# Hvor bliver tokens af i Claude Code: 9 tabsmønstre, og hvordan du retter dem i 2026 > 73 % af tokens går tabt, før Claude ser prompten. CLAUDE.md, MCP, historik – her lækker konteksten i Claude Code, og sådan retter du 9 lækager. Source: https://ailoot.ai/blog/da/where-claude-code-tokens-go/ Canonical: https://ailoot.ai/blog/da/where-claude-code-tokens-go/ Language: da Publisher: Ailoot (https://ailoot.ai/) Translation: guide-167 Revision: sha256-76cbafaec0536887d4d5b4308a6a1e55f2f78ae1febf04fd0e5bf8bb05ef0d28
Vigtige punkter En stor del af tokenforbruget sker, før modellen læser din anmodning: i en oppustet CLAUDE.md, ved genlæsning af gammel samtalehistorik og i MCP-servere. Artiklen forklarer ni kilder til ekstraforbrug og en oprydningstjekliste på 15 minutter. Besparelser afhænger af sessionen: Optaget kontekst, behandlede tokens, cachebrug og pris skal måles særskilt.
I et eksempel viste `/context` i en ny Claude Code-session, at 60K tokens var optaget ud af 200K, før den første besked blev sendt. Kun `claude` var blevet startet i projektets repository. Tres tusind tokens – en tredjedel af budgettet var brugt på at ”forberede” samtalen. To uger senere fandt jeg ud af præcis, hvor de blev af. Nedenfor er alle 9 mønstre, der bruger dine tokens, før du overhovedet begynder at skrive, og hvordan du retter dem. Tallene stammer fra Anthropics officielle dokumentation og målinger fra virkelige sessioner.
[Ailoot-dokumentation](https://ailoot.ai/docs/) – referencemateriale til brug af tjenesten.
## Hvad betyder ”73 % af tokens går tabt, før prompten sendes”?
Vigtige punkter En stor del af dine tokens bruges, før Claude læser din egentlige anmodning: på en oppustet CLAUDE.md, genlæsning af gammel chathistorik og syv andre mønstre – fra MCP-servere til baggrundsopsummering. Det handler ikke om abonnementsgrænser, men om, hvordan kontekst fungerer.
En parallel tråd fra Mnimiy (@Mnilax) opregner 9 mønstre, der tilsammen udgør disse 73 %. Jeg har samlet dem i én tabel med konkrete tal fra andre kilder – GitHub-issue \#13717 med et `/context`-skærmbillede fra et vindue på 200K, Cameron Cookes note om en metodisk fejl i selve `/context` og Anthropics officielle side om omkostningsstyring. | Mønster | Andel af tabet | Kilde | |----|----|----| | 1\. Oppustet CLAUDE.md | — | — | | 2\. Genlæsning af gammel historik | — | — | | 3\. MCP-servere | op til 49 % (historisk), nu 8-15 % med Tool Search | målinger fra virkelige sessioner | | 4\. Akkumuleret `tool_use`-output | 5-15 % | målinger fra virkelige sessioner | | 5\. Systemprompt + systemværktøjer | 9,6 % (1,6 % + 8 %) | [Anthropic-dokumentation](https://code.claude.com/docs/en/costs) | | 6\. Dublerede skills og plugins | 2-5 % | Vercel-undersøgelse (56 % af skills bliver aldrig brugt) | | 7\. Agentteams i Plan Mode | op til 700 % | [Anthropic-dokumentation](https://code.claude.com/docs/en/costs) | | 8\. Budget til udvidet tænkning | 5-20 % | [Anthropic-dokumentation](https://code.claude.com/docs/en/costs) | | 9\. Baggrundsopsummering med `--resume` | ~\$0.04/session passivt | [Anthropic-dokumentation](https://code.claude.com/docs/en/costs) | Jeg vil ikke hævde, at tallet ”73” er urokkeligt – det kan være 60 % eller 80 %, afhængigt af din opsætning. Men det overordnede billede er rigtigt, og hvert mønster kan rettes for sig. Jeg gennemgår tre ad gangen nedenfor. ## Hvordan bygger Claude kontekst, før den læser din anmodning?
Vigtige punkter Før du skriver dit første tegn, har Claude allerede indlæst fem lag: systemprompten, beskrivelser af indbyggede værktøjer, CLAUDE.md-filen, værktøjsnavne og instruktioner fra tilsluttede MCP-servere (deres fulde beskrivelser, når værktøjssøgning er deaktiveret) samt hukommelse (`memory_files`). I et vindue på 200K kan det nemt fylde 60-100K, eller en tredjedel til halvdelen af budgettet. Resten er til selve samtalen og værktøjer som Read/Edit.
