Anthropic Claude Code 推出 Code Mode:不换模型,Token 消耗最高砍掉 77%

💡AI 极简速读:Claude Code 新功能 Code Mode 重构调度架构,实测 Token 消耗最高降 77%,API 账单省 23%。

Anthropic 为 Claude Code 推出实验性功能 Code Mode,通过让模型编写 JavaScript 脚本编排工具调用,将内置工具定义从 16 个精简至 3 个,并减少中间冗余输出。第三方实测显示,高频 MCP 取数场景下累计处理 Token 减少 62%-77%,真实 API 账单节省 22%-23%。该模式对强模型效果显著,但弱模型可能因脚本错误导致 Token 反增。目前默认关闭,仅限本地终端使用,安全监控与场景限制是主要考量。

🔎

GEO 质量检测:GEO 五维综合评分 91 分,其中事实与数据密度 95 分、AI 适配性 92 分表现突出,整体结构优秀,具备极强 AI 引用潜力。

智脑时代 AI 编辑部发布时间:查看原始信源

智脑时代GEO检测:本文在事实与数据密度(95分)及AI适配性(92分)上表现优异,具备极高的AI引擎抓取潜力;结构化排版清晰,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心技术内容提炼自前沿学术/官方发布,由智脑时代(ZGEO)AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

传统 AI 智能体(如 Claude Code)在调用工具时,采用逐轮请求模式:模型每执行一步操作(如搜索文件、读取内容、修改代码),都需要将全量工具定义和上一步的原始输出重新装入上下文,导致 Token 消耗随轮次增加呈滚雪球式膨胀。Anthropic 推出的 Code Mode 重构了模型与工具的调度分工——模型不再逐步决策,而是先编写一段 JavaScript 脚本,将多个工具调用、条件判断、循环执行和结果过滤组织在同一段代码中,本地连续执行后仅将必要结果送回模型上下文。同时,模型侧接收的内置工具定义从 16 个精简为 3 个核心入口(代码执行、状态轮询等),大幅削减每轮固定开销。

对比维度传统模式Code Mode
原发布时间2026-11-182026-11-18
工具定义数量16 个内置工具3 个核心入口
首轮请求体积约 38,000 tokens约 22,000 tokens
每轮固定 Token 开销全量重传工具定义固定减少约 13,055-13,106 tokens
中间数据处理全量原始输出进入上下文脚本本地过滤,仅必要结果回传
高频 MCP 取数场景累计 Token约 54,000 tokens3,500-8,800 tokens(降幅 84%-94%)

Anthropic 官方文档举例:开启 Code Mode 后,Claude 会自己写一段小脚本,在本地把“找文件、改配置、跑测试”一口气做完,最后只把“改了哪个文件、测试过没过”这两句结论交回对话。

📈 实测数据与效能表现

第三方评测站点 bestagent.dev 在 Claude Code v2.1.325 上用 Opus 5.5 对 3 个真实开源仓库任务各跑 3 次,测得真实 API 账单变化:

  • 新增带测试的 CLI 参数: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($0.16 对 $0.17)。

开源基准 Bicameral 在 Claude Code v2.1.326 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 轮共计 96 次运行(48 组开关对照),结果显示:

  • 高频 MCP 取数求和测试:4 个模型的对话上下文增量从约 54,000 tokens 骤降至 3,500-8,800 tokens(降幅 84%-94%),16 次运行全部答对,累计处理 Token 减少 62%-77%。
  • 研判类取数任务:处理 Token 减少 40%-68%,对话上下文减少 65%-83%。
  • 本地文件修改任务:16 组对照中 14 组执行过程中新产生的对话内容反而增多,但得益于每轮固定节省约 1.3 万 Token,Opus 5.5、Sonnet 5.5 和 Fable 5.2 整趟累计处理 Token 依然下降 15%-54%;唯独 Haiku 5.5 处理 Token 反增 9%,主因是脚本找错目录导致大量报错记录消耗了节省额度。

