Claude Code 80%的提示词说删就删，Anthropic用Fable 5打了个样：AI行业的"降本"才刚刚开始
"Fable 5 这个价格远高于中国程序员一天工资。写代码一天烧几百万 token 已经很节约了，然后一看账单几千 rmb。"
Anthropic 自家公司花在算力上的钱，已达到薪资支出的 2.3 倍。按一名高级工程师 22.4 万美元完全成本计算，每位工程师每年对应算力支出约 51.5 万美元——人还没模型贵。
1. Claude Code：烧 token 换"我很高产"的错觉
业界新词 Token Apocalypse（Token 末日）预示着范式转变：从 token maxing（炫耀用量）到 token apocalypse（成本恐慌）。使用 AI 不自动意味着省钱。
成本失控已成常态，大公司纷纷管控：
- 限制模型等级：部分公司禁止使用 Claude Opus，被迫降级
- 设定个人限额：Uber 每位工程师每月 1500 美元 token 上限
- 彻底停用权限：花旗银行完全限制高级 AI 工具访问；Uber CTO 坦言几个月用完全年预算；Walmart 停止部分工具
Claude Code 项目负责人 Boris 的出发点不是"如何帮开发者省 token"，而是"如何展示模型的聪明"。能多烧 token 解决的问题，绝不找更省 token 的办法——所有 sub-agent、花哨 UI 动画、冗长 reasoning trace 都是为了让你觉得"这模型真聪明"。
这是一个精心设计的营销闭环：烧 token → 换"高产"感觉 → 觉得好用 → 继续用。Claude Code 的目标从来不是做好工具，而是成为 Anthropic 模型能力的"最佳展示窗口"。
而 OpenAI 走的是相反路线——拼命压 token。Deep SWE 对比图显示：GPT-5.5 medium 只用 2 万 token 拿到惊人分数，而 Opus 4.8 用了 5 万 token 得分反而更低。
行业在恐慌，Claude 在烧，OpenAI 在省。
2. Claude Code 的 Prompt 债：堆得越多，欠得越多
Anthropic 表示已删掉 Claude Code 80% 的系统提示词。技术团队成员 Tariq Shihipar 解释：新模型 Fable 5 比官方示例更有想象力，示例反而成了限制。
过去 AI Coding 圈的惯性思维：上下文越大越好、工具说明越多越好、system prompt 越完整越好。每次遇到模型问题就往 prompt 加规则，长期堆下来 system prompt 变成巨大的常驻上下文包袱。
核心问题：system prompt 不是免费的——每次调用都要被读入、计费、占上下文。
- Claude Code system prompt 一度膨胀到 65,000 个 token；关闭大部分功能后仍有 12,000 个
- 对比：Pi 启动时上下文不到 1,000 个 token
更麻烦的是 prompt 债比代码债更隐蔽。代码老了解决问题时暴露，prompt 老了只是让模型悄悄变差——用户觉得"Claude Code 最近不如以前聪明了"，但真实原因可能是旧 prompt 没跟上新模型。
Cursor 曾花大量时间做 system prompt A/B testing，benchmark 提升达 10%-30%，差别核心就是那几段 prompt。但当 prompt 从竞争力变成负担，删掉 80% 反而能提升 token 效率。
3. Claude 的"废话税"：多说一个字，多花一份钱
Caveman 插件（"穴居人"）今年迅速走红，专门解决 Claude Code 废话太多的问题——像原始人一样说话，不讲礼貌、不加多余语法、只保留核心意思。
"Caveman save you token, save you money. Star cost zero."
创建者 Julius Brussee 表示，重度使用 Claude Code 时发现大量 token 浪费在寒暄、模糊措辞、过渡语上。评测显示 Caveman 能减少 65%-75% 的输出 token，不影响代码、命令、路径等精确性部分。OpenAI 工程总监 Shayne Sweeney 也贡献了代码支持 Codex。
更有意思的是，OpenAI 早就把这种压缩语言应用到 reasoning trace 内部。泄露的推理痕迹不像普通英语，更像压缩过的工程速记：
"Use core new nodes. Need infer. Need add VAE encode for images. Try. Try period."
模型内部推理不需要像对用户说话那样保持礼貌和完整，只需保留动作、对象、判断和下一步。压缩 reasoning token 的收益更大，因为 agent 是多步执行的——前一步的思考变成后一步的输入，每少"想"一段，省下的是整条执行链上的重复开销。
Claude vs OpenAI 路线差异
- Claude：更好聊，reasoning trace 更长（可能用普通英语），输出更长，依赖 100 万 token 上下文窗口——不是为装更大代码库，而是生成的东西太长装不下。compaction 也很差，10-20 分钟后清掉 reasoning trace
- OpenAI：上下文窗口约 20 万 token，但通过简短语言从一开始就做到压缩
一个值得品味的细节：如果 Anthropic 修复了"废话太多"的问题，它们的收入会明显下降——开发者用更少 token 完成同样的工作，就是 Anthropic 赚不到的钱。