# Hvor tokenene går i Claude Code: 9 tapsmønstre og hvordan du løser dem i 2026 > 73 % av tokenene går tapt før Claude ser ledeteksten. CLAUDE.md, MCP, historikk – hvor konteksten lekker i Claude Code, og hvordan du tetter 9 lekkasjer. Source: https://ailoot.ai/blog/nb/where-claude-code-tokens-go/ Canonical: https://ailoot.ai/blog/nb/where-claude-code-tokens-go/ Language: nb Publisher: Ailoot (https://ailoot.ai/) Translation: guide-167 Revision: sha256-b711cdc04fb33ff285c2666db7a80061436ee8eff9ae283ae95b2d183e810fa5
Hovedpoeng En stor andel av tokenene brukes før modellen leser forespørselen din: på en oppblåst CLAUDE.md, på å lese gammel samtalehistorikk på nytt og opptil 49 % på MCP-servere. Artikkelen forklarer ni kilder til ekstraforbruk og en oppryddingssjekkliste på 15 minutter. Besparelsen avhenger av økten. Opptatt kontekst, behandlede tokens, cachebruk og kostnad må måles separat.
I ett eksempel viste `/context` i en ny Claude Code-økt at 60K token var opptatt av 200K før den første meldingen. Bare `claude` var startet i prosjektets repositorium. Seksti tusen token – en tredjedel av budsjettet brukt på å «forberede» samtalen. To uker senere fant jeg ut nøyaktig hvor de ble av. Nedenfor finner du alle de 9 mønstrene som bruker opp tokenene dine før du i det hele tatt begynner å skrive, og hvordan du løser dem. Tallene kommer fra offisiell Anthropic-dokumentasjon og målinger fra virkelige økter.
[Ailoot-dokumentasjon](https://ailoot.ai/docs/) – referansemateriale for bruk av tjenesten.
## Hva betyr «73 % av tokenene går tapt før ledeteksten»?
Hovedpoeng En stor andel av tokenene dine brukes før Claude leser den faktiske forespørselen din: av en oppblåst CLAUDE.md, av gjenlesing av gammel chatthistorikk og av sju andre mønstre – fra MCP-servere til bakgrunnsoppsummering. Dette handler ikke om abonnementsgrenser, men om hvordan konteksten fungerer.
En parallell tråd fra Mnimiy (@Mnilax) lister opp 9 mønstre som til sammen utgjør disse 73 %. Jeg samlet dem i én tabell med konkrete tall fra andre kilder – GitHub-sak \#13717 med et `/context`-skjermbilde i et vindu på 200K, Cameron Cookes merknad om en metodisk feil i selve `/context`, og Anthropics offisielle side om kostnadskontroll. | Mønster | Andel av tapene | Kilde | |----|----|----| | 1\. Oppblåst CLAUDE.md | — | — | | 2\. Gjenlesing av gammel historikk | — | — | | 3\. MCP-servere | opptil 49% (historisk), nå 8-15% med Tool Search | målinger fra virkelige økter | | 4\. Akkumulert `tool_use`-utdata | 5-15% | målinger fra virkelige økter | | 5\. Systemprompt + systemverktøy | 9.6% (1.6% + 8%) | GitHub \#13717 | | 6\. Dupliserte ferdigheter og programtillegg | 2-5% | Vercel-undersøkelse (56% av ferdighetene brukes aldri) | | 7\. Agentteam i Plan Mode | opptil 700% | [Anthropic-dokumentasjon](https://code.claude.com/docs/en/costs) | | 8\. Budsjett for utvidet tenkning | 5-20% | [Anthropic-dokumentasjon](https://code.claude.com/docs/en/costs) | | 9\. Bakgrunnsoppsummering med `--resume` | ~\$0.04/session passivt | [Anthropic-dokumentasjon](https://code.claude.com/docs/en/costs) | Jeg vil ikke hevde at tallet «73» er uangripelig – det kan være 60 % eller 80 %, avhengig av oppsettet ditt. Men helhetsbildet stemmer, og hvert mønster kan løses for seg. Jeg går gjennom tre om gangen nedenfor. ## Hvordan bygger Claude kontekst før ledeteksten din blir lest?