I diskussionen af GitHub-issue \#13717 åbnede nogen `/context` i en session med seks MCP-servere og fik denne opdeling: | Kontekstlag | Tokens | % af 200K | |----|----|----| | Systemprompt | 3 200 | 1,6 % | | Systemværktøjer (Read/Edit/Bash osv.) | 16 100 | 8,0 % | | MCP-værktøjer (6 servere: google-docs + asana + calendar + slack + atlassian + gmail) | 98 700 | **49,3 %** | | Hukommelsesfiler (`memory_files`, eksporter fra `Memory tool`) | 3 000 | 1,5 % | | Ledig plads | 34 000 | 17,0 % | | Autocompact-buffer | 45 000 | 22,5 % | Bemærk: Selv hvis du ikke har skrevet noget, er næsten halvdelen af vinduet optaget. Mindre end halvdelen er tilbage til ledig plads og autocompact-bufferen, og den plads skal rumme hele samtalen – beskeder, Claudes svar, læste filer og kommandoutput. Vinduets størrelse afhænger af modellen. Ifølge [Anthropics modeldokumentation](https://code.claude.com/docs/en/model-config#extended-context) har Opus 4.7 og nyere, Sonnet 5 og Fable-modeller fra september 2026 et vindue på **1M tokens** på alle abonnementer, inklusive Pro. **200K** gælder fortsat for Opus 4.6 og Sonnet 4.6 uden udvidet kontekst samt for sessioner, hvor 1M er deaktiveret med variablen `CLAUDE_CODE_DISABLE_1M_CONTEXT=1`. Et større vindue løser ikke problemet med oppustet kontekst: Alt, der indlæses, før den første besked sendes til modellen ved hver anmodning, og [omkostningsdokumentationen](https://code.claude.com/docs/en/costs) siger udtrykkeligt, at jo mere kontekst der er, desto flere tokens bruges. Et abonnement ændrer ikke på det – uanset abonnement tæller hver ekstra token med i din grænse. ## Hvor bliver den første tredjedel af konteksten af: CLAUDE.md, historik og MCP?
Vigtige punkter De tre vigtigste mønstre optager 36-76 % af konteksten, før du begynder samtalen. CLAUDE.md bidrager til den kontekst, der leveres i gentagne forespørgsler. Historikken vokser gennem turene, så senere forespørgsler kan behandle mere input; prisen afhænger også af cachelæsning og -skrivning. Der findes ingen universel eksponentiel vækstrate. MCP-servere brugte historisk op til 49 % af vinduet, og selvom den nye Tool Search-funktion, der blev introduceret i december 2025–januar 2026, fjernede det meste af dette, bruger mange konfigurationer stadig den gamle model.
### Mønster 1. CLAUDE.md før hver besked Filen indlæses **før hver besked, du sender**, ikke kun én gang pr. session. En CLAUDE.md på 5.000 tokens optager denne kontekstplads i forespørgsler, der indeholder den, men nyt input, cacheskrivning og cachelæsning kræver særskilt opgørelse; gentaget indhold faktureres ikke nødvendigvis til fuld pris uden cache. [Anthropic skriver direkte i dokumentationen](https://code.claude.com/docs/en/costs):

Forsøg at holde CLAUDE.md under 200 linjer og medtag kun de vigtigste oplysninger. Flyt specialiserede instruktioner til skills, som indlæses efter behov.

