Token燒太快？官方給出4條Claude Code建議，這樣做降低額度消耗|數位時代 BusinessNext

Anthropic 近日針對「Claude Code 用量暴衝」的爭議做出說明。許多用戶反映，自己明明只是做了幾個操作，卻在短時間內用掉大量配額，甚至在升級到更昂貴的方案後，實際可用的時間與token用量反而大幅下降，引發不少不滿。

負責 Claude Code 的 Lydia Hallie 在 X 上表示，團隊這段時間蒐集了大量回報與數據後發現，發現多數 token「燒得特別快」的情況，其實來自幾種非常消耗額度的使用模式。同時，她也提出4個官方建議，希望用戶可以降低不必要消耗。

一、優先使用 Sonnet 4.6，避免 Opus 過度消耗

首先，在 Pro 方案中，Anthropic 建議預設改用 Sonnet 4.6，而不是更高階的 Opus。原因在於，Opus 的代幣消耗大約是 Sonnet 的兩倍，如果不是每一次都需要最強、最深度的推理能力，其實沒有必要全程使用 Opus，否則會很快碰到用量上限。

二、調整運算強度與延伸思考功能

其次，Claude Code 提供「運算強度」（effort level）與「延伸思考」（extended thinking）等參數，這些功能會讓模型進行更多步驟的推理，自然也會大幅增加token的使用量。官方建議，如果只是處理一般的程式輔助或輕量任務，可以適度調低運算強度，甚至在不需要深度推理時關閉延伸思考，把成本壓下來。

三、避免長時間續用巨大對話工作階段

第三，Lydia 提醒，用戶不要長期「續命」一個放著不動的大型對話。如果某個工作階段（session）已經閒置約一小時以上，且累積了龐大的上下文內容，繼續在同一個工作階段裡操作，模型每次都要重新處理這段長上下文，自然會讓一次互動就吃掉大量token。她建議改成重新開啟一個新工作階段，比較節省資源。

四、透過上下文視窗上限控制對話長度

第四，Anthropic 也在 Claude Code 中提供「上下文視窗」（context window）上限設定，例如使用環境變數（environment variable）‎CLAUDE_CODE_AUTO_COMPACT_WINDOW=200000 來自動壓縮過長的上下文。對常態開啟大型專案、讀取多檔案的開發者來說，這可以避免模型每次都帶著過量歷史內容一起運算。

Lydia 表示，團隊已經陸續推出多項效率優化，並在產品內加入提示視窗，幫助使用者避免觸發大型提示快取失誤（large prompt cache misses）等高成本情境。她也提醒，用戶務必確認自己使用的是最新版本。如果仍然遇到「明明只是個小操作，卻吃掉不成比例的大量額度」的狀況，可以在產品內執行 ‎/feedback 指令，讓團隊進一步調查。

Gemini 的額度其實也很容易被「用法」吃掉

前面幾點是 Anthropic 自己點名的 Claude Code 省 token 方式，但實際上，現在多數訂閱型 AI 服務的額度，都跟「怎麼使用」高度相關。以 Google AI 的 Gemini 為例，如果有訂閱相關方案，也要特別留意使用方式，才不會很快把每日額度燒光。

雖然官方文件沒有直接標註「哪些行為是浪費額度」，但從使用說明與各項功能限制中，其實可以整理出幾種特別容易消耗額度的使用模式，作為規劃使用策略的參考。

一、提問本身的長度與複雜度

提示詞越長、結構越複雜，模型在背後需要投入的運算資源就越高；如果在同一個對話串中，多次追加篇幅較長、層次繁複的追問，使用量會持續往上疊加。換句話說，能用精準語句表達清楚的問題，就應該盡量避免鋪陳過多背景與枝節內容，而在單一對話中無限制延伸討論，也會讓額度消耗速度明顯加快。

二、容易被忽略的來源

一口氣上傳數量眾多的檔案，會比事先精選少量關鍵檔案更快耗用額度；而且檔案容量越大，例如長時間影片、頁數龐大的 PDF 報告，模型為了讀懂內容所需的處理資源與上下文空間也會同步增加。較佳的做法，是先預先整理，只上傳「確實需要 Gemini 協助分析」的檔案，而不是把整個資料夾原封不動丟進去。

三、本身就屬於高成本的進階功能

Deep Research 會依方案不同設定每日或每月可產生的報告數量上限；圖像、影片、音樂生成等功能，也都有明確的每日張數或曲數限制，而且官方特別提醒這些需求量高的服務，限額未來可能因為成本壓力而調整；至於 Agent、螢幕自動化、簡報生成等功能，多半也設有每日可使用次數或同時執行數量上限。

