4-17%. Таков был процент чтения кеша prompt cache у Claude Code за последний месяц. Нормальный уровень составляет 97-99%.
Это означает, что при возобновлении предыдущей сессии Claude Code не использовал повторно уже обработанный контекст, а каждый раз обрабатывал всё содержимое с нуля, потребляя в 10-20 раз больше лимита, чем обычно. Вы думали, что продолжаете диалог, а на самом деле каждый раз начинали совершенно новый, полностью оплачиваемый диалог.
Эта цифра получена из реальных измерений независимого разработчика ArkNill через прокси-мониторинг. Настроив прозрачный прокси, он записывал каждый запрос между Claude Code и API Anthropic и обнаружил как минимум два клиентских кеш-бага, из-за которых API-сервер не мог сопоставить кешированный префикс диалога, вынуждая каждый раз полностью перестраивать токены.
На графике выше показано сравнение процента чтения кеша в три этапа. В период с v2.1.69 по v2.1.89 (то есть во время существования бага) процент чтения кеша в standalone-версии составлял лишь 4-17%. После того как в v2.1.90 исправили один из ключевых багов, процент чтения кеша при холодном старте вернулся к 47-99.7%. К v2.1.91 процент чтения кеша в стабильном режиме работы восстановился до 97-99%.
Стоит отметить деталь на графике: диапазон v2.1.90 очень широк (от 47% до 99.7%), потому что при восстановлении сессии кешу всё ещё требуется «прогрев» — процент попаданий в первых нескольких раундах низкий, но很快 возвращается к нормальному уровню. А в версии с багом этот прогрев никогда не происходил — чтение кеша навсегда застревало на 14 500 токенах системного промпта, и вся история диалога каждый раз тарифицировалась по полной цене.
28 дней, 20 версий
Этот баг появился не в одном обновлении и не был исправлен в следующем. Согласно записям публикаций в npm registry, версия v2.1.69, в которой появился баг, была выпущена 4 марта, а версия v2.1.90, исправившая баг, вышла 1 апреля. Между ними прошло 28 дней и 20 версий.
Временная шкала раскрывает любопытную деталь. После появления бага 4 марта пользователи не сразу начали массово жаловаться. Жалобы резко обострились только 23 марта, спустя почти три недели. Причина, согласно анализу в GitHub issue #41930, заключается в том, что с 13 по 28 марта Anthropic проводила акцию с удвоением лимитов (внепиковое время x2), что объективно маскировало влияние бага. После окончания акции потребление из-за кеш-бага вернулось к нормальному тарифному базису, и лимиты пользователей мгновенно «испарились».
Ответ Anthropic пришёл не быстро. 26 марта, через три дня после всплеска жалоб, инженер Thariq Shihipar в своём личном аккаунте в X объявил о ужесточении лимитов в пиковые часы (рабочие дни с 5:00 до 11:00 по тихоокеанскому времени). 30 марта Anthropic на Reddit признала, что «пользователи достигают лимита гораздо быстрее, чем ожидалось», и заявила, что это стало наивысшим приоритетом для команды. Лишь 1 апреля член команды Lydia Hallie опубликовала официальные выводы расследования.
В течение всего процесса Anthropic не опубликовала ни одного поста в блоге, не отправила уведомлений по email, не обновила статусную страницу. Вся официальная коммуникация велась только через личные посты инженеров в соцсетях и少数 комментариев на Reddit.
Сколько вы заплатили и как долго сможете использовать?
В GitHub issue #41930 собраны сотни отчётов пользователей. Самый крайний случай — пользователь подписки Max 20x ($200/мес), чьё 5-часовое скользящее окно было полностью исчерпано за 19 минут. Пользователи Max 5x ($100/мес) сообщали, что их 5-часовое окно заканчивается за 90 минут. По данным The Letter Two,还有用户称一条简单的 «hello»就消耗了 13% 的会话配额。还有 пользователь заявил, что простое «hello» съело 13% квоты сессии. Пользователь уровня Pro ($20/мес) в Discord сказал, что его лимит «заканчивается к понедельнику, а сбрасывается только в субботу», и за 30 дней он мог нормально пользоваться сервисом только 12 дней.
Согласно基准测试 ArkNill, на версии с багом v2.1.89 100% квоты тарифа Max 20x исчерпывалась примерно за 70 минут. Он также рассчитал стоимость операции --resume для сессии с контекстом в 500K токенов — около $0.15, поскольку система полностью воспроизводила весь контекст.
«Вы неправильно это держите»
Выводы расследования Lydia Hallie подтвердили два момента: firstly, лимиты в пиковые часы действительно ужесточили, и secondly, потребление сессий с контекстом в 1 миллион токенов увеличилось. Она заявила, что команда исправила несколько багов, но подчеркнула, что «ни один из багов не привёл к переплате».
Затем она дала четыре совета по экономии:
1. Используйте Sonnet 4.6 вместо Opus (Opus потребляет примерно в два раза быстрее);
2. Снижайте интенсивность推理或 отключайте extended thinking, когда глубокая reasoning не нужна;
3. Не возобновляйте длинные сессии, простаивавшие больше часа, а начинайте новую;
4. Установите переменную окружения CLAUDE_CODE_AUTO_COMPACT_WINDOW=200000, чтобы ограничить размер окна контекста.
Никакого сброса лимитов или компенсаций упомянуто не было.
Ведущий AI-подкаста Alex Volkov охарактеризовал этот ответ как «вы неправильно это держите» (You're holding it wrong), указав, что сама Anthropic сделала контекст в 1 миллион токенов по умолчанию, продвигала Opus как флагманскую модель и extended thinking как преимущество, а теперь советует платным пользователям не использовать эти функции.
Утверждение «переплаты не было» также расходится с историей обновлений самого Claude Code. literally за день до ответа Lydia в v2.1.90 был исправлен кеш-регрессионный баг, существовавший с v2.1.69: при восстановлении сессии с помощью --resume запросы, которые должны были попасть в кеш, вызывали полный prompt cache miss и тарифицировались по полной цене. В ответе Lydia не упоминалась эта подтверждённая аномалия в计费.
Для сравнения, у OpenAI ранее также была похожая проблема с аномальным потреблением лимитов Codex. OpenAI поступила следующим образом: сбросила квоты пользователей, выдала кредиты и в марте объявила об отмене лимитов на использование Codex. Anthropic же посоветовала пользователям перейти на более слабую модель, отключить функции, ограничить контекст и возложила ответственность на способ использования.
Anthropic продаёт подписку на «самую сильную модель + самый большой контекст + самые высокие推理 способности» и берёт за это от 20 до 200 долларов в месяц. Кеш-баг длиной в 28 дней заставил лимиты платных пользователей испаряться в 10-20 раз быстрее, а официальный ответ призывает экономить.
