# 我烧光了所有 token，就为了研究怎么省 token

> 原标题：I burned all my tokens researching how to save tokens

- 来源：Hacker News 首页
- 发布时间：2026-07-19T12:01:53.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45234
- 原文：https://quesma.com/blog/custom-deep-research-pipeline/

## 摘要

作者用 Claude Max 5x 套餐跑 /deep-research，30 分钟就把额度烧光了，一个结果都没拿到。他把 Claude Code 当主控台，把 Codex（GPT-5.5）和 Antigravity（Gemini 3.1 Pro）接进来当无头子代理，三个订阅的 token 池打通，没多花一分钱，研究时长直接拉到原来的十倍左右。模型按角...

## 推荐理由

一篇个人博客，用自嘲口吻记录了 Claude Max 深度研究额度 30 分钟烧光的翻车过程，并给出了一个把三个订阅 token 池打通、研究时长拉长十倍的实操方案。数字具体、方法可复现，对同样被额度卡脖子的 AI 从业者有直接参考价值。扣分是因为这只是个人实验，不是产品发布或研究论文，影响力上限有限。

## 锐评

这篇博客讲了一个很实在的省钱思路：别跟一个模型的额度死磕，把手头已有的 Claude、Codex（GPT-5.5）和 Antigravity（Gemini 3.1 Pro）订阅串起来用。作者让 Claude Code 当总控，按任务难度把模型分了工——Sonnet 5 负责搜，Opus 4.8 负责核实，最贵的 Fable 5 只做规划和裁判，Haiku 4.5 干提取格式的杂活，Codex 跑终端命令，Antigravity 提供不同模型家族的“第二意见”。这么一拆，研究时长从 30 分钟直接拉到原来的十倍左右，而且因为各用各的 token 池，没产生额外费用。

这个方案最巧妙的地方是用一个简单的 Bash 脚本把外部模型包装成 Claude 可调用的无头子代理，还加了用量超限自动回退的机制。验证规则也定得死：每条结论必须被不同模型交叉核实，附上链接和原文引用。

不过文章缺了关键数字：改造前后具体省了多少 token、每次研究的实际成本、以及这套流程产出的报告质量到底怎么样。作者自己也说模型分工是跑了几轮才调出来的，说明这不是开箱即用的方案，需要自己折腾。另外，三个订阅本身就不便宜，对只订了一个服务的人来说，这篇的参考价值要打个折。