Claude Code新模式来了,不换模型,Token消耗最高砍掉77%
用过Claude Code的开发者,几乎都有过同一种体验:干活确实爽,但看着后台飞速跳动的Token消耗和账单,心也在滴血。
过去想让AI智能体跑得更快、花钱更少,用户通常只有两条路:要么苦等厂商发布更便宜的新模型,要么手动把主力模型降级成小模型,忍受交付质量的滑坡。
但最近,Anthropic在Claude Code(v2.1.323及以上版本)的更新日志里,悄悄塞进了一个默认关闭的实验功能——Code Mode。第三方实测显示:在完全不换模型、不牺牲智商的前提下,开启这个模式跑多步开发任务,真实API账单直接少了22%–23%;而在高频调用外部工具的场景下,模型累计处理的Token总量更是暴跌了62%–77%。

当Anthropic进一步交出本地脚本编排权,代码进一步成为Agent与工具之间最高效的通信协议。
Claude Code过去为什么烧钱?
要理解Code Mode省下了什么,得先看清传统智能体干活有多“笨重”。
普通模式下,Claude Code通常由模型直接组织工具调用。比如先通过Bash搜索文件,再调用Read查看内容,最后用Edit修改代码。如果后续操作依赖前一步的执行结果,工具就需要将结果返回给模型,由模型判断下一步该怎么做。
虽然Claude Code本身已经支持并行工具调用,也能通过Bash脚本批量执行命令,但对于需要多步判断和跨工具协作的任务,模型仍可能反复参与中间流程,不断消耗Token。
只改一两个函数时,这套流程没什么问题。可一旦遇到跨几十个文件找错误,或者通过MCP(模型上下文协议)拉取上百条外部记录的任务,两笔隐藏开销会迅速把上下文撑大。
第一笔开销在起跑线上。独立评测站点bestagent.dev拆解请求载荷发现,未开启Code Mode时,Claude Code每轮默认向模型发送16个内置工具定义,光首轮请求体积就达到约38,000 tokens。只要会话继续,这份“工具说明书”就在每一轮请求里反复重传。
第二笔开销藏在中间过程里。很多工具返回值其实只需扫一眼、筛出几行有用的内容,但在逐轮调用的机制下,整段日志、整批原始记录全部要留进对话历史。在开源基准Bicameral的测试中,让模型通过MCP拉取120张工单并统计退款总额,普通模式被迫分轮把120条记录完整拉进上下文。
可见,过去智能体每调用一次工具,就要把全量原始输出连同全部工具定义再装进下一轮上下文,造成轮次越多、Token消耗呈滚雪球式膨胀的问题。
一次对调度架构的手术
Code Mode做的事情,本质上是重构了模型与工具之间的调度分工。
开启Code Mode后,Claude可以先编写一段JavaScript,将多个工具调用、条件判断、循环执行和结果过滤组织到同一段代码中。对于不需要模型逐步决策的操作,程序可以连续执行,并直接处理工具返回的数据,最后只将必要结果送回模型上下文。
Anthropic官方文档举过一个直观的例子:比如你想让Claude找到某个配置文件、把里面的重试次数从3改成5,再跑一遍测试。以前它得先找一次文件、等结果返回,再改一次配置,改完再跑一次测试,每一步都得回对话里过一遍。
开启Code Mode后,它会自己写一段小脚本,在本地把“找文件、改配置、跑测试”一口气做完,最后只把“改了哪个文件、测试过没过”这两句结论交回对话。
中间搜索过的目录、生成的大量测试日志,都可以先由代码处理、筛选,再将必要信息交给模型。至于最终能省下多少Token,仍取决于脚本返回的数据量。

与此同时,Code Mode在入口处做了一次大幅瘦身:模型侧接收到的内置工具定义,从原来的16个精简成了只保留代码执行和状态轮询等功能的3个核心入口。
两家独立第三方测试给出了一致的变化。bestagent.dev测得首轮请求从约38,000 tokens降到约22,000 tokens。Bicameral在4个模型上也测得每轮起跑固定减少13,055—13,106 tokens。
Code Mode切掉了每轮重传的工具定义和中间冗余输出,把上下文窗口留给了真正需要模型做判断的信息。
强模型的红利,弱模型的陷阱
省Token的逻辑听起来无懈可击,但真实世界里的跑分却呈现出剧烈的分化。
目前最全的公开测试来自开源基准Bicameral。该团队在Claude Code v2.1.326上,用Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2四个模型跑了6类任务、每组2轮共计96次运行(48组开关对照)。
表现最亮眼的是高频MCP取数求和测试:通过外部工具逐条拉取120张工单并统计退款总额。4个模型的对话上下文增量从约54,000 tokens骤降至3,500—8,800 tokens(降幅84%—94%)。16次运行全部答对,累计处理Token减少62%—77%。
在需要阅读并筛查重复扣款的研判类取数任务上,处理Token减少40%—68%,对话上下文减少65%—83%。不过测试团队说明,这批人工生成的工单存在句式规律,模型脚本刚好借机跳过了重复段落。并且出现了3次未过检失败,全部出在Haiku 5.5模型上。
换一种日常工作,这组数字就有所缩水了。
回到大家每天都在干的本地文件修改(在47个Markdown文件里查死链、在Python项目里跨36处调用重命名函数)。单看执行过程中新产生的对话内容(Task context),16组对照里有14组不仅没降,反而因为额外写脚本或排错变多了。
但因为开启后每轮起跑携带的“工具说明书”固定少了约1.3万个Token,里外一抵消,Opus 5.5、Sonnet 5.5和Fable 5.2整趟跑下来的累计处理Token依然降了15%—54%。
唯独Haiku 5.5在文件任务里处理Token反增9%。回看日志发现,主因是其中一次脚本找错目录,攒下的大量报错记录把起跑底座省出来的额度全吃光了。

