文章摘要
Anthropic在v2.1.323及以上版本的Claude Code中新增默认关闭的实验功能Code Mode,通过重构模型与工具的调度分工,以代码为双方通信协议,在不换模型、不降性能的前提下,第三方实测多步开发任务账单可降22%-23%,高频调用工具场景Token总量降幅达62%-77%,该功能因存在安全风险、适用场景有限暂未默认启用,弱模型在简单任务下使用反而可能增加消耗。

使用 Claude Code 的开发者大多有过类似体验:开发效率很高,但看着后台飞速跳动的 Token 消耗和账单,还是会感到压力。

过去,要降低 AI 智能体的使用成本,开发者通常只有两个选择:要么等待厂商推出更便宜的新模型,要么手动将主力模型切换为更小的版本,忍受交付质量的下降。

不过最近,Anthropic 在 Claude Code(v2.1.323 及以上版本)的更新中,悄悄加入了一个默认关闭的实验功能——Code Mode。第三方实测显示,在不更换模型、不降低性能的前提下,开启该模式完成多步开发任务,真实 API 账单能减少 22%到 23%;在高频调用外部工具的场景下,模型累计处理的 Token 总量更是下降了 62%到 77%。

Anthropic 表示,这一功能的核心是让代码成为智能体与工具之间最高效的通信协议。

Claude Code 过去为何成本高昂?

要理解 Code Mode 的省钱原理,得先看看传统智能体的工作模式有多“笨重”。

在普通模式下,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结果,工具需要将结果返回给模型,由模型判断下一步动作。

虽然 Claude Code 本身支持并行工具调用,也能通过 Bash 脚本批量执行命令,但在需要多步判断和跨工具协作的任务中,模型仍会反复参与中间流程,不断消耗 Token。

当任务规模变大时,比如跨几十个文件找错误,或者通过模型上下文协议(MCP)拉取上百条外部记录,会出现两笔隐藏开销,导致上下文被快速撑大。

第一笔开销来自初始阶段: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,首轮请求的体积就约为 38000 个 Token。只要会话持续,这份“工具说明”会在每一轮请求中反复重传。

第二笔开销藏在中间过程:很多工具返回的内容只需筛选少量有用信息,但在逐轮调用机制下,整段日志、整批原始记录都会被保留在对话历史中。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时,普通模式被迫分轮将 120 条记录完整纳入上下文。

由此可见,过去智能体每调用一次工具,就要把全量原始输出连同所有工具定义再装进下一轮上下文,造成轮次越多、Token 消耗滚雪球式膨胀的问题。

调度架构的一次重构

Code Mode 的本质是重构了模型与工具之间的调度分工。

开启该模式后,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,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 的官方文档举了一个例子:如果要找到某个配置文件,把重试次数从 3 改成 5,再跑测试,以前需要依次完成找文件、改配置、跑测试,每一步都要经过模型交互。开启 Code Mode 后,它会自己写一段脚本,在本地完成所有操作,最后只返回“修改了哪个文件、测试是否通过”的结论。

中间搜索过的目录、生成的大量测试日志,都会先由代码处理筛选,再将必要信息交给模型。最终省下的 Token 数量,取决于脚本返回的数据量。

与此同时,Code Mode 在入口处做了大幅精简:模型侧接收到的内置工具定义,从原来的 16 个减少到 3 个核心入口,仅保留代码执行和状态轮询等功能。

两家独立第三方测试给出了一致结果:bestagent.dev 测得首轮请求从约 38000 个 Token 降到约 22000 个;Bicameral 在 4 个模型上测得每轮起跑固定减少 13055 到 13106 个 Token。

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判断的信息。

强模型的红利与弱模型的陷阱

虽然 Code Mode 省 Token 的逻辑很直接,但实际测试结果呈现出明显的分化。

目前最全面的公开测试来自开源基准 Bicameral。该团队在 Claude Code v2.1.326 版本上,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 96 次运行(48 组开关对照)。

表现最好的是高频 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。四个模型的对话上下文增量从约 54000 个 Token 骤降至 3500 到 8800 个,降幅达 84%到 94%;16 次运行全部答对,累计处理 Token 减少 62%到 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%到 68%,对话上下文减少 65%到 83%。不过测试团队指出,这批人工生成的工单存在句式规律,模型脚本刚好跳过了重复段落,且出现了 3 次未过检失败,全部出现在 Haiku 5.5 模型上。

换做日常开发任务,效果有所缩水。比如本地文件修改任务(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,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。

不过因为开启后每轮携带的“工具说明书”少了约 13000 个 Token,整体来看,Opus 5.5、Sonnet 5.5 和 Fable 5.2 累计处理 Token 仍下降了 15%到 54%;唯独 Haiku 5.5 在该任务中处理 Token 反增 9%,原因是一次脚本找错目录,大量报错记录消耗了节省的额度。

另外需要注意,报告强调“累计处理的 Token”不等于实际账单费用,因为被省掉的大头是重复读取的提示词缓存,平台对这部分缓存本身按更低费率计价。

另一组第三方测试来自 bestagent.dev,在 Claude Code v2.1.325 版本上用 Opus 5.5 按官方 API 标价测试了 3 个真实开源仓库任务:新增带测试的 CLI 参数,开启后单次费用从 $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,因为原本就会用脚本批量修改。

这些测试显示,Code Mode 擅长批量处理的复杂任务,如跨工具批量数据处理、多轮检索与测试联动的仓库开发;而简单的文件批改任务,原本一条 shell 就能解决,开启后几乎没有区别,弱模型写错脚本路径还会放大损耗。

能省钱却默认关闭的原因

既然能降低成本,Anthropic 为什么要设置环境变量门槛,并标注为实验特性?

首要原因是安全把关与过程监控。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把关,企业监控也能留下清晰的调用记录。

而开启 Code Mode 后,Claude 把一连串动作打包成一段 JavaScript 一次性执行,安全分类器只能整段查看代码,无法像过去那样对运行期动态生成的路径逐一细查。

为了防范风险,官方设置了多层限制:会忽略项目目录配置文件里的 Code Mode 开关,防止外部仓库被恶意开启;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该功能。

其次是适用场景有限。现阶段 Code Mode 仅支持本地交互式终端、直连官方订阅或 Console 账号,桌面端 App、VS Code 插件、第三方云平台都暂时无法使用。

对于想试用的用户,有两点建议:一是根据任务类型决定是否开启,批量处理等复杂任务效果明显;二是开启后会停用远程控制、浏览器联动和电脑操控等功能。

行业启示

从更广泛的角度看,Code Mode 验证了一个行业方向:在底层模型不变的情况下,仅调整模型与工具的调度方式,就能为成熟客户端降低两成以上的真实成本。

最近几个月,从云基础设施到开源编程工具,已有多个团队沿着类似方向推进:Cloudflare、OpenCode 2 开发了按需查目录、用脚本组合调用工具的功能,DeepSeek Harness 也内置了程序化工具调用模式。不过这些方案的降本能力、易用性和安全性,还有待更多测试验证。

以上内容不代表本平台立场,仅供读者参考