— Anthropic Docs, code.claude.com/docs/en/costs
I et eksempel indeholder projektets CLAUDE.md 180 linjer – alt det specialiserede (hvordan man skriver workshopinstruktioner, formatet for TG-opslag, den juridiske tjekliste) blev flyttet til Skills og Markdown-filer i `business/`, som Claude kun læser, når den specifikt kigger der. Det reducerer grundbelastningen med 60-70 % sammenlignet med for to måneder siden. ### Mønster 2. Samtalehistorikken læses igen ved hvert svar Dette mønster er sværest at se udefra, fordi det ikke er synligt. Modellen modtager den bevarede samtalekontekst i efterfølgende forespørgsler. Promptcaching kan genbruge et stabilt præfiks; komprimering og rydning kan ændre den bevarede tekst. Gentaget leveret kontekst optager stadig vinduet, selv når cachepriser mindsker omkostningen. Løsningen er `/clear` mellem opgaver, der ikke hænger sammen. Min regel: En ny chat for hver ny opgave. Hvis en opgave er lang, og du har brug for historikken, kan du bruge `/compact` til at opsummere forløbet kort og fortsætte derfra. Læs mere om denne regel i guiden [”Sådan undgår du at bruge dine Claude Code-grænser op på en dag: 8 regler til at spare tokens”](https://ailoot.ai/blog/da/claude-code-token-limits-saving/), med eksempler fra mine sessioner. ### Mønster 3. MCP-servere registrerer alle deres værktøjer i konteksten Dette var historisk set et stort problem i Claude Code og førte til de største tab frem til 2026. I det førnævnte issue \#13717 fyldte seks tilsluttede MCP-servere (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) 98 700 tokens – **49 % af hele vinduet**, før samtalen begyndte. Anthropic lancerede funktionen **Tool Search** i december 2025–januar 2026, hvilket løser halvdelen af problemet. [Anthropics dokumentation](https://code.claude.com/docs/en/costs) beskriver det nu sådan:

MCP-værktøjsdefinitioner udskydes som standard – kun navnene kommer ind i konteksten, indtil Claude kalder et bestemt værktøj. Kør /context for at se, hvad der optager plads. Foretræk CLI, hvor det er muligt: værktøjer som gh, aws, gcloud og sentry-cli er stadig mere effektive end MCP-servere, fordi de ikke tilføjer beskrivelser for hvert værktøj.

— Anthropic Docs, code.claude.com/docs/en/costs
Sådan gør du i produktion: 1. **Opdater Claude Code til en version med Tool Search** (alle aktuelle versioner efter december 2025). 2. **Åbn `/mcp`** og deaktiver servere, du ikke har brug for i den aktuelle session. I det beskrevne eksempel er to tilsluttet hele tiden – Playwright og shadcn. Jeg aktiverer de andre til én opgave og kører `/mcp disconnect` umiddelbart bagefter. 3. **Erstat MCP med CLI, hvor det er muligt.** Brug `gh` i stedet for en MCP-server til GitHub. Brug kalenderen i en browser i stedet for Google Calendar MCP. Jeg har gennemgået, hvad MCP-servere grundlæggende er, og hvordan man konfigurerer dem fornuftigt, i [”MCP-servere i Claude Code i 2026: 7 færdige opsætninger og installation trin for trin”](https://ailoot.ai/blog/da/mcp-servers-claude-code/). En del af problemet med CLAUDE.md og Skills handler ikke kun om størrelsen, men også om strukturen. Én instruktionsfil (CLAUDE.md) er kernen. Yderligere projektviden (målgruppe, produkter, juridiske dokumenter, instruktioner dag for dag) ligger i mappen `business/` – det er **Second Brain** i min metode. Claude læser kun det, der er nødvendigt lige nu, og kontekstkomprimering sker allerede på dette niveau. Den fulde gennemgang findes i [”Second Brain i Claude Code”](https://ailoot.ai/blog/da/claude-code-second-brain/). En detalje mere, som ofte overses: oprydning i CLAUDE.md, skift til Skills og deaktivering af MCP er første skridt. Derefter kommer metoden **context engineering** i spil – hvad du skal have med i hver prompt, i hvilken rækkefølge, hvad der skal overdrages via Plan Mode, og hvad der skal håndteres gennem `/compact`. Denne guide dækker én byggesten. ## Hvad ophobes i en session, og hvad kan ikke skæres væk?
Vigtige punkter Det fjerde mønster er værktøjsoutput. Hver læst fil, hvert `bash`-output og hvert svar fra en MCP-server bliver i sessionens kontekst for altid. Har du læst 10.000 linjer logfiler? De bliver der, indtil `/clear`. Det femte mønster er systemets grundbelastning: 19K tokens til systemprompten og beskrivelserne af indbyggede værktøjer. Du kan ikke skære dem væk, men hvis du kender dem, bliver regnestykket lettere.
