对Claude Code 90天的token支出进行的分析显示，在九种不同的模式下，73%的支出归因于不可见的预提示开销。研究结果表明，渐进式披露和子代理委托等技术可以更有效地使用token。这项研究突出了大型语言模型开发和部署中潜在的优化领域。 AI
影响 强调了提高LLM token效率的潜在优化方法，影响开发成本和性能。
排序理由 对特定LLM应用中token支出的分析。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
A 90-day proxy log of Claude Code spend claims 73% goes to invisible pre-prompt overhead across 9 patterns. What may be helpful: progressive disclosure and subagent delegation. https:// benjaminhan.net/posts/20260503 -where-claude-code-tokens-go/?utm_source=mastodon&utm_medium=so…