# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Fuli Luo (@_LuoFuli) · 平台：X (Twitter) · 日期：2026-04-05

> 原始來源：https://x.com/_luofuli/status/2040825059342721520

## 中文摘要

Anthropic 限制第三方工具使用訂閱服務，迫使 Agent 開發者提升運算效率以應對成本挑戰。

**Anthropic 的訂閱策略與成本危機**
Anthropic 近期禁止第三方工具使用 Claude 的訂閱服務，這並不令人意外。作者認為 Claude Code 的訂閱制雖然在運算分配上設計精良，但極可能處於虧損狀態，除非其 API 利潤率高達 10 到 20 倍（作者對此表示懷疑）。以「OpenClaw」為例，其上下文管理機制極度低效，單次使用者查詢會觸發多輪低價值的工具呼叫，且每次都夾帶超過 10 萬 token 的長視窗，即便有快取機制仍極度浪費，甚至導致其他查詢的快取命中率下降。這種機制導致實際請求次數遠高於 Claude Code 自身的框架，換算成 API 費用，實際成本可能是訂閱價格的數十倍，這已非單純的價差，而是巨大的財務黑洞。

**第三方工具的轉型壓力**
雖然 OpenClaw 或 OpenCode 等第三方工具仍可透過 API 呼叫 Claude，但無法再共享訂閱額度。短期內，這些 Agent 使用者將面臨成本暴增數十倍的痛苦，但這種壓力正是推動工具優化的關鍵。開發者被迫提升上下文管理能力、最大化 Prompt 快取命中率以重複利用已處理的上下文，並減少浪費性的 token 消耗。痛苦最終將轉化為工程紀律，促使技術進步。

**對 LLM 廠商的定價警示**
作者強烈建議 LLM 廠商不要在尚未解決虧損問題前，就盲目進行價格戰。以低廉價格銷售 token 同時對第三方工具敞開大門，看似對使用者友善，實則是個陷阱，Anthropic 正是剛從這個陷阱中脫身。更深層的問題在於，若使用者將注意力耗費在低品質、不穩定且緩慢的 Agent 工具上，或被迫使用降級模型以節省成本，最終卻發現無法完成任務，這對使用者體驗與留存率而言，絕非健康的循環。

**MiMo Token Plan 的策略思維**
作者提到的「MiMo Token Plan」採取了與 Claude 新推出的額外使用包相同的邏輯，即支援第三方工具並按 token 配額計費。其核心目標是提供長期且穩定的高品質模型與服務，而非誘使使用者衝動付費後隨即流失。

**Agent 時代的未來展望**
從宏觀角度來看，全球運算能力已無法跟上 Agent 所創造的 token 需求。未來的發展路徑不在於單純追求更便宜的 token，而在於「更具 token 效率的 Agent 工具」與「更強大且高效的模型」之間的共同演化。Anthropic 的舉措，無論其本意為何，都正在推動整個生態系（無論開源或閉源）朝此方向前進。這或許是件好事，因為 Agent 時代的贏家，不屬於燒掉最多運算資源的人，而是屬於最善用資源的人。

## 標籤

Claude Code, Agent, 產業趨勢, OpenClaw