### Mønster 4. Værktøjsoutput ophobes gennem hele sessionen En detalje, som få nævner: Når Claude kører `bash cat huge-file.log`, kommer hele outputtet fra kommandoen ind i konteksten og **bliver der indtil slutningen af sessionen eller `/clear`**. Det samme gælder `Read` på en stor fil – alle 10.000 linjer forbliver der og bruger tokens i hver efterfølgende besked (se Mønster 2). Løsninger: 1. **Brug `head`, `tail`, `grep` i stedet for at læse alt.** `bash tail -100 deploy.log` i stedet for `Read deploy.log`. Det reducerer straks outputtet med 10-100 gange. 2. **Hooks til forbehandling.** Læg et script i `~/.claude/hooks`, der filtrerer bash-output, før Claude ser det. Et eksempel fra Anthropics dokumentation er en PreToolUse-hook, der kører `npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR'` i stedet for at udskrive hele testoutputtet. Det komprimerer det 50-100 gange. Se flere detaljer i [”Claude Code Hooks 2026: opsætning trin for trin og 7 færdige eksempler”](https://ailoot.ai/blog/da/claude-code-hooks/). 3. **`/clear` efter en stor læsning.** Hvis du har læst en kæmpestor fil til en bestemt opgave og ikke længere har brug for den, så lad den ikke blive i konteksten ”for en sikkerheds skyld”; start en ny chat. ### Mønster 5. Systemprompt + systemværktøjer = permanent grundbelastning Dette mønster kan ikke ændres, fordi der næsten ikke er noget, du kan gøre ved det. Claude Code starter med en systemprompt (~3 200 tokens) og beskrivelser af alle indbyggede værktøjer – Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (~16 100 tokens). I alt er det en **permanent grundbelastning** på 19 300 tokens, som du ikke kan skære ned. Hvad du kan gøre i praksis: - **Vær opmærksom på det.** Husk, at du har en grundbelastning på 19K: Med et vindue på 200K er der 200K - 19K = 181K til alt andet (minus CLAUDE.md, MCP og autocompact-bufferen). Der er mere plads i et vindue på 1M, men den ”afgift” følger stadig med hver anmodning. - **Mål gentaget behandling.** Grundbelastningen optager vinduet og kan gentages i senere forespørgsler. Det er ikke en tokenafgift én gang pr. session; adskil samlet input, cacheskrivning, cachelæsning og output ved prisberegning. ## Hvor går tokens tabt på Skills, plugins og agentteams?
Vigtige punkter Det sjette mønster er dobbeltregistrering af skills og plugins. Vercel fandt i sin undersøgelse, at 56 % af skills aldrig bruges under en session, men hele tiden indlæses i konteksten. Det syvende mønster er agentteams: Når du starter flere Claude-instanser i Plan Mode, vokser det samlede tokenforbrug omkring 7 gange sammenlignet med en enkelt session. Anthropic har dokumenteret dette udtrykkeligt.
### Mønster 6. Skills og plugins kan blive registreret to gange Dette problem opstod, da plugins kom til Claude Code (sidst i 2025). Når du installerer et plugin, der tilføjer skills, kommer disse skills ind i konteksten. Hvis du også har tilsvarende bruger-skills installeret i `~/.claude/skills/`, indlæses de også. Og nogle gange **bliver de dubleret**. Vercel delte et tal fra sin undersøgelse af sin AI-stack: **56 % af skills bliver aldrig brugt** under en session, men deres beskrivelser indlæses hele tiden i konteksten. Med 100 tokens pr. beskrivelse er det op til 5 600 tokens ”bagage” med 100 skills. Hvad du kan gøre: 1. **`/context` viser, hvad der faktisk fylder.** Hvis du ser en Skills-sektion på over 3K, så ryd op. 2. **`ls ~/.claude/skills/`** – tjek, hvilke skills du faktisk har installeret. Fjern dem, du ikke har brugt i over en måned. 3. **`/plugin remove`** for plugins, du installerede ”for at prøve” og glemte bagefter. Den rigtige struktur for Skills, og hvordan de adskiller sig fra CLAUDE.md, gennemgås i [”Claude Code Skills i 2026: sådan bygger du et personligt Skills-bibliotek”](https://ailoot.ai/blog/da/claude-code-skills-library/). ### Mønster 7. Agentteams bruger 7 gange mere i Plan Mode Agentteams er en funktion, hvor Claude Code starter flere parallelle modelinstanser, hver med sin egen kontekst. [Anthropic skriver direkte i dokumentationen](https://code.claude.com/docs/en/costs):

Agentteams bruger omkring 7 gange flere tokens end almindelige sessioner, når teammedlemmerne arbejder i Plan Mode: Hvert medlem har sit eget kontekstvindue og kører som en separat Claude-instans. Hold teamopgaver små og selvstændige for at begrænse forbruget pr. medlem.