Hovedpoeng Før du skriver det første tegnet, har Claude allerede lastet inn fem lag: systemprompten, beskrivelser av innebygde verktøy, CLAUDE.md-filen, verktøynavn og instruksjoner fra tilkoblede MCP-servere (de fullstendige beskrivelsene deres når verktøysøk er deaktivert), og minne (`memory_files`). I et vindu på 200K kan dette lett ta 60–100K, eller en tredjedel til halvparten av budsjettet. Resten er til selve samtalen og verktøy som Read/Edit.
I diskusjonen om GitHub-sak \#13717 åpnet noen `/context` i en økt med seks MCP-servere og fikk denne oversikten: | Kontekstlag | Token | % av 200K | |----|----|----| | Systemprompt | 3 200 | 1.6% | | Systemverktøy (Read/Edit/Bash osv.) | 16 100 | 8.0% | | MCP-verktøy (6 servere: google-docs + asana + calendar + slack + atlassian + gmail) | 98 700 | **49.3%** | | Minnefiler (`memory_files`, eksporter fra `Memory tool`) | 3 000 | 1.5% | | Ledig plass | 34 000 | 17.0% | | Autokompaktbuffer | 45 000 | 22.5% | Merk: Selv om du ikke har skrevet noe, er nesten halvparten av vinduet opptatt. Mindre enn halvparten er igjen til ledig plass og autokompaktbufferen, og den halvdelen må romme hele samtalen – meldinger, svarene fra Claude, leste filer og kommandoutdata. Vindusstørrelsen avhenger av modellen. Ifølge [Anthropics modelldokumentasjon](https://code.claude.com/docs/en/model-config#extended-context) har Opus 4.7 og nyere, Sonnet 5 og Fable-modellene et vindu på **1M token** på alle abonnementer, inkludert Pro, per september 2026. **200K** gjelder fortsatt for Opus 4.6 og Sonnet 4.6 uten utvidet kontekst, samt for økter der 1M er deaktivert med variabelen `CLAUDE_CODE_DISABLE_1M_CONTEXT=1`. Et større vindu løser ikke problemet med oppblåst kontekst: Alt som lastes inn før den første meldingen, sendes til modellen med hver forespørsel, og [kostnadsdokumentasjonen](https://code.claude.com/docs/en/costs) sier uttrykkelig at jo mer kontekst det er, desto flere token brukes. Et abonnement endrer ikke dette – på alle abonnementer teller hvert ekstra token mot grensen din. ## Hvor går den første tredjedelen av konteksten: CLAUDE.md, historikk og MCP?
Hovedpoeng De tre viktigste mønstrene tar opp 36–76 % av konteksten før du begynner samtalen. CLAUDE.md bidrar til konteksten i gjentatte forespørsler. En fil på 5 000 tokens opptar så mye plass i forespørsler som inneholder den, men nye inndata, cacheskriving og cachelesing må regnskapsføres separat; gjentatt innhold belastes ikke nødvendigvis med full pris uten cache. Historikken vokser gjennom rundene, slik at senere forespørsler kan behandle mer inndata. Ingen universell eksponentiell vekstrate gjelder. MCP-servere brukte historisk opptil 49 % av vinduet, og selv om den nye Tool Search-funksjonen, som kom i desember 2025–januar 2026, fjernet det meste av dette, bruker mange oppsett fortsatt den gamle modellen.
