在在地改变你的行为：该让 AI 读的文件不敢让它读，该开的并行任务不敢开。这篇拆开两种模式的成本结构，说明「token 焦虑」从哪来、什么情况下它是真问题，并给出几个可以自己动手验证的检查方法。

一、先讲清楚：Agent 型工具的 token 消耗和聊天完全不是一个量级

很多人对 AI 花销的直觉停留在「聊天」阶段：问一句答一句，几百 token，不心疼。

Claude Code、Codex CLI 这类 Agent 型工具的消耗结构完全不同：

你说一句「把用户模块的分页逻辑重构一下」
  ↓
它自己 grep 整个仓库找相关文件        ← 每个文件都进上下文
  ↓
读了 12 个文件，其中 3 个特别长        ← 上下文继续涨
  ↓
改 5 个文件，每改一次都带着完整上下文   ← 前面所有内容重复计费
  ↓
跑测试，失败，读报错，再改             ← 又是一轮

关键在于：每一轮请求都要把之前的上下文重新发一遍。一次十几轮的重构任务，前面的内容会被重复计费十几次。

这就是为什么很多人第一次看 Agent 工具的账单会吃惊——不是单价贵，是调用次数和上下文长度的乘积远超预期。

一个能显著改变账单的配置

Agent 工具内部会派生子任务（读文件、搜索、简单判断这类杂活）。如果不显式指定，子任务可能和主任务用同一个高价模型。

Claude Code 里可以分开指定：

export ANTHROPIC_MODEL="你的主力模型"              # 主任务：难活
export CLAUDE_CODE_SUBAGENT_MODEL="你的轻量模型"    # 子任务：杂活
export ANTHROPIC_DEFAULT_HAIKU_MODEL="你的轻量模型"

这一条配置在重度使用下的差别是数倍量级的，而且很多人根本不知道有这个变量。按量计费的用户尤其应该检查一下自己有没有配。

二、「token 焦虑」是什么，它算不算真实成本

按量计费本身没有问题——用多少付多少，逻辑上最公平。问题出在认知负担上。

具体表现是这样的：

这里有个反直觉的地方：为省 token 而缩小上下文，往往会让总花销变高。因为上下文不足导致的错误修改，需要更多轮次去发现和纠正，而每一轮都要重新发送上下文。

所以「token 焦虑」不是矫情，它是一种会自我实现的成本：你越省，越容易返工；越返工，花得越多。

⚠️ 但要说清楚：这个问题只对高频重度使用者成立。如果你一个月只用几次 AI 写代码，按量计费明显更划算——不用为闲置的额度付钱。这里没有普适答案，只有强度匹配。

三、两种模式的成本结构对照

结构性差异在最后两行：按量把风险留给用户（账单不可控），包月把风险留给服务方（用户可能超用）。服务方要承担这个风险，就必须有限速机制——所以包月一定不是「无限量」，看到宣称无限量的要留个心眼。

四、包月制怎么设计才是诚实的

既然包月必然有限制，那么关键就是限制说没说清楚。判断一个包月服务是否诚实，看三点：

1. 额度是共享的还是各模型独立的

这一条经常被含糊处理。

• 共享额度池：所有模型共用一份额度，用强模型扣得快、用轻量模型扣得慢
• 各模型独立：每个模型一份额度，听起来更多，但实际上你用不完的那些是浪费

共享池对用户其实更实在——你可以把额度全花在真正需要的模型上。但前提是明确告诉你这是共享的，而不是让你以为买了 N 份。

2. 限速窗口是怎么定义的

正经的包月服务会有滚动窗口限速。要问清楚的是：

窗口周期多长？          # 常见是 5 小时 / 7 天两个周期
从什么时候开始算？      # 从该周期首次请求起算，还是自然时间对齐
到点是重置还是滑动？    # 重置更好理解，滑动更平滑

这些参数不写出来的，等于没有承诺。

3. 「约可用 N 次」这类估算怎么表述

包月套餐常会标「约可对话 N 次」。这个数字必然是估算——同样一次对话，读 3 个文件和读 30 个文件的消耗差一个量级。

诚实的写法是明确标注这是估算、以额度为准，就像流量包标「约可看 N 小时视频」一样。把估算写成承诺的，后面一定会有纠纷。

五、一个订阅用多家模型：省钱逻辑在哪

如果一份订阅能在多家模型之间自由切换，省钱的逻辑不是「便宜」，而是任务分流：

这个分流在单模型订阅下做不到，你只能一直用同一个模型干所有活。要么杂活用贵模型（浪费），要么难活用便宜模型（返工）。

Claude Code 里切换模型只要一条命令：

/model

它会列出当前可用的模型，选一个即可，不用退出会话。

六、一个几乎所有人都踩过的坑：上下文窗口

这一节是实测出来的，而且影响非常大，但知道的人很少。

Claude Code 对它不认识的模型 ID，一律按 200K 上下文处理。如果你用的是 1M 窗口的模型，它会在 200K 就触发自动压缩——你白白损失了 5 倍上下文。

最麻烦的是它不报错，只是提前压缩了。你的感受是「这模型怎么老忘事」「聊两轮就压缩了」，然后你会去怪模型。

怎么自查

在 Claude Code 里输入：

/context

看第一行的分母：

怎么修

把模型 ID 改成带 [1m] 后缀的形式：

你的模型名[1m]

三条实测出来的注意事项：

① [1m] 是纯客户端侧的标记，不是上游模型名。 把带后缀的名字直接发给模型厂商的 API，会报「模型不存在」。这个后缀必须由中间层处理掉，上游只能收到干净的模型名。