若想實際降低額度浪費，可以從幾個面向著手調整。問題設計上，盡量聚焦核心需求，優先追求「精準與清楚」，而不是刻意拉長篇幅或追求華麗文采；在對話結構上，當討論主題已經大幅轉變，或是單一對話變得過長時，適度開啟新對話，有助於減少不必要的歷史上下文負擔；在檔案管理上，只上傳實際需要分析的檔案，避免一次性投入大量冗餘資料；至於生成內容，若是為了比較模型輸出品質而重生多個版本，事先替自己訂一個合理上限，避免無節制反覆生成，也能有效控制整體用量。

延伸閱讀：用Claude Code管理100篇研究筆記！前OpenAI共同創辦人公開LLM知識庫系統，貼一段指令就能建起來
 Claude送免費額度！這三種方案都能領，怎麼領？要注意什麼？教學一次看

資料來源：Anthropic、Google

本文初稿為AI編撰，整理．編輯/黃若彤

為打破醫療 AI 高昂的算力與人力門檻，健細胞科技與國立中興大學資管系蔡孟勳教授團隊產學合作，正式推出「Cancell Insight 醫療 AI 模型平台」（https://insight.cancell.ai）。該平台以 SaaS（軟體即服務）模式提供一站式託管，讓先進的醫療 AI 資源不再侷限於大型醫學中心，有效消弭基層與城鄉間的醫療數位鴻溝。

軟體硬實力：打通 AI 落地最後一哩路

過去，許多由學術或生技單位開發的優秀模型因缺乏部署工具，往往淪為「實驗室孤兒」；而中小型醫院也常因 IT 建置成本對 AI 望之卻步。

健細胞科技創辦人周子堯Victor憑藉其UIUX規劃、程式開發技術背景，親自領軍AI 模型研發團隊，建構 Cancell Insight 平台。他強調，智慧醫療落地必須具備「無感化部署」、「持續性反覆運算」與「大眾化使用」三大要素。Cancell Insight 包辦了從數據清潔、標註到模型訓練與部署的底層工程，醫療機構僅需提供去識別化數據，繁瑣技術難題全由平台解決，讓 AI 真正回歸醫療「輔助」本質。

專為高壓臨床環境設計，七大核心優勢重新定義臨床運作效率

【行動化與 LINE 整合】支援 LINE 一鍵登入，醫師可直接透過官方帳號上傳檔案呼叫模型並查閱紀錄，實現真正的醫療行動化。

【隨選模型與高相容性】提供多元 AI 模型庫供彈性訂閱。每組模型具備獨立 API Key，可無縫串接醫院現有 HIS 系統或 APP。

【團隊協作共享】首創以「團隊」為服務單位，跨科別成員可同步共享模型權限、數據分析與歷史紀錄，提升研究協調效率。

【自動化數據處理】支援模板批次上傳，內建自動校準系統，若格式不符將自動轉檔、去識別化與重構，大幅解放 IT 人力。

【雙模態 AI 解析】深度整合 Dr.Cell AI (Gemini) 多模態能力，不僅輸出預測結果，更提供進階臨床解說與治療準則問答，提升決策參考價值。

堅守醫療嚴謹性，推動醫療平權與永續商業價值

在追求科技創新的同時，Cancell Insight 嚴格把關醫療安全性。平台所有 AI 模型輸出結果均定位為「臨床決策輔助」與「研究檢測輔助」，透過「非直面病患」的機制，確保所有 AI 建議皆由專業醫療人員進行最終判讀。

透過 SaaS 專案訂閱模式，Cancell Insight 成功以合理經費取代了傳統的高額硬體採購，讓中小型醫院與偏鄉診所也能具備同等的診斷實力，落實真正的醫療平權。對研發端而言，平台不僅是加速醫療科技商用化、縮短變現週期的推進器，其高度結合日常工作流的特性，更有效減少了醫護的行政負荷，緩解當前醫療量能短缺的危機。

【進階部署】啟動臨床試驗，Docker 地端部署確保資安與時效

為進一步驗證臨床效益並符合醫療機構對資訊安全的高標準，Cancell Insight 即將與各大醫療機構攜手展開「臨床研究計畫」。針對有高度資安控管需求的醫院，平台提供彈性的 Docker 地端模型部署（On-premise Deployment）方案。第一線的醫師與護理師可直接在院內本機端快速啟動 AI 模型，安全地注入病患臨床數據後，即可「零時差」取得預測結果。此舉不僅確保了敏感醫療數據「不出院」，完美符合嚴格的醫療法規與病患隱私要求，更能實際驗證 Cancell Insight 在真實高壓的臨床場域中，能即時、有效地提供精準的決策輔助。