### Mønster 1. CLAUDE.md før hver melding [Anthropic sier det direkte i dokumentasjonen](https://code.claude.com/docs/en/costs):

Prøv å holde CLAUDE.md under 200 linjer og ta bare med den viktigste informasjonen. Flytt spesialiserte instruksjoner til ferdigheter, som lastes inn ved behov.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
I ett eksempel inneholder prosjektets CLAUDE.md 180 linjer – alt spesialisert (hvordan man skriver verkstedinstruksjoner, formatet for TG-innlegg, den juridiske sjekklisten) ble flyttet til ferdigheter og Markdown-filer i `business/`, som Claude bare leser når den spesifikt ser der. Det reduserer grunnbelastningen med 60–70 % sammenlignet med for to måneder siden. ### Mønster 2. Samtalehistorikken leses på nytt med hvert svar Dette er mønsteret som er vanskeligst å oppdage utenfra, fordi det ikke er synlig eksternt. Modellen mottar den beholdte samtalekonteksten i senere forespørsler. Promptbufring kan gjenbruke et stabilt prefiks, mens komprimering og tømming kan endre beholdt tekst. Gjentatt tilført kontekst tar fortsatt plass i vinduet selv om cachepriser reduserer kostnaden. Løsningen er `/clear` mellom urelaterte oppgaver. Min regel: en ny chat for hver nye oppgave. Hvis en oppgave er lang og du trenger historikken, kan du bruke `/compact` til å oppsummere det som har skjedd i en kort oppsummering og fortsette derfra. Mer om denne regelen i veiledningen [«Slik bruker du ikke opp Claude Code-grensene dine på én dag: 8 regler for å spare token»](https://ailoot.ai/blog/nb/claude-code-token-limits-saving/), med eksempler fra øktene mine. ### Mønster 3. MCP-servere registrerer alle verktøyene sine i konteksten Dette var et historisk problem i Claude Code, og det førte til de største tapene frem til 2026. I den nevnte saken \#13717 tok seks tilkoblede MCP-servere (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) opp 98 700 token – **49 % av hele vinduet** før samtalen startet. Anthropic lanserte funksjonen **Tool Search** i desember 2025–januar 2026, som løser halvparten av dette problemet: [I Anthropics dokumentasjon](https://code.claude.com/docs/en/costs) står det nå:

MCP-verktøydefinisjoner utsettes som standard – bare navnene legges inn i konteksten til Claude kaller et bestemt verktøy. Kjør /context for å se hva som tar opp plass. Når det er mulig, bør du foretrekke CLI: verktøy som gh, aws, gcloud og sentry-cli er fortsatt mer effektive enn MCP-servere fordi de ikke legger til beskrivelser for hvert verktøy.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
Dette bør du gjøre i produksjon: 1. **Oppdater Claude Code til en versjon med Tool Search** (alle gjeldende versjoner etter desember 2025). 2. **Åpne `/mcp`** og deaktiver servere du ikke trenger i den gjeldende økten. I eksemplet som er beskrevet, er to tilkoblet hele tiden – Playwright og shadcn. Jeg aktiverer de andre for én oppgave og kjører `/mcp disconnect` umiddelbart etterpå. 3. **Bytt ut MCP med CLI der det er mulig.** Bruk `gh` i stedet for en MCP-server for GitHub. Bruk kalenderen i en nettleser i stedet for Google Calendar MCP. Jeg har forklart hva MCP-servere er, og hvordan du konfigurerer dem på en fornuftig måte, i [«Claude Code MCP-servere i 2026: 7 ferdige oppsett og trinnvis installasjon»](https://ailoot.ai/blog/nb/mcp-servers-claude-code/). En del av problemet med CLAUDE.md og ferdigheter handler ikke bare om størrelsen, men også om strukturen. Én instruksjonsfil (CLAUDE.md) er kjernen. Ytterligere prosjektkunnskap (målgruppe, produkter, juridiske dokumenter, instruksjoner dag for dag) ligger i mappen `business/` – dette er **Second Brain** i metoden min. Claude leser bare det som trengs akkurat nå, og komprimering av konteksten skjer allerede på dette nivået. Hele oversikten finner du i [«Second Brain i Claude Code»](https://ailoot.ai/blog/nb/claude-code-second-brain/). En detalj til blir ofte oversett: Opprydding i CLAUDE.md, overgang til ferdigheter og deaktivering av MCP er første trinn. Deretter kommer metoden for **kontekstutforming** inn i bildet – hva som skal inn i hver ledetekst, i hvilken rekkefølge, hva som skal overleveres gjennom Plan Mode, og hva som skal håndteres med `/compact`. Denne veiledningen dekker én byggestein. ## Hva samler seg opp i en økt, og hva kan ikke kuttes?
Hovedpoeng Det fjerde mønsteret er verktøyutdata. Hver fil du leser, hver `bash`-utdata og hvert svar fra en MCP-server blir værende i øktens kontekst for alltid. Leste du 10,000 linjer med logger? De blir værende til `/clear`. Det femte mønsteret er systemets grunnbelastning: 19K token for systemprompten og beskrivelsene av innebygde verktøy. Du kan ikke kutte disse, men det hjelper å kjenne til dem når du skal regne.