— Anthropic Docs, code.claude.com/docs/en/costs
Det betyder, at fem teammedlemmer i Plan Mode svarer til fem parallelle sessioner, som hver indlæser sin egen systemgrundbelastning, sin egen kopi af CLAUDE.md og sine egne MCP-værktøjer. Det samlede tokenforbrug vokser ikke-lineært. Hvad du kan gøre: 1. **Brug Sonnet eller Haiku til teammedlemmerne.** Brug kun Opus til teamlederen, der koordinerer dem. Tokenprisen kan være lavere, men mål hvert medlems fulde opgavepris og kvalitet frem for at antage en fast besparelse. 2. **Små teams.** To eller tre teammedlemmer i stedet for ti. 3. **Ryd op i inaktive teammedlemmer.** Hvis opgaven er færdig, men et teammedlem stadig kører, fortsætter det med at bruge tokens i baggrunden. Læs mere om [Plan Mode](https://ailoot.ai/blog/da/claude-code-plan-mode/), og hvornår det faktisk hjælper, i [”Plan Mode i Claude Code: guide trin for trin og 4 faser i 2026”](https://ailoot.ai/blog/da/claude-code-plan-mode/). ## Hvad opkræver Claude tokens for, mens du ikke kigger?
Vigtige punkter Det ottende mønster er udvidet tænkning. Claude tænker ”højt”, før den svarer, og disse tænketokens tæller som output. Som standard er budgettet titusindvis af tokens for komplekse opgaver. Det niende mønster er baggrundsopsummering: Selv når du ikke skriver, behandler Claude Code tidligere sessioner til `--resume` og gemmer opsummeringer. Omkring \$0.04 pr. session bruges ”i tomgang”.
### Mønster 8. Udvidet tænkning bruger tokens uden din medvirken Udvidet tænkning er en tilstand, hvor Claude ”gennemtænker” løsningen i en skjult tænkningsblok, før den svarer. I beregningen er det **outputtokens**, der tælles som et almindeligt svar, men du kan ikke se dem i chatten. [Anthropic skriver i dokumentationen](https://code.claude.com/docs/en/costs):

Udvidet tænkning er aktiveret som standard, fordi det forbedrer resultaterne markant på vanskelige planlægnings- og ræsonneringsopgaver. Tænketokens faktureres som output, og standardbudgettet kan være titusindvis af tokens pr. anmodning, afhængigt af modellen.

— Anthropic Docs, code.claude.com/docs/en/costs
Det betyder, at en enkelt kompleks anmodning kan bruge 10-30K tænketokens, som ”æder af” budgettet, mens du kun ser en kort opsummering i chatten. Hvad du kan gøre: 1. **`/effort low`** til enkle opgaver. Det reducerer tænkningsbudgettet til et minimum. 2. **`MAX_THINKING_TOKENS=8000`** i miljøet for at sætte et loft. 3. **`/config` → deaktiver tænkning** til helt rutineprægede opgaver, hvor Claude ikke behøver at ”tænke”. Hvornår tænkning er nyttig (kompleks arkitektur, kompleks ræsonnering i flere trin), og hvornår den ikke er, gennemgås i [”Sonnet eller Opus 4.7 i Claude Code: vælg model og /effort i 2026”](https://ailoot.ai/blog/da/claude-code-model-effort-sonnet-opus/). ### Mønster 9. Baggrundsopsummering, mens du er inaktiv Dette er et meget lille, men interessant mønster. Claude Code kører en baggrundsproces, der opsummerer tidligere sessioner til kommandoen `claude --resume`. Processen kører også, når du ikke skriver. [Anthropic siger udtrykkeligt dette i dokumentationen](https://code.claude.com/docs/en/costs):

Claude Code bruger tokens til baggrundsfunktioner, selv når det er inaktivt: samtaleopsummering (baggrundsopgaver, der kondenserer tidligere sessioner til claude --resume) og kommandobehandling. Disse baggrundsprocesser bruger et lille antal tokens (typisk mindre end $0.04 pr. session), selv uden aktiv interaktion.