② 只给确认是 1M 窗口的模型加。 加之前查准官方文档的窗口值。

③ 标错比不标更糟。 不标，最坏是压缩得太早，你少用了点上下文——难受但不崩。标大了，客户端该压缩时不压缩，一路顶到上游真实窗口才撞墙，直接给你一个 API 报错，而这时候会话里已经堆了一堆东西。

⚠️ 顺带说一句：官方模型也是一样的，默认也是 200K，1M 需要显式选带标注的那一项。这不是第三方模型专属问题。

七、怎么验证你用的到底是不是你以为的那个模型

任何经过中间层的服务都有这个问题。先说一个不成立的方法：

🔴 问它「你是什么模型」——这个不能作为判据。 模型自述的身份可以被系统提示词改写，返回体里的 model 字段也是服务端自己填的，两者都证明不了背后真正调用的是什么。

比较有参考价值的是这几条：

① 看错误响应的结构。 用一个故意写错的 Key 发请求：

curl -s -X POST "$ANTHROPIC_BASE_URL/v1/messages" \
  -H "x-api-key: sk-obviously-wrong" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-sonnet-4-5-20250929","max_tokens":16,
       "messages":[{"role":"user","content":"hi"}]}' | head -c 300

正经实现会返回结构化的 JSON 错误体。返回 HTML、纯文本、或者干脆返回 200 的，说明中间那层根本没在转发。

② 看调用记录的粒度。 后台能不能分项显示输入 token / 输出 token / 缓存 token？只给一个模糊的「剩余额度」、不能逐条审计的，用量上动手脚的空间很大。

③ 用能力差异做交叉验证。 不同模型在特定任务上的行为是有指纹的。举个可操作的例子：有的模型会输出思考过程（thinking），有的不会；同一系列的相邻版本，这个行为可能刚好不同。拿这类行为差异去验证，比问它身份可靠得多。

④ 看长上下文是不是真的。 用第六节的 /context 看分母，再实际喂一个超过 200K 的输入，看会不会截断。窗口是最难伪造的一项。

八、我们自己怎么做的

写到这里应该说明立场：我们做了一个叫 Code2AI Flex（flex.code2ai.codes）的多模型网关，走的是包月路线。下面是它的实际设计，你可以拿上面几节的标准去对照。

模型清单（一个 Key 全部可切，套餐之间的差异只在额度）：

按第四节的三条标准自查：

• 额度是共享的——所有模型共用一份，强模型扣得快、轻量模型扣得慢。不是各模型独立叠加
• 限速窗口是 5 小时和 7 天两个周期，从该周期首次请求起算，到点重置
• 卡片上的次数是估算不是承诺，以额度为准。这不是无限量套餐

上下文这一项：模型菜单里已经预置好 [1m] 后缀，不用自己折腾。窗口没有可靠依据的模型故意没加——按第六节第三条，标错比不标更糟。

调用记录保留最近 30 天，可以逐条看。

接入是两个环境变量，和接任何 Anthropic 兼容端点一样：

export ANTHROPIC_BASE_URL=https://flex-api.code2ai.codes
export ANTHROPIC_AUTH_TOKEN=你的key

写进 ~/.bashrc 或 ~/.zshrc 后 source 生效。两项缺一不可。

也有一键脚本和一个自检命令：

flex doctor    # 检查环境变量、端点连通性、代理干扰

它不适合谁，说在前面：

• 一个月只用几次的——按量明显更划算，别买包月
• 只追求最低单价的——包月的价值在可预测性，不在便宜

九、常见问题

Q：包月和按量，到底怎么选？

看使用频率，不看价格。每天都在用、且经常因为怕花钱而缩手的，包月能解决的是那个「缩手」的问题。一周用不了几次的，按量。

Q：ANTHROPIC_API_KEY 和 ANTHROPIC_AUTH_TOKEN 有什么区别？

不同版本、不同接入方式下要求不同。一个不行就试另一个，或者两个都设成同一个值。这是最常见的配置失败原因之一。

Q：改了环境变量不生效？

三个常见原因：写进了 ~/.bashrc 但用的是 zsh（macOS 默认）；写完没 source；~/.claude/settings.json 里有残留的旧值在覆盖。先用 echo $ANTHROPIC_BASE_URL 确认变量真的生效了。

Q：本机开了代理，请求一直失败？

报 Failed to connect to 127.0.0.1 port xxxxx 就是代理干扰。要么临时 unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY，要么把网关域名加进 NO_PROXY。

Q：怎么知道我这个月还剩多少额度？

正经服务都应该有控制台能查，而且应该能看到输入/输出/缓存的分项。查不到分项的，参考第七节第二条。

小结

• Agent 型工具的消耗结构和聊天完全不同，每轮都重发上下文，十几轮的任务前面内容会被重复计费十几次
• 「token 焦虑」是会自我实现的成本：为省钱缩小上下文 → 改错 → 返工 → 花得更多
• 但它只对重度使用者成立，用量小的人按量计费明显更划算
• 包月必然有限制，判断诚实与否看三点：额度是否共享、限速窗口参数是否写明、估算次数有没有标注为估算
• 多模型的价值在任务分流，不在便宜——难活交给能力上限高的那档，杂活交给轻量模型
• 先去跑一次 /context，看看你的上下文窗口是不是一直在按 200K 被砍。这一条和计费模式无关，但影响可能比选哪种计费方式更大