### Mønster 4. Verktøyutdata hoper seg opp gjennom hele økten En detalj få nevner: når Claude kjører `bash cat huge-file.log`, går HELE utdataene fra kommandoen inn i konteksten og **blir der til økten avsluttes eller du kjører `/clear`**. Det samme gjelder `Read` av en stor fil – alle 10,000 linjene blir værende der og tar opp token i hver påfølgende melding (se mønster 2). Løsninger: 1. **Bruk `head`, `tail`, `grep` i stedet for å lese alt.** `bash tail -100 deploy.log` i stedet for `Read deploy.log`. Dette kutter straks utdataene med 10–100 ganger. 2. **Kroker for forhåndsbehandling.** Legg et skript i `~/.claude/hooks` som filtrerer bash-utdata før Claude ser dem. Et eksempel fra Anthropic-dokumentasjonen er en PreToolUse-krok som kjører `npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR'` i stedet for å skrive ut hele testresultatet. Dette komprimerer det 50–100 ganger. Detaljer finner du i [«Claude Code-kroker 2026: trinnvis oppsett og 7 ferdige eksempler»](https://ailoot.ai/blog/nb/claude-code-hooks/). 3. **`/clear` etter en stor lesing.** Hvis du leser en stor fil for én bestemt oppgave og ikke lenger trenger den, bør du ikke la den bli værende i konteksten «for sikkerhets skyld»; start en ny chat. ### Mønster 5. Systemprompt + systemverktøy = permanent grunnbelastning Dette mønsteret kan ikke endres, fordi det nesten ikke finnes noe du kan gjøre med det. Claude Code starter med en systemprompt (~3 200 token) og beskrivelser av alle innebygde verktøy – Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (~16 100 token). Til sammen utgjør dette en **permanent grunnbelastning** på 19 300 token som du ikke kan kutte. Dette kan du gjøre i praksis: - **Vær klar over det.** Vit at du har en grunnbelastning på 19K som en «avgift»: med et vindu på 200K betyr det 200K - 19K = 181K til alt annet (minus CLAUDE.md, MCP og autokompaktbufferen). Det er mer plass i et 1M-vindu, men denne «avgiften» følger fortsatt med hver forespørsel. - **Mål gjentatt behandling.** Grunnbelastningen tar plass i vinduet og kan gjenta seg i senere forespørsler. Den er ingen tokenavgift én gang per økt. Skill mellom inndata, cacheskriving, cachelesing og utdata når kostnaden beregnes. ## Hvor går tokenene tapt på ferdigheter, programtillegg og agentteam?
Hovedpoeng Det sjette mønsteret er at ferdigheter og programtillegg registreres dobbelt. Vercel fant i undersøkelsen sin at 56% av ferdighetene aldri brukes i løpet av en økt, men likevel hele tiden lastes inn i konteksten. Det sjuende mønsteret er agentteam: Når du starter flere Claude-instanser i Plan Mode, øker det samlede tokenforbruket omtrent 7 ganger sammenlignet med én enkelt økt. Anthropic har dokumentert dette uttrykkelig.
### Mønster 6. Ferdigheter og programtillegg kan registreres dobbelt Dette problemet dukket opp da programtillegg kom til Claude Code (sent i 2025). Når du installerer et programtillegg som legger til ferdigheter, kommer disse ferdighetene inn i konteksten. Hvis du også har lignende brukerferdigheter installert i `~/.claude/skills/`, lastes de også inn. Og noen ganger **dupliseres de**. Vercel delte et tall i undersøkelsen sin av AI-stakken: **56% av ferdighetene brukes aldri** i løpet av en økt, men beskrivelsene deres lastes hele tiden inn i konteksten. Med 100 token per beskrivelse blir det opptil 5 600 token med «bagasje» når du har 100 ferdigheter. Dette bør du gjøre: 1. **`/context` viser hva som faktisk tar opp plass.** Hvis du ser at delen for Skills er over 3K, bør du rydde opp. 2. **`ls ~/.claude/skills/`** – sjekk hvilke ferdigheter du faktisk har installert. Fjern dem du ikke har brukt på over en måned. 3. **`/plugin remove`** for programtillegg du installerte «for å prøve» og glemte. Hva som er riktig struktur for ferdigheter, og hvordan de skiller seg fra CLAUDE.md, er forklart i [«Claude Code-ferdigheter i 2026: slik bygger du et personlig ferdighetsbibliotek»](https://ailoot.ai/blog/nb/claude-code-skills-library/). ### Mønster 7. Agentteam bruker 7 ganger mer i Plan Mode Agentteam er en funksjon der Claude Code starter flere parallelle modellinstanser, hver med sin egen kontekst. [Anthropic sier det direkte i dokumentasjonen](https://code.claude.com/docs/en/costs):

Agentteam bruker omtrent 7 ganger flere token enn vanlige økter når teammedlemmene arbeider i Plan Mode: hver har sitt eget kontekstvindu og kjører som en separat Claude-instans. Hold teamoppgavene små og selvstendige for å begrense forbruket per medlem.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
