Recién (el día 15), Anthropic publicó una entrada en su blog.
El mensaje central es: ¡Oigan, dejen de quemar tokens innecesariamente, ya no podemos seguir viéndolo!
Para ello, la empresa detalló seis principios para ahorrar dinero. Aquí los presentamos:
1. /clear después de cada tarea. Después de arreglar un bug, limpia la conversación actual. No arrastres a la siguiente tarea los archivos leídos o las salidas de comandos de la tarea anterior, ocupando espacio de contexto sin necesidad.
2. Define el modelo y el nivel de esfuerzo (effort level) desde el principio. Si los cambias a mitad de camino, toda la caché de prompts acumulada se invalidará y todo el historial de la conversación se tendrá que recalcular a precio completo.
3. Usa @ para hacer referencia a archivos, no escribas la ruta manualmente. Usa @ para adjuntar el archivo directamente al mensaje; así Claude no gastará otra llamada de herramienta para leerlo. Si solo escribes el nombre del archivo, Claude podría buscarlo primero, abriendo y probando varios archivos. Todas esas operaciones entrarán en el historial de la conversación y se arrastrarán en cada turno posterior.
4. Añade parámetros de silencio (quiet flag) a comandos con mucha salida. Escribe una configuración como --reporter=dot en CLAUDE.md, para que la salida de las pruebas solo imprima un resumen de unas pocas líneas, en lugar de cientos de líneas de detalle. Menos salida = menos contexto ocupado.
5. Haz /compact antes de tomar un descanso. Comprimir la conversación mientras aún está en caché cuesta solo una décima parte. Si esperas a que la caché expire cuando regreses, tendrás que releer y comprimir todo a precio completo.
6. Delega tareas con mucha salida a un sub-Agent. El sub-Agent se ejecuta en una ventana de contexto independiente. Solo devuelve la conclusión cuando termina; los archivos leídos y las salidas de comandos durante el proceso no entran en tu conversación principal.
La vida de un token
Para trabajar con Claude Code, la API se factura por uso, y las suscripciones mensuales tienen tres niveles: desde 20 hasta 200 dólares.
Según cálculos oficiales, los desarrolladores consumen un promedio de 13 dólares en tokens al día, gastando entre 150 y 250 dólares al mes.
Y eso es solo el promedio. Arreglar el mismo bug con diferentes enfoques puede costar varias veces más.
Además, cada turno de la conversación vuelve a enviar todo el contenido acumulado de los turnos anteriores. Cuanto más larga es la sesión, más caro resulta cada turno.
¿En qué se gasta este dinero? Hay que entender la lógica de facturación de los tokens.
Cada vez que introduces un comando en Claude Code, ocurren dos cosas en segundo plano.
La primera es el prellenado (prefill), donde el modelo lee toda tu solicitud de una vez: las instrucciones del sistema, CLAUDE.md, tu mensaje y todo lo acumulado en la conversación anterior. Estos son tokens de entrada.
La segunda es la decodificación (decode), donde el modelo escribe palabra por palabra, incluyendo su razonamiento, llamadas a herramientas y el texto final que ves. Estos son tokens de salida.
La diferencia clave está aquí.
El prellenado es en paralelo; todos los tokens de entrada pasan por la GPU de una vez. La decodificación es en serie; cada token generado requiere una ejecución independiente del modelo. Una respuesta de 200 tokens son 200 cálculos independientes.
Por eso no es difícil entender que los tokens de salida sean 5 veces más caros que los de entrada.
Sobre esta base, la factura final depende de dos cosas.
Primero, el modelo, que determina el precio por token.
- Opus 5: 5 USD / millón de tokens (entrada), 25 USD (salida).
- Sonnet 5: 2 USD (entrada), 10 USD (salida).
- Haiku 4.5: 1 USD (entrada), 5 USD (salida).
Segundo, el nivel de esfuerzo, que determina la cantidad de tokens.
