据 Linux.do 论坛用户实测，Claude 订阅额度的最新计算公式被破解。测试在触发一次额度重置并结合周限刷新后进行，得出的各计费系数为：input 为 1 倍，cache read 为 0.025 倍，cache write 为 1.25 倍（订阅内 5 分钟与 1 小时缓存写入均按此计算，因此默认使用 1 小时缓存更划算），output 为 5 倍。据此可得总额度公式 Q = I + 1.25W + 0.025R + 5O。按该口径重新核算，Claude Pro 订阅的 5 小时额度约为 9.6 美元（高峰期）与 13.6 美元（非高峰期），周限额约 165 美元。值得注意的是，此前流传的“订阅内 cache read 免费”说法并不准确，其成本约相当于订阅缓存读取价格的一半，并非零成本。这也解释了一个此前的疑惑：若缓存读取完全免费，200k 与 1M 上下文的开销本应一致，但实际体验中长上下文的额度消耗明显更快。由于 cache read 单价仅为 input 的四十分之一、cache write 的五十分之一，一次 cache miss 的代价极高，200k 规模的缓存未命中一次，其 input 消耗即可吃掉 5 小时限额的 20% 以上。作者建议将自动压缩阈值上调至 400k/500k，并指出 Anthropic 新推出的 idle compact 功能正是针对缓存失效问题的官方解决方案。
事件分析
此次额度公式的逆向测算揭示了订阅制 AI 服务的底层定价逻辑：配额并非简单的请求数限制，而是近似映射到 API 成本口径，缓存命中率成为额度消耗的决定性变量。这背后反映的是大模型推理的成本结构，KV 缓存的存储与读取成本远低于重新计算，厂商通过系数差异化将成本差异转嫁给不同使用模式的用户。对开发者而言，上下文管理策略（压缩阈值、缓存复用时机）将直接影响配额效率，context engineering 的价值进一步凸显，AI 编程工具的竞争正从模型能力延伸到配额经济学层面。后续值得关注两点：一是 idle compact 等官方机制能否系统性缓解 cache miss 的高额代价；二是社区实测与官方口径的持续博弈，是否会推动订阅额度走向更透明、可预测的计量方式。
核心观点：额度玄学的本质是推理成本结构：缓存命中率决定订阅性价比，上下文管理已从技巧升级为 AI 编程的核心能力。
原文链接：Linux.do