Det betyr at fem teammedlemmer i Plan Mode tilsvarer fem parallelle økter, hver med sin egen systemgrunnbelastning, sin egen kopi av CLAUDE.md og sine egne MCP-verktøy. Det samlede tokenforbruket vokser ikke-lineært. Dette bør du gjøre: 1. **Bruk Sonnet eller Haiku for teammedlemmer.** Bruk Opus bare for teamlederen som koordinerer dem. Tokenprisen kan være lavere, men mål hvert medlems komplette oppgavekostnad og kvalitet fremfor å anta en fast besparelse. 2. **Små team.** To eller tre teammedlemmer i stedet for ti. 3. **Rydd opp etter inaktive teammedlemmer.** Hvis oppgaven er ferdig, men et teammedlem fortsatt kjører, fortsetter det å bruke token i bakgrunnen. Les mer om [Plan Mode](https://ailoot.ai/blog/nb/claude-code-plan-mode/) og når det faktisk er nyttig i [«Plan Mode i Claude Code: trinnvis veiledning og 4 trinn i 2026»](https://ailoot.ai/blog/nb/claude-code-plan-mode/). ## Hva bruker Claude token på mens du ikke følger med?
Hovedpoeng Det åttende mønsteret er utvidet tenkning. Claude tenker «høyt» før det svarer, og disse tenketokenene regnes som utdata. Som standard er budsjettet på titusenvis av token for komplekse oppgaver. Det niende mønsteret er bakgrunnsoppsummering: Selv når du ikke skriver, behandler Claude Code tidligere økter for `--resume` og lagrer oppsummeringer. Omtrent \$0.04 per økt brukes mens du «står på tomgang».
### Mønster 8. Utvidet tenkning bruker token uten at du gjør noe Utvidet tenkning er en modus der Claude «tenker gjennom» løsningen i en skjult tenkeblokk før det svarer. I beregningen regnes disse som **utdatatoken**, på samme måte som et vanlig svar, men du ser dem ikke i chatten. [Anthropic sier i dokumentasjonen](https://code.claude.com/docs/en/costs):

Utvidet tenkning er aktivert som standard fordi det forbedrer resultatene betydelig i vanskelige planleggings- og resonneringsoppgaver. Tenketoken faktureres som utdata, og standardbudsjettet kan være på titusenvis av token per forespørsel, avhengig av modellen.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
Det betyr at én kompleks forespørsel kan bruke 10–30K tenketoken som «spiser av» budsjettet, mens du bare ser en kort oppsummering i chatten. Dette bør du gjøre: 1. **`/effort low`** for enkle oppgaver. Det reduserer tenkebudsjettet til et minimum. 2. **`MAX_THINKING_TOKENS=8000`** i miljøet for å sette et tak. 3. **`/config` → deaktiver tenkning** for svært rutinepregede oppgaver der Claude ikke trenger å «tenke». Når tenkning faktisk er nyttig (kompleks arkitektur, kompleks resonnering i flere trinn), og når det ikke er det, er forklart i [«Sonnet eller Opus 4.7 i Claude Code: velg modell og /effort i 2026»](https://ailoot.ai/blog/nb/claude-code-model-effort-sonnet-opus/). ### Mønster 9. Bakgrunnsoppsummering mens du ikke bruker programmet Dette er et svært lite, men interessant mønster. Claude Code kjører en bakgrunnsprosess som oppsummerer tidligere økter for kommandoen `claude --resume`. Denne prosessen kjører selv når du ikke skriver. [Anthropic sier uttrykkelig dette i dokumentasjonen](https://code.claude.com/docs/en/costs):

Claude Code bruker token til bakgrunnsfunksjoner selv når programmet er inaktivt: samtaleoppsummering (bakgrunnsoppgaver som sammenfatter tidligere økter for claude --resume) og kommandobehandling. Disse bakgrunnsprosessene bruker et lite antall token (vanligvis mindre enn $0.04 per økt) selv uten aktiv samhandling.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
Fire cent per økt er ingen katastrofe. Men hvis du har 10 åpne økter om dagen, blir det allerede \$0.40 i passivt forbruk per dag, \$12 i måneden. Lukk økter du ikke trenger akkurat nå. En økt kan gjenopprettes med `/resume` fra indeksen – du trenger ikke å holde den åpen. ## Slik måler du tapene dine: Kommandoen `/context` og forbeholdene
Hovedpoeng Kommandoen `/context` i Claude Code viser hvor tokenene dine går akkurat nå. Men den har en kjent feil: historisk har den overvurdert MCP-verktøy med 3 ganger, fordi den teller overhead per verktøy separat for hvert verktøy. Anthropic rettet dette i nyere versjoner. Hvis MCP ligger over 30K i `/context`-rapporten din, må du først oppdatere Claude Code og deretter måle på nytt.