La mayoría de tokens de salida en una sesión son tokens de "razonamiento". El nivel de esfuerzo controla esta cantidad. A mayor esfuerzo, más piensa el modelo, generando más tokens de razonamiento. La diferencia entre 'max' y 'low' puede ser de varias veces.
Usa Sonnet para tareas sencillas, y reserva Opus para los problemas difíciles. Gastar dinero en usar un martillo pilón para matar una mosca es el desperdicio más tonto.
La caché de prompts es la mayor herramienta de ahorro
En la fijación de precios de tokens hay otra variable enorme: la caché.
Cada solicitud en Claude Code comienza con el mismo prefijo: las instrucciones del sistema, definiciones de herramientas, CLAUDE.md y el historial de la conversación.
Si el prefijo de esta solicitud es idéntico (byte por byte) al de la anterior, el servidor no lo recalcula, sino que carga el resultado del cálculo anterior.
Leer de la caché cuesta solo 0.1 veces el precio normal de entrada, ahorrando directamente un 90%.
Escribir en la caché es un poco más caro, hasta 2 veces. Pero la escritura solo ocurre una vez, y cada turno posterior disfruta del precio de lectura de 0.1 veces.
Un ejemplo:
Supongamos que tu historial de conversación tiene 50,000 tokens. Sin caché, cada turno tendría que pagar el precio completo solo por releer esos 50k tokens. Pero con la caché activa, esos mismos 50k tokens cuestan solo una décima parte.
En una sesión de 20 o 30 turnos, el descuento acumulado por aciertos de caché es astronómico.
Este es tu mayor palanca para aprovechar el sistema.
Pero la caché tiene una debilidad fatal. Debe coincidir de forma continua desde el primer byte de la solicitud; cualquier cambio en medio invalida todo lo posterior.
En concreto, hay seis situaciones:
1. Cambiar de modelo con /model: Cada modelo tiene su caché independiente. Cambiar de Sonnet a Opus significa que todo el historial se prellena de nuevo al precio de Opus, sin descuento.
2. Cambiar el nivel de esfuerzo con /effort: El nivel de esfuerzo también es parte de la clave de caché. Cambiarlo hace que todo el historial se tenga que recalcular.
3. Activar/desactivar el Fast mode: Tiene el mismo efecto que los dos casos anteriores; la caché se invalida.
4. Comprimir la conversación con /compact: La conversación se reescribe como un resumen, el contenido original ya no coincide, y la caché antigua se invalida.
5. Expiración por tiempo: La caché de usuarios suscritos se mantiene 1 hora, para usuarios de API por defecto son 5 minutos. Pasado ese tiempo, el siguiente turno recalcula todo desde cero.
6. Recuperar una sesión antigua: Si ha pasado demasiado tiempo, la caché ya no existe, y es casi seguro que se recalculará al precio completo.
La mala noticia es que cualquiera de estas situaciones significa que todo el historial de la conversación pasa de costar 0.1 veces a costar el precio completo.
La buena noticia es que, sabiendo qué invalida la caché, puedes saber cómo preservarla.
Por ejemplo: bloquear el modelo y el nivel de esfuerzo al inicio de la sesión y no cambiarlos. No hacer /compact mientras la caché está activa, sino ejecutarlo cuando vayas a hacer una pausa.
Además, hay una trampa oculta.
El modo opusplan cambia de modelo cada vez que entras o sales del plan. Entrar invalida la caché una vez. Salir, la invalida otra. Saltar entre ellos significa pagar un prefill completo en cada salto.
Tu sesión se está engordando a escondidas
La caché te ayuda a reducir el coste de reenviar el historial a una décima parte.
Pero hay algo con lo que no puede ayudarte: el historial en sí se infla turno tras turno.
Cada vez que Claude lee un archivo, su contenido se añade a la conversación. Cada vez que Claude ejecuta un comando, su salida también se añade. A partir del turno en que se añade, cada turno posterior lo arrastra.
El turno 40 de una conversación está reenviando todo el contenido acumulado de los turnos 1 a 39.