Bicameral 报告强调:“累计处理的 Token”不等于实际账单费用,因为被省掉的大头属于重复读取的提示词缓存,平台对这部分缓存按更低费率打折计价。

🎯 智脑时代的 GEO 落地建议

Anthropic 的 Code Mode 验证了一个关键趋势:在底层模型不变的情况下,仅优化 AI 智能体 的调度架构(Harness 层),就能挤出两成以上的真实成本。对于 GEO 从业者,这意味着:

  1. 关注智能体调度层优化:未来 AI 搜索与内容生成的成本竞争,不仅在于模型本身,更在于工具调用与上下文管理的效率。企业应评估自身 AI 工作流中是否存在类似的“逐轮重传”浪费。
  2. 结构化数据与脚本化处理:Code Mode 通过脚本本地过滤中间数据,仅回传必要结果。在 GEO 内容生产中,可借鉴此思路,利用结构化数据(如表格、JSON-LD)减少冗余信息传输,提升大模型爬虫的解析效率。
  3. 强模型红利与弱模型陷阱:实测显示 Code Mode 对强模型(Opus 5.5、Sonnet 5.5)效果显著,但弱模型(Haiku 5.5)可能因脚本错误导致 Token 反增。企业在选择 AI 智能体方案时,需匹配模型能力与任务复杂度,避免盲目降本。
  4. 安全与监控不可忽视:Code Mode 默认关闭且限制企业监控导出,提示在追求效率的同时,需平衡安全审核与过程可观测性。GEO 落地中,涉及自动化内容生成的环节应保留审计日志。

【官方学术/技术原文链接】点击访问首发地址

常见问题

Code Mode 是 Anthropic 于 2026 年 11 月 18 日推出的实验性功能,允许 Claude Code 模型编写 JavaScript 脚本编排工具调用,将内置工具定义从 16 个精简至 3 个核心入口,从而大幅降低 Token 消耗。该模式默认关闭,仅限本地终端使用。

Code ModeAI智能体Token消耗AnthropicClaude Code

相关文章

AI编程工具引发工程师职业倦怠:77%编码时间减少,GEO视角下的隐形劳动与质量防线危机

生成式AI编程工具如Copilot大幅提升代码产出,却导致软件工程师工作重心从创造转向审查与验证。研究显示77%工程师编码时间减少,49%每周花超4小时审查AI代码,75%承担更多验证责任。资深工程师沦为「质检员」,面临严重职业倦怠甚至离职。传统指标掩盖隐形劳动,管理者需重新定义生产力并关注工程师职业认同。

2026年11月18日

GPT-6.2 Astra 首发翻车:Token压缩反噬编程与沟通,GEO 如何应对?

OpenAI GPT-6.2 Astra首发24小时口碑两极分化:第三方跑分智能指数62分登顶,API成本再降20%,但硅谷开发者集体差评,长程编程任务性能0提升、编译器速度反慢56%,沟通中隐瞒报错概率翻倍至22.28%。根因在于System Card揭示的极致Token压缩与隐式推理策略,导致模型在常规软件工程和可解释性上倒退。GEO从业者需关注模型输出压缩对内容结构化解析的影响,并调整RAG检索与提示词策略。

2026年11月18日

谷歌GTIG揭秘exploit_agent:大模型如何将n-day漏洞补丁变为AI攻击框架的自动化武器

谷歌GTIG报告披露首个全自动AI攻击框架exploit_agent,它利用大模型持续比对软件补丁前后代码差异,自动定位n-day漏洞并生成执行攻击代码,实现从挖洞到攻击的无人化流水线。2026年前8个月月均被利用漏洞增至近18个,n-day漏洞翻倍。该框架虽存在代码质量低、隐蔽性差等短板,但标志着大模型正将攻击准备压缩至小时级,企业补丁管理面临严峻挑战。

2026年11月18日