Først kommandoen. I Claude Code åpner du `/context` (eller `/usage` for beregningen), og da får du noe slikt: ``` 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%) ``` Dette er en normal permanent grunnbelastning etter den første oppryddingen. Flott – 71 % av vinduet er ledig. ### Kjent `/context`-feil: tredobbel overrapportering av MCP Fram til en nylig oppdatering viste `/context` omtrent tre ganger så stort faktisk MCP-tap, fordi overhead per verktøy ble telt separat for hvert verktøy. Cameron sier at Anthropic rettet dette i den gjeldende versjonen, som nå rapporterer 12 600 for samme XcodeBuildMCP. Derfor: 1. **Hvis `/context` viser 50K+ for MCP-verktøy** – kan det hende du bruker en gammel versjon av Claude Code. Oppdater den. 2. **Hvis MCP ligger på 8-15K** – er det normalt, den faktiske kostnaden med Tool Search. 3. **Hvis MCP ligger på 30-50K** i en ny versjon, har du virkelig mange ubrukte servere tilkoblet. Gå til `/mcp` og koble dem fra. ### Hva mer bør du sjekke enn `/context`? `/usage` – viser forbruket på abonnementet ditt de siste 24 timene eller 7 dagene. På Pro og Max viser den en oversikt fordelt på ferdigheter, underagenter, programtillegg og individuelle MCP-servere. Nyttig for å finne ut hvilken ferdighet som bruker mest. `/cost` – for API-brukere. Viser den forholdsmessig beregnede kostnaden for den gjeldende økten i dollar. Ikke for Pro/Max-abonnenter – de trenger den ikke. `/usage-credits` – på Pro/Max lar den deg sette en månedlig forbruksgrense. Nyttig hvis du ikke vil at et skriptstyrt agentteam ved et uhell skal makse kredittkortet ditt. ## Slik rydder du opp i Claude Code-konteksten på 15 minutter
Hovedpoeng Bruk disse åtte trinnene til å redusere unødvendig kontekst. Et mål om 70 % ledig plass eller 40–50 % lavere forbruk er ikke garantert, og et kontekstbilde alene måler ikke samlet øktforbruk. De fleste punktene tar 1–2 minutter. De største er opprydding i CLAUDE.md og frakobling av ubrukt MCP, fem minutter hver. Gjør dem i rekkefølge, og ikke hopp over noen.
Åpne prosjektet ditt i Claude Code og gå gjennom trinnene: 1. **`/context`** – skriv ned den nåværende oversikten. Dette er utgangspunktet ditt. 2. **`/clear`** – hvis chatten har samlet opp historikk som ikke er relevant for den gjeldende oppgaven. Et nytt vindu. 3. **`ls -la ~/.claude/skills/`** – se hvilke ferdigheter som er installert. Fjern dem du ikke har brukt på en måned. Kommando: `rm -rf ~/.claude/skills/[skill-name]` (eller slett mappen via grensesnittet). 4. **`/plugin list`** – gjør det samme for programtillegg. Fjern dem du ikke bruker med `/plugin remove `. 5. **`/mcp`** – sjekk tilkoblede MCP-servere. Behold bare dem du trenger til den gjeldende oppgaven. Koble fra resten med `/mcp disconnect `. 6. **Åpne CLAUDE.md i et redigeringsprogram.** Hvis filen har over 200 linjer, flytt spesialiserte instruksjoner til ferdigheter (`~/.claude/skills/[topic]/SKILL.md`). Sikt mot en kjerne på 100–200 linjer + 5–15 tematiske ferdigheter. Den detaljerte veiledningen finner du i [«Slik konfigurerer du CLAUDE.md i 2026: ferdig mal og 6 regler»](https://ailoot.ai/blog/nb/claude-md-template/). 7. **Sjekk `/effort`** – bruk `/effort low` for enkle oppgaver. Et høyt tenkebudsjett trengs bare for kompleks arkitektur. 8. **Mål `/context` på nytt til slutt.** Sammenlign med trinn 1. I de beskrevne øktene falt opptatt kontekst fra 60–80K til 25–30K etter opprydding. Dette er endret plassbruk i øyeblikksbildet, ikke bevis for en fast reduksjon i samlet behandlede tokens eller kostnad. Sammenlign komplette kjøringer av samme oppgave, inkludert cache og utdata, før du hevder besparelser. Hvis du vil gjøre mer enn å forstå token og bygge en fullstendig metode for å arbeide med Claude – **AI-klon, Second Brain (`business/`) og Context Engineering** – er dette de tre delene av metoden. ## Når hjelper det mer å bytte til Sonnet eller Haiku enn å rydde i konteksten?
