To AI-kodeværktøjer får den samme opgave. Begge løser den korrekt. Det ene bruger 72.000 tokens, det andet 268.000 - næsten fire gange så mange. Kvaliteten er identisk. Regningen er det ikke.
Målingen kommer fra Systima, der satte en logging-proxy mellem to populære kodeagenter og modellens API for at fange præcis hvad der blev sendt frem og tilbage. Resultatet sætter tal på noget mange har haft på fornemmelsen: en stor del af AI-regningen har ikke noget med selve opgaven at gøre. Den går til overhead man aldrig ser.
Regningen starter før du skriver noget
Claude Code sender omkring 33.000 tokens til modellen, før brugeren overhovedet har stillet et spørgsmål. Systemprompt, værktøjsbeskrivelser og indbygget stillads fylder alene så meget. Det open source-baserede alternativ OpenCode sender til sammenligning omkring 7.000 tokens - en faktor 4,7 i forskel på det rene grundforbrug.
Langt størstedelen er værktøjsdefinitioner. Hver af de indbyggede funktioner - læs fil, søg, kør kommando - har et navn, en beskrivelse og et JSON-skema, som sendes med i hver eneste session. Hos Claude Code løber det op i omkring 24.000 tokens, hos OpenCode under 5.000.
Og det er kun udgangspunktet. Konfiguration lægger hurtigt oveni:
- Instruktionsfiler som CLAUDE.md sendes med i hver eneste forespørgsel. En fil på 72 KB kostede i målingen 20.000 ekstra tokens - per request, hele sessionen igennem
- MCP-servere indlæser deres fulde værktøjskatalog ved sessionsstart, uanset om de bruges. Målinger viser typisk 5.000-20.000 tokens per server
- Subagenter mangedobler forbruget. En opgave der kostede 121.000 tokens direkte, kostede 513.000 med to subagenter - fordi hver agent starter med sin egen fulde kontekst
Hvorfor det løber løbsk
Token-forbrug opfører sig ikke som en fast licens. Det vokser med tre ting: hvor stort dit faste "præfiks" er, hvor mange forskellige præfikser du har i spil, og hvor ofte de skrives om.
Caching burde dæmpe problemet - udbyderne tilbyder at gemme den faste del af prompten, så gentagelser koster en brøkdel. Men det kræver at prompten faktisk er stabil byte for byte. Systimas måling viste at det ene værktøj skrev knap 54.000 tokens til cachen over fem forespørgsler på samme opgave, hvor det andet nøjedes med omkring 1.000. Hver gang præfikset ændrer sig - et tidsstempel, en ny værktøjsliste, en omrokeret konfiguration - betales hele molevitten igen.
Det er samme mekanik som gjorde cloud-regninger uforudsigelige for ti år siden, bare hurtigere. Og som vi tidligere har beskrevet, vokser AI-omkostningerne allerede hurtigere end de fleste økonomifunktioner kan følge med.
Tredjepart kan halvere regningen - eller mere
Den mest direkte vej til besparelse er at gøre sig fri af antagelsen om at harness og model skal komme fra samme leverandør.
Open source-værktøjer som OpenCode fungerer med stort set alle modeller. Det åbner for at koble et slankt harness sammen med markant billigere modeller. Kinesiske open weight-modeller som GLM 5.2, DeepSeek og Kimi leverer i dag solid kodekvalitet til en brøkdel af frontier-prisen - GLM 5.2 koster via API omkring 9 kroner per million input-tokens og 28 kroner for output, mod 32 og 160 kroner for Claude Opus.
Abonnementer i stedet for API-afregning er en anden håndtag. Anthropics Max-plan til omkring 1.300 kroner om måneden dækker et forbrug, der afregnet via API ville koste flere tusinde kroner. Z.ai's GLM Coding Plan starter omkring 200 kroner i kvartalet. Router-tjenester som OpenRouter samler adgangen til mange modeller ét sted og gør det nemt at sende rutineopgaver til billige modeller og gemme de dyre til det svære.
Der er dog tre forbehold, der skal med:
- Kvalitet på svære opgaver. De billigste modeller matcher endnu ikke frontier-modeller på store refactorings og kompleks fejlfinding. Test på egne opgaver før du flytter alt
- Datasikkerhed. Flere af de billige modeller hostes hos udbydere uden for EU. For følsom kode kan lokalt hostede kodemodeller være et bedre svar end den billigste cloud-API
- Harness-kvalitet. Claude Codes overhead køber også noget: caching-optimering, tool search der udskyder indlæsning af værktøjsskemaer, og et modent økosystem. Billigst per token er ikke altid billigst per løst opgave
Syv konkrete besparelser
Uanset hvilket værktøj du lander på, er der lavthængende frugter, som de fleste opsætninger lader hænge:
- Trim instruktionsfilen. En måling viste at en CLAUDE.md kunne skæres fra knap 3.900 tokens til ca. 300 uden målbart kvalitetstab. Filen sendes med i hver forespørgsel, så hver linje betales tusindvis af gange
- Fjern ubrugte MCP-servere. Hver server koster tokens ved hver session, uanset om den bruges. Slå tool search eller deferred loading til, hvor det findes, så skemaer først indlæses ved behov
- Brug prompt caching aktivt. Cache-læsninger koster omkring en tiendedel af normal pris. Men verificér at cachen faktisk rammer - et enkelt tidsstempel i systemprompten kan usynligt slå den fra
- Rout opgaver efter sværhedsgrad. Klassificering, opsummering og simple rettelser hører til på små modeller. Deliberat model-routning kan skære op mod 75 procent af omkostningen
- Brug batch-afregning til alt der kan vente. De fleste udbydere giver 50 procent rabat på forespørgsler, der ikke kræver svar med det samme
- Vær påholdende med subagenter. Faktor 4 i merforbrug er kun det værd, når opgaven reelt kan parallelliseres. Til sekventielt arbejde er én agent billigere og ofte lige så god
- Ryd konteksten undervejs. Kommandoer som /compact og /clear forhindrer at en lang session slæber hundredtusindvis af irrelevante tokens med rundt i hver eneste forespørgsel
Hvad betyder det for dit AI-budget?
Token-forbrug er blevet en driftsomkostning på linje med cloud - og den styres på samme måde: med målinger, ikke mavefornemmelser. Forskellen på en optimeret og en uoptimeret opsætning er ikke ti procent. Målingerne her viser faktor tre til fem på identiske opgaver med identisk resultat.
Tre spørgsmål er værd at stille i denne uge frem for næste kvartal: Hvad er jeres faktiske grundforbrug per session? Hvor stor en andel af jeres tokens rammer cachen? Og kører rutineopgaver på modeller, der er dyrere end nødvendigt?
Den der kan svare på de tre spørgsmål, har typisk også fundet den første halvering af regningen.
Kilde: Systima
