Anthropic公司的AI编程助手Claude Code用户正遭遇高Token消耗和配额提前耗尽问题,严重影响日常开发工作。
Anthropic承认存在问题
Anthropic公司已经承认了这一问题,表示"用户触及Claude Code使用限额的速度远超我们的预期。我们正在积极调查中......这是团队的首要任务。"
一位购买了Claude Pro订阅服务(年费200美元)的用户在公司Discord论坛上反映:"每个星期一就达到上限,星期六才重置,这种情况已经持续几周了......30天里我只能使用Claude 12天。"
Reddit上的Anthropic论坛充满了抱怨声。一位开发者今天表示:"我在1小时的工作中就用完了Max 5套餐的配额,以前可以工作8小时。"Max 5套餐月费为100美元。
配额限制和促销活动结束
导致这一变化有几个可能因素。上周,Anthropic表示将在高峰时段减少配额,工程师Thariq Shihipar称这一变化将影响约7%的用户,同时声称"我们已经实现了很多效率提升来抵消这一影响。"
3月28日也是Claude促销活动的最后一天,该活动在六小时高峰时段之外将使用限额翻倍。
技术漏洞导致Token消耗激增
第三个因素是Claude Code可能存在增加Token使用量的漏洞。一位用户声称,在对Claude Code二进制文件进行逆向工程后,他们"发现了两个独立的漏洞,导致提示缓存失效,静默地将成本增加10-20倍。"一些用户确认降级到旧版本有所帮助。一位用户说:"降级到2.1.34版本产生了非常明显的改善。"
关于提示缓存的文档说明,缓存"显著减少了重复任务或具有一致元素的提示的处理时间和成本。"但是,缓存的生命周期只有五分钟,这意味着短暂休息或几分钟不使用Claude Code,恢复使用时成本会更高。
开发者可以将缓存生命周期升级到一小时,但"1小时缓存写入Token的价格是基础输入Token价格的2倍",文档如此说明。缓存读取Token的价格是基础价格的0.1倍,因此这是优化的关键领域。
不透明的使用限额政策
Anthropic没有明确说明其套餐的确切使用限额。例如,Pro套餐只承诺"每次会话的使用量至少是免费服务的五倍"。标准团队套餐承诺"每次会话的使用量比Pro套餐多1.25倍"。这使得开发者很难知道他们的使用限额是多少,只能通过查看仪表板了解已消耗的配额。
行业普遍问题
类似问题并不罕见。本月早些时候,Google Antigravity的用户也对类似问题提出了抗议。
撇开漏洞不谈,我们看到的是用户和服务提供商之间关于AI开发可接受的定价和使用模式的隐性谈判。用户希望控制成本,而服务提供商需要盈利。供应商的营销策略鼓励开发者将AI插入每个流程(包括某些情况下的自动化工作流程)与可能导致AI工具停止响应的配额系统之间也存在脱节。
一位用户观察到:"对于在自动化工作流程中运行Claude Code的用户:需要明确捕获速率限制错误——它们看起来像通用故障,会静默地触发重试。循环中的一个会话可能在几分钟内耗尽您的每日预算。"
Q&A
Q1:Claude Code遇到了什么问题?
A:Claude Code用户正遭遇高Token消耗和配额提前耗尽问题。用户反映使用限额触及速度远超预期,比如年费200美元的Pro用户30天只能正常使用12天,月费100美元的Max 5用户1小时就用完配额。
Q2:为什么Claude Code的Token消耗突然增加?
A:主要有三个原因:Anthropic在高峰时段减少了配额,影响约7%用户;3月28日Claude促销活动结束,该活动此前在非高峰时段将使用限额翻倍;存在技术漏洞导致提示缓存失效,成本静默增加10-20倍。
Q3:如何解决Claude Code使用限额问题?
A:用户可以尝试降级到旧版本如2.1.34,一些用户反映有明显改善。对于自动化工作流程,需要明确捕获速率限制错误以避免重试耗尽预算。Anthropic表示正在积极调查此问题,这是团队首要任务。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。