Hovedpoeng Opprydding i konteksten er ikke alltid det mest kostnadseffektive tiltaket. Hvis oppgavene dine stort sett er rutinepregede (tekstredigering, generering av maler, formatering), kan en modell med lavere tokenpris redusere kostnaden, men modellbytte fastslår ingen fast reduksjon i tokenforbruk. Ulike tokeniserere, resonnering, svarlengder og nye forsøk kan endre de faktiske tallene. For kompleks arkitektur, kompleks resonnering i flere trinn og feilsøking av vanskelige feil trengs fortsatt Opus. Velg etter oppgaven.
[Anthropic skriver om modeller i dokumentasjonen](https://code.claude.com/docs/en/costs):

Sonnet håndterer de fleste kodeoppgaver godt og koster mindre enn Opus. Spar Opus til komplekse arkitekturvalg og kompleks resonnering i flere trinn. Bruk /model for å bytte midt i en økt, eller angi standarden i /config. For enkle underagentoppgaver angir du model: haiku i konfigurasjonen deres.

— Anthropic-dokumentasjon, code.claude.com/docs/en/costs
En grov oversikt over prisene for inndatatoken (per 27. mai 2026): | Modell | Pris / 1M inndata | Når den bør brukes | |----|----|----| | Opus 4.7 | \$15 | Arkitektur, kompleks resonnering i flere trinn, vanskelig feilsøking | | Sonnet 4.5 | \$3 | 80% av vanlige kodeoppgaver: redigering, refaktorering, tester, dokumentasjon | | Haiku 4.5 | \$1 | Formatering, enkel parsing, underagentoppgaver, rutinemessig tekstredigering | Oppsettet mitt: 1. **Standard – Sonnet 4.5.** Dette er `/config → default model`. Det dekker 80% av oppgavene. 2. **Kjør `/model opus` manuelt** når en oppgave virkelig er vanskelig (et arkitekturvalg, diagnose av en gåtefull feil, et nytt produkt). 3. **Bruk `/model haiku`** til tester og formatering. Eller angi uttrykkelig `model: haiku` i underagentkonfigurasjonen. 4. **`/effort` separat fra modellen.** Du kan bruke Opus med `/effort low` – du får en kraftig modell med minimal tenkning, for raske svar på oppgaver med middels vanskelighetsgrad. Når opprydding i konteksten er mer lønnsomt enn å bytte modell: - Konteksten er over 50 % full – rydd opp først. - Konteksten er grei, men oppgavene er komplekse – bruk Opus med normal innsats. - Konteksten er grei og oppgavene er rutinepregede – bruk Haiku. Se [«Sonnet eller Opus 4.7 i Claude Code: velg modell og /effort i 2026»](https://ailoot.ai/blog/nb/claude-code-model-effort-sonnet-opus/) for en detaljert oversikt over modeller og innsats. ## Hvilke tips øker forbruket i stedet for å redusere det?
Hovedpoeng Blogger har ofte råd som fungerer på kort sikt, men ødelegger arbeidsflyten over tid. De tre viktigste er: «slett alle MCP-er», «glem CLAUDE.md og legg alt i ledeteksten» og «jobb alltid via Plan Mode». Alle tre løser ett problem og skaper tre nye. La oss gå gjennom dem.