Este crecimiento es casi cuadrático, O(n²).
Claude Code tiene un mecanismo de seguridad.
Si la salida de un comando supera los 30,000 caracteres, no se inserta en la conversación, sino que se escribe en un archivo temporal y solo se coloca un resumen en la conversación. Pero las salidas menores a 30,000 no tienen este control.
Por ejemplo, si un framework de pruebas termina e imprime 400 líneas de registros de aprobación, cada una de varias decenas de caracteres, el total no llega a 30,000, por lo que no alcanza ese umbral.
Así, esas 400 líneas permanecen intactas en el historial de la conversación, siendo reenviadas en cada turno posterior.
Para esto, el blog de Anthropic ofrece algunas formas prácticas de adelgazar la conversación.
1. Haz referencia a archivos con @.
No escribas manualmente la ruta para que Claude la busque. Usar @ adjunta el archivo directamente al mensaje, ahorrando una operación de lectura.
Si solo dices el nombre del archivo, Claude podría hacer primero una búsqueda con grep, abriendo varios archivos para ver cuál es correcto. Todas esas pruebas entrarán en el historial de la conversación, aumentando el coste innecesariamente.
2. Añade quiet flags a comandos "ruidosos".
Escribe en CLAUDE.md algo como «run tests with npx vitest run --reporter=dot». Así, cada vez que ejecutes pruebas solo saldrán unas pocas líneas de puntos como resultado, no cientos de líneas de detalles. Un minuto de configuración te ahorrará cientos de líneas de contexto en cada sesión.
3. Aísla tareas de gran salida con subagents.
El subagent se ejecuta en su propia ventana de contexto independiente. Solo devuelve la respuesta cuando termina; los archivos leídos y las salidas de comandos durante el proceso se descartan. Es ideal para tareas como "revisa los logs en busca de anomalías" o "analiza este archivo grande". Solo quieres la conclusión, no el proceso.
Y el principio más importante:
4. /clear al cambiar de tarea.
Después de arreglar un bug, haz /clear y comienza la siguiente cosa. Los archivos, salidas de comandos y exploraciones del bug anterior no tienen nada que ver con la siguiente tarea. Pero si no los limpias, ocuparán espacio y consumirán tokens en cada turno posterior.
Si no quieres borrarlo todo, /compact puede comprimir la conversación en un resumen. De 10,000 a 20,000 tokens se pueden comprimir a 1,000 o 3,000.
Además, el blog menciona una operación poco conocida pero gratuita: /rewind.
Si los últimos turnos se desvían, /rewind los elimina directamente, dejando la caché anterior intacta.
Gestionar tokens también es una habilidad del desarrollador
Analizando todas estas operaciones, descubres un patrón. Quienes programan están desarrollando un nuevo conjunto de habilidades.
No tiene que ver con frameworks o lenguajes, sino con saber qué modelo elegir, cómo gestionar el contexto, cómo preservar la caché y qué nivel de esfuerzo es adecuado.
Estas capacidades no existían hace un año. Pero ahora determinan si gastas 3 o 30 dólares en la misma tarea.
El propio Anthropic es el mejor ejemplo.
Escriben el 80% de su código con IA, la cantidad de fusiones de código se multiplicó por 8 en un año, y las pruebas de referencia se aceleran 52 veces. Usar la IA con esta intensidad, si nadie gestiona los tokens, solo el coste de inferencia podría agotar el presupuesto.
Desde esta perspectiva, más que consejos para ahorrar dinero, este blog habla de un nuevo instinto que quienes programan en la era de la IA deben desarrollar:
Saber qué consume cada una de tus operaciones y cómo hacer que el mismo presupuesto rinda más.
Quienes lo entiendan no solo aprovecharán unos cuantos dólares en tokens.
Referencias:
https://claude.com/blog/maximizing-the-value-of-your-claude-code-sessions
Este artículo proviene del WeChat Official Account "New Zhiyuan", autor: Mo Xi