— Anthropic Docs, code.claude.com/docs/en/costs
Fire cent pr. session er ikke nogen katastrofe. Men hvis du har 10 åbne sessioner om dagen, er det allerede \$0.40 i passivt forbrug pr. dag, \$12 om måneden. Luk sessioner, du ikke har brug for lige nu. En session kan gendannes med `/resume` fra indekset – du behøver ikke holde den åben. ## Sådan måler du dine tab: kommandoen `/context` og dens forbehold
Vigtige punkter Kommandoen `/context` i Claude Code viser, hvor dine tokens går hen lige nu. Men der er en kendt fejl: Historisk overvurderede den MCP-værktøjer med en faktor 3, fordi den talte overhead pr. værktøj separat for hvert værktøj. Anthropic har rettet dette i nyere versioner. Hvis MCP står over 30K i din `/context`-rapport, skal du først opdatere Claude Code og derefter måle igen.
Først kommandoen. I Claude Code åbner du `/context` (eller `/usage` for beregningen), og så får du noget i denne stil: ``` Context window: 200 000 tokens System prompt: 3 200 (1.6%) System tools: 16 100 (8.0%) MCP tools: 12 600 (6.3%) CLAUDE.md: 4 800 (2.4%) Memory files: 3 000 (1.5%) Conversation: 18 400 (9.2%) Free space: 141 900 (71.0%) ``` Det er en normal permanent grundbelastning efter den første oprydning. Fint – 71 % af vinduet er ledigt. ### Kendt `/context`-fejl: 3x overdrivelse for MCP Indtil en nyere opdatering viste `/context` omkring 3 gange det faktiske MCP-tab, fordi overhead pr. værktøj blev talt med særskilt for hvert værktøj. Cameron siger, at Anthropic rettede dette i den aktuelle version, som nu rapporterer 12 600 for samme XcodeBuildMCP. Så: 1. **Hvis `/context` viser 50K+ for MCP-værktøjer** – bruger du muligvis en gammel version af Claude Code. Opdater den. 2. **Hvis MCP ligger på 8-15K** – er det normalt, den faktiske omkostning med Tool Search. 3. **Hvis MCP ligger på 30-50K** i en ny version, har du virkelig mange ubrugte servere tilsluttet. Gå til `/mcp`, og afbryd forbindelsen til dem. ### Hvad skal du ellers tjekke ud over `/context`? `/usage` – viser dit abonnementsforbrug i løbet af de seneste 24 timer eller 7 dage. På Pro og Max viser den en opdeling efter skills, underagenter, plugins og individuelle MCP-servere. Nyttigt til at finde den skill, der bruger mest. `/cost` – for API-brugere. Viser den forholdsmæssigt beregnede pris for den aktuelle session i dollars. Ikke for Pro/Max-abonnenter – de har ikke brug for den. `/usage-credits` – på Pro/Max kan du angive en månedlig forbrugsgrænse. Nyttigt, hvis du ikke vil have, at et scriptstyret agentteam ved et uheld maksimerer dit kreditkort. ## Sådan rydder du Claude Code-konteksten på 15 minutter
Vigtige punkter Brug disse otte trin til at mindske undgåelig kontekst. Et mål som 70% ledig plads eller 40–50% lavere forbrug er ikke et garanteret resultat, og et kontekstøjebliksbillede måler ikke sessionens samlede forbrug. De fleste trin tager 1-2 minutter. De største er oprydning i CLAUDE.md og afbrydelse af ubrugte MCP-servere, fem minutter hver. Tag dem i rækkefølge, og spring ikke nogen over.
Åbn dit projekt i Claude Code, og gennemgå trinnene: 1. **`/context`** – skriv den aktuelle opdeling ned. Det er dit udgangspunkt. 2. **`/clear`** – hvis chatten har samlet historik, der ikke vedrører den aktuelle opgave. Nyt vindue. 3. **`ls -la ~/.claude/skills/`** – se, hvilke skills der er installeret. Fjern dem, du ikke har brugt i en måned. Kommando: `rm -rf ~/.claude/skills/[skill-name]` (eller slet mappen via grænsefladen). 4. **`/plugin list`** – gør det samme for plugins. Fjern dem, du ikke bruger, med `/plugin remove `. 5. **`/mcp`** – tjek de tilsluttede MCP-servere. Behold kun dem, der er nødvendige til den aktuelle opgave. Afbryd forbindelsen til resten med `/mcp disconnect `. 6. **Åbn CLAUDE.md i en editor.** Hvis filen er over 200 linjer, så flyt specialiserede instruktioner til Skills (`~/.claude/skills/[topic]/SKILL.md`). Sigt efter en kerne på 100-200 linjer og 5-15 emnebestemte Skills. Den detaljerede guide findes i [”Sådan konfigurerer du CLAUDE.md i 2026: færdig skabelon og 6 regler”](https://ailoot.ai/blog/da/claude-md-template/). 7. **Tjek `/effort`** – brug `/effort low` til enkle opgaver. Et højt tænkningsbudget er kun nødvendigt til kompleks arkitektur. 8. **Afsluttende `/context`-måling.** Sammenlign med trin 1. I de beskrevne sessioner faldt optaget kontekst fra 60–80K til 25–30K efter oprydning. Det er en ændring i øjebliksbilledets størrelse, ikke bevis for en fast reduktion i samlede behandlede tokens eller pris. Sammenlign komplette kørsler af samme opgave inklusive cache- og outputforbrug, før du hævder besparelser. Hvis du vil gøre mere end at forstå tokens og opbygge en komplet metode til at arbejde med Claude – **AI-klon, Second Brain (`business/`) og Context Engineering** – er dette metodens tre bestanddele. ## Hvornår hjælper det mere at skifte til Sonnet eller Haiku end at rydde op i konteksten?