### Antimønster 1. «Slett alle MCP-er; de bruker token» Latskap er den vanligste feilen. Ja, MCP brukte historisk opptil 49 % av konteksten – men etter Tool Search sank dette til 8–15 %. Og MCP gir deg reelle verktøy som du ellers måtte ha bygget selv. Hvis du sletter alle MCP-er, går du tilbake til manuelt arbeid som «spiser opp» mer tid enn tokenene du sparer. Riktig framgangsmåte: Behold bare MCP-servere du faktisk bruker regelmessig. Jeg beholder Playwright (til testing av landingssider) og shadcn (til generering av grensesnitt). Alt annet brukes til én oppgave om gangen. ### Antimønster 2. «Ikke bruk CLAUDE.md; legg alt direkte i ledeteksten» Det høres «logisk» ut: Hvis CLAUDE.md lastes inn med hver forespørsel, kan vi la være å laste den inn. I praksis begynner du hver melding med å skrive de samme instruksjonene for hånd uten CLAUDE.md, og Claude glemmer konteksten mellom meldingene. Det betyr **flere token**, ikke færre – de kommer bare gjennom en annen kanal. Riktig framgangsmåte: Hold CLAUDE.md kompakt (100–200 linjer), med kjernen der og spesialisert materiale i ferdigheter. Detaljer finner du i [«Slik konfigurerer du CLAUDE.md i 2026»](https://ailoot.ai/blog/nb/claude-md-template/). ### Antimønster 3. «Jobb alltid via Plan Mode» Plan Mode er et utmerket verktøy for komplekse oppgaver der du først må utforske kodebasen og foreslå en plan. Men det bruker **i gjennomsnitt 7 ganger flere token** når arbeidet skjer gjennom agentteam ([Anthropic-dokumentasjon](https://code.claude.com/docs/en/costs)). For en enkel oppgave som «rett en skrivefeil i README» bruker Plan Mode 7 ganger mer enn en direkte redigering. Riktig framgangsmåte: Bruk Plan Mode for komplekse oppgaver som tar 30 minutter eller mer. For korte oppgaver gir du en direkte forespørsel uten planmodus. Når du bør bruke hver modus, er forklart i [«Plan Mode i Claude Code: trinnvis veiledning og 4 trinn i 2026»](https://ailoot.ai/blog/nb/claude-code-plan-mode/).
### Kilder - Anthropic-dokumentasjon: [Manage costs effectively](https://code.claude.com/docs/en/costs) – offisielle tall om kostnader, modeller, MCP, agentteam og tenkebudsjetter - Anthropic-dokumentasjon: [Model configuration - Extended context](https://code.claude.com/docs/en/model-config#extended-context) – vindusstørrelse etter modell og abonnement, terskler for automatisk komprimering - Ailoot-materiale: metoden «Second Brain + Context Engineering» i [Slik konfigurerer du CLAUDE.md](https://ailoot.ai/blog/nb/claude-md-template/), [Second Brain i Claude Code](https://ailoot.ai/blog/nb/claude-code-second-brain/), [Context Engineering i 2026](https://ailoot.ai/blog/nb/context-engineering/), [Plan Mode i Claude Code](https://ailoot.ai/blog/nb/claude-code-plan-mode/), [ferdigheter](https://ailoot.ai/blog/nb/claude-code-skills-library/), [MCP-servere](https://ailoot.ai/blog/nb/mcp-servers-claude-code/), [Hooks](https://ailoot.ai/blog/nb/claude-code-hooks/), [Sonnet eller Opus](https://ailoot.ai/blog/nb/claude-code-model-effort-sonnet-opus/), [Slik unngår du å bruke opp grensene](https://ailoot.ai/blog/nb/claude-code-token-limits-saving/).
Mer materiale finner du på [Ailoot](https://ailoot.ai/). ## Spørsmål om denne veiledningen: Hvor tokenene går i Claude Code: 9 tapsmønstre og hvordan du løser dem i 2026 ### Bruker en modell med lavere tokenpris nødvendigvis færre tokens? Nei. En lavere sats endrer prisen på ett token, mens faktisk antall avhenger av tokeniserer, resonnering, utdata og nye forsøk. Sammenlign fullførte kjøringer på samme oppgave før du hevder redusert tokenbruk eller kostnad. ### Viser /context hvor mye jeg er fakturert gjennom hele økten? Nei. Den viser dagens kontekstplassbruk. Undersøk separate summer for inndata, cacheskriving, cachelesing og utdata for å vurdere behandling og kostnad. Gjentatt grunntekst er ikke bare en avgift én gang per økt. ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.