另外需要注意的是,报告里专门强调:“累计处理的Token”不等于实际账单费用,因为被省掉的大头属于重复读取的提示词缓存。平台对这部分缓存本身就按更低费率打折计价。
把这笔账折算成美元的,是另一组第三方测试,来自独立评测站点bestagent.dev。该团队在Claude Code v2.1.325上用Opus 5.5按Anthropic官方API标价对3个真实开源仓库任务各跑3次,测出了更贴近日常体感的数字:
新增带测试的CLI参数:开启Code Mode后单次费用从$0.45降至$0.35(省23%),耗时从80秒缩至60秒。
134个Markdown文件查死链:费用从$0.20降至$0.16(省22%),耗时从26秒缩至18秒。
20个技能说明文件统一加版本号:费用几乎持平($0.16对$0.17)。因为即便不开Code Mode,Claude自己也会在Bash里写一段小脚本一次改完。

不过bestagent.dev只测了Opus 5.5单模型两分钟以内的短任务,像第一组测试中的那种复杂任务,依然可能有更好的实际费用差异。
可以看出,Code Mode真正擅长的是一些批量处理的复杂任务,如跨工具批量数据处理,以及需要多轮检索与测试联动的仓库开发。遇到原本一条shell就能解决的简单文件批改,换不换它几乎没有区别,用弱模型(Haiku 5.5)写错脚本路径还可能放大返工损耗。
能省钱又提速,却要把它“默认关闭”?
既然能省下真金白银,Anthropic为什么还要设置环境变量门槛(CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1),并在文档里打上“实验特性,可能随时修改甚至移除”的警告?
首要卡点在安全把关与过程监控上。
在传统模式下,Claude每读一个文件、跑一条命令都要单独发起请求,系统的权限规则、钩子脚本和安全审核可以逐条盯着把关。企业监控系统也能按每次工具调用留下一条清晰的记录。
可开启Code Mode之后,Claude把一连串动作打包写进整段JavaScript里一次性跑完。在Auto模式下的安全分类器只能整段大致看一眼代码,没法像过去那样对运行期动态拼出来的每一条路径逐一细查。

为了防住风险,官方在启用门槛上加了多层硬锁。Claude Code会刻意忽略项目目录配置文件里的Code Mode开关,防止开发者克隆一个外部仓库时被对方暗中打开。如果用户开启了企业监控导出或禁用遥测,客户端会直接拒绝启动Code Mode。
安检之外,能用的场景也还有限。
从支持范围看,现阶段的Code Mode更像一块限在纯命令行终端里的“试验田”。它目前只支持在本地交互式终端、直连Anthropic官方订阅或Console账号使用。桌面端App、VS Code插件、以及亚马逊Bedrock、谷歌云等第三方云平台暂时全都用不了。
对于现在就想试用的用户,可以注意两点:第一,看任务决定开关,做批量处理等复杂任务时省Token的效果才明显。第二,开启后几个联动功能会暂不可用,远程控制、Chrome浏览器联动和电脑操控(computer use)都会停用。
把视野拉高一层看,Code Mode验证了一件对行业有启发的事:在底层模型不变的情况下,仅仅把“谁来组织循环、中间数据留在哪”这层Harness的工作方式改对,对Claude Code这样成熟的客户端依然能挤出两成以上的真实成本。
类似的改进,最近几个月,从云基础设施到开源编程工具,已经有好几支团队沿着同一方向推进。Cloudflare、OpenCode 2都开发了类似的功能,按需查目录、用脚本组合调用工具。8月开源的DeepSeek Harness在四种运行模式里,也内置了程序化工具调用(PTC)模式。但他们各自降Token成本的能力如何,易用性和安全性又如何,还有待更多对比测试来展现。
内容来自 虎嗅,版权归原作者所有。
阅读原文 ↗