Vigtige punkter Oprydning i konteksten er ikke altid den mest omkostningseffektive handling. Hvis dine opgaver mest er rutineprægede (tekstredigering, generering af skabeloner, formatering), kan en model med en lavere tokenpris mindske omkostningerne, men modelskift dokumenterer ingen fast reduktion i tokenforbrug. Forskellige tokenizere, ræsonnement, outputlængder og gentagne forsøg kan ændre de faktiske antal. Til kompleks arkitektur, kompleks ræsonnering i flere trin og fejlfinding af vanskelige fejl er Opus stadig nødvendig. Vælg efter opgaven.
[Anthropic skriver om modeller i dokumentationen](https://code.claude.com/docs/en/costs):

Sonnet klarer de fleste kodningsopgaver godt og koster mindre end Opus. Gem Opus til komplekse arkitekturbeslutninger og kompleks ræsonnering i flere trin. Brug /model til at skifte midt i en session, eller angiv standarden i /config. Til enkle underagentopgaver skal du angive model: haiku i konfigurationen.

— Anthropic Docs, code.claude.com/docs/en/costs
En omtrentlig oversigt over priser på inputtokens (pr. 27. maj 2026): | Model | Pris / 1M input | Hvornår den bruges | |----|----|----| | Opus 4.7 | \$15 | Arkitektur, kompleks ræsonnering i flere trin, vanskelig fejlfinding | | Sonnet 4.5 | \$3 | 80 % af almindelige kodningsopgaver: redigering, refaktorering, tests, dokumentation | | Haiku 4.5 | \$1 | Formatering, enkel parsing, underagentopgaver, rutinemæssig tekstredigering | Min opsætning: 1. **Standard – Sonnet 4.5.** Det er `/config → default model`. Den dækker 80 % af opgaverne. 2. **Kør `/model opus` manuelt**, når en opgave virkelig er svær (et arkitekturvalg, diagnosticering af en gådefuld fejl eller et nyt produkt). 3. **Brug `/model haiku`** til tests og formatering. Eller angiv udtrykkeligt `model: haiku` i underagentens konfiguration. 4. **`/effort` er separat fra modellen.** Du kan bruge Opus med `/effort low` – så får du en stærk model med minimal tænkning til hurtige svar på opgaver af middel sværhedsgrad. Hvornår oprydning i konteksten er mere fordelagtig end at skifte model: - Konteksten er over 50 % fuld – ryd først op. - Konteksten er fin, men opgaverne er komplekse – brug Opus med normal indsats. - Konteksten er fin, og opgaverne er rutineprægede – brug Haiku. Se en detaljeret gennemgang af modeller og indsats i [”Sonnet eller Opus 4.7 i Claude Code: valg af model og /effort i 2026”](https://ailoot.ai/blog/da/claude-code-model-effort-sonnet-opus/). ## Hvilke tips øger forbruget i stedet for at spare?
Vigtige punkter Blogs indeholder ofte råd, der virker på kort sigt, men ødelægger arbejdsgangen over tid. De tre vigtigste er: ”slet al MCP”, ”glem CLAUDE.md, og put alt i prompten” og ”arbejd altid via Plan Mode”. Alle tre løser ét problem og skaber tre nye. Lad os gennemgå dem.
