9月1号，Anthropic 发布了 Claude Fable 5.1，最容易被注意到的数字是：
重度 Agent 工作流成本最高可下降约 45%。
这里大家会有疑问：
是不是 Token 用量少了 45%？
其实不是，这次真正变化最大的，是重复读取内容的价格变便宜了。
在正式理解这个规则之前，你需要了解AI工作的一些原理和名词。
Token 可以简单理解成：AI 处理文字时使用的计量单位。
你给 Claude 一段代码、一份文档、一个问题，这些都会被拆成 Token。
API 计费主要看两部分：
Input Token：Claude 读了多少内容
Output Token：Claude 生成了多少内容
普通聊天一般还好，但 Agent 不一样。
一个 Coding Agent 可能连续工作几十轮，问题是，很多内容每一轮其实都没变。
比如：项目说明、System Prompt、代码文件、工具定义。如果每一轮都按正常 Input Token 原价重新读取，Agent 跑得越久，费用越高。
Prompt Cache 可以理解成“上下文缓存”。
第一次 Claude 读取一批固定内容后，可以先缓存起来。
后面 Agent 再次需要这些内容时，不用按正常 Input 价格重新读取，而是走更便宜的：
Cache Read 可以这样理解：
第一次读取
↓
写入缓存
第二次再用
↓
Cache Read
第三次再用
↓
Cache Read
Fable 5.1 的关键就在这里！
普通 Input：$10 / 100万 Token
Cache Read：$0.25 / 100万 Token
也就是说，已经缓存过的内容，再次读取时，价格只有正常输入的 2.5%。
这才是为什么 Agent 跑得越久东西越多越长，Prompt Cache 就越重要。
拿具体的计算来举个简单例子
假设一个 Coding Agent 每一轮都需要带着 20 万 Token 的项目资料。
一共跑 50 轮
如果每轮都按普通 Input 重新读：
20 万 × 50 = 1000 万 Token。
按 Fable 5.1 的输入价格计算：
大约就是 100 美元。
如果稳定内容被缓存起来，后面 49 次都走 Cache Read：
20 万 Token 读取一次，只要大约 0.05 美元。
49 次也只有大约 2.45 美元。
真实使用还要算 Cache Write、新增内容、输出等费用，所以最终账单不会直接下降 97%。
通过例子已经很清楚了：
Token 没消失，只是大量重复 Token 换成了更便宜的读取方式。
这也是 Anthropic 为什么说，某些 Agent 工作流整体成本最高能下降约 45%。
这次还有几个变化，其实都是围绕 Agent 成本做的。
比如 Adaptive Thinking。
可以简单理解成：
Claude 不需要每一步都用最大推理强度。
简单任务少“想”一点，复杂任务再提高 effort。
再比如工具调用。
Agent 如果同时需要读三个文件，最好一次并行读取，而不是：
读一个 → 思考一次 → 再读一个 → 再思考一次。
Agent Loop 越多，Token 和等待时间都会增加。
所以以后做 Agent，成本不单单看：每百万 Token 多少钱。
还要看：跑了多少轮、缓存命中多少、工具调用是否合理等等这些。
最真正该看的，是Cost per Task。
（Cost per Task：完成一个完整任务，实际一共花了多少钱。）
现在不少团队已经不只用一个 AI 工具。
Claude、ChatGPT、Cursor、Copilot、Gemini，再加 API 和各种 SaaS。
月费、按量计费、自动续费混在一起，月底很容易对不上账。
我们自己在处理这类海外 AI 和 SaaS 支出时，会用 MXK8 虚拟卡把不同平台或项目拆开管理。
比如 Claude API 单独一张，团队 SaaS 单独一张。
这样某个项目费用突然上涨时，会更容易定位。
Agent 真正进入企业以后，成本管理大概率也会越来越像云服务：
不只是把账付掉，而是要知道钱到底烧在哪。
最后梳理一下，所以 Fable 5.1 这次并不是简单“Token降价”。
更准确地说：
它把 Agent 最容易重复花钱的那部分，变便宜了。
Prompt Cache、Cache Read、动态推理强度、工具调用方式，这些看起来不如“模型又提升多少分”吸引眼球。
但 Agent 真正开始长期运行以后，最终决定它能不能大规模落地的，看的就是这些成本细节。
关于我们