### Antimønster 1. ”Slet al MCP; det bruger tokens” Dovenskab er den mest almindelige fejl. Ja, MCP brugte historisk op til 49 % af konteksten – men efter Tool Search faldt det til 8-15 %. Og MCP giver dig rigtige værktøjer, som du ellers skulle bygge i hånden. Hvis du sletter al MCP, vender du tilbage til manuelt arbejde, der ”koster” mere tid end de tokens, du sparer. Den rigtige tilgang: Behold kun de MCP-servere, du faktisk bruger regelmæssigt. Jeg beholder Playwright (til test af landingssider) og shadcn (til generering af grænseflader). Alt andet bruger jeg til én opgave ad gangen. ### Antimønster 2. ”Brug ikke CLAUDE.md; læg alt direkte i prompten” Det lyder ”logisk”: Hvis CLAUDE.md indlæses med hver anmodning, så lad os undlade at indlæse den. I praksis begynder du uden CLAUDE.md hver besked med at skrive de samme instruktioner i hånden, og Claude glemmer konteksten mellem beskederne. Det betyder **flere tokens**, ikke færre – de kommer bare gennem en anden kanal. Den rigtige tilgang: Hold CLAUDE.md kompakt (100-200 linjer), med grundlæggende oplysninger i filen og specialiseret materiale i Skills. Se mere i [”Sådan konfigurerer du CLAUDE.md i 2026”](https://ailoot.ai/blog/da/claude-md-template/). ### Antimønster 3. ”Arbejd altid via Plan Mode” Plan Mode er et fremragende værktøj til komplekse opgaver, hvor du først skal undersøge kodebasen og foreslå en plan. Men det bruger **i gennemsnit 7x flere tokens**, når du arbejder med agentteams ([Anthropic-dokumentation](https://code.claude.com/docs/en/costs)). Til en enkel opgave som ”ret en slåfejl i README” bruger Plan Mode 7 gange mere end en direkte rettelse. Den rigtige tilgang: Brug Plan Mode til komplekse opgaver, der tager 30 minutter eller mere. Til korte opgaver skal du give en direkte anmodning uden plan mode. Hvornår du skal bruge de forskellige tilstande, gennemgås i [”Plan Mode i Claude Code: guide trin for trin og 4 faser i 2026”](https://ailoot.ai/blog/da/claude-code-plan-mode/).
### Kilder - Anthropic Docs: [Administrer omkostninger effektivt](https://code.claude.com/docs/en/costs) – officielle tal om omkostninger, modeller, MCP, agentteams og tænkningsbudgetter - Anthropic Docs: [Modelkonfiguration – udvidet kontekst](https://code.claude.com/docs/en/model-config#extended-context) – vinduesstørrelse efter model og abonnement, grænser for automatisk komprimering - Ailoot-materiale: metoden ”Second Brain + Context Engineering” i [Sådan konfigurerer du CLAUDE.md](https://ailoot.ai/blog/da/claude-md-template/), [Second Brain i Claude Code](https://ailoot.ai/blog/da/claude-code-second-brain/), [Context Engineering i 2026](https://ailoot.ai/blog/da/context-engineering/), [Plan Mode i Claude Code](https://ailoot.ai/blog/da/claude-code-plan-mode/), [Skills](https://ailoot.ai/blog/da/claude-code-skills-library/), [MCP-servere](https://ailoot.ai/blog/da/mcp-servers-claude-code/), [Hooks](https://ailoot.ai/blog/da/claude-code-hooks/), [Sonnet eller Opus](https://ailoot.ai/blog/da/claude-code-model-effort-sonnet-opus/), [Sådan undgår du at bruge grænserne op](https://ailoot.ai/blog/da/claude-code-token-limits-saving/).
Flere materialer findes på [Ailoot](https://ailoot.ai/). ## Spørgsmål og svar ### Bruger en model med lavere tokenpris nødvendigvis færre tokens? Nej. En lavere takst ændrer tokenprisen, mens faktiske antal afhænger af tokenizer, ræsonnement, output og gentagne forsøg. Sammenlign afsluttede kørsler af samme opgave, før du hævder token- eller prisreduktion. ### Viser /context, hvor meget jeg er blevet faktureret i hele sessionen? Nej. Den viser det aktuelle kontekstaftryk. Undersøg særskilte totaler for input, cacheskrivning, cachelæsning og output for at vurdere behandling og pris. Gentaget grundtekst er ikke blot en engangsafgift pr. session. ## Ailoot · Virksomheden og dens projektportefølje Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI. Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.