Claude 周额度是怎么反推出来的

1. 一句话思路

额度是一个百分比（每周重置，0–100%）。用量可以用 API 公开价格折成美元。于是：若把 100% 额度全部花在某一种用法上，需要多少美元？这个数记为 Q100。

做法：对每个时间区间，记录「我花了多少美元」和「额度掉了几个百分点」。美元 ÷ 百分点 × 100 就是该区间隐含的 Q100。取所有区间里的最大值（包络），得到 Q100 的下界。

2. 三样输入

三者缺一不可：没有 ① 无法把 token 变成美元；没有 ② 不知道额度掉了多少；没有 ③ 新模型会被静默丢弃（见第 7 节第一条）。

3. 六个计算步骤

Step 1 · 按模型计价

对每条事件套用它自己模型的费率。以 Fable 5.2 为例（USD / MTok）：input 8、5m cache write 10、1h cache write 16、cache read 0.20、output 40。Fable 5.1 是 10 / 12.5 / 20 / 0.25 / 50。

Step 2 · 切分配额块（block）

把 used% 序列按向下跳变 > 30 pp 切开：每一段是一次重置后的连续计数。所有计算都在块内进行，绝不跨块累加——跨块的 drop 不是同一次消耗。

Step 3 · 剔除边界区间

• 区间任一端 used% ≥ 99.5（剩余 0%）：计数器饱和，超额消耗不再反映在百分比上 → 剔除。
• 区间任一端 used% ≤ 0.5（剩余 100%）：新周期起点，上一周期残余计费会落进来 → 剔除。
• drop = 0 的区间保留：去掉上面两种状态后，「花了不少美元但计数器没动」是真实的上界约束（y = drop+1 = 1 ⇒ Q ≥ 美元 × 100）。

Step 4 · 包络法求 Q

对每个区间与每个聚合窗口（1、2、3、4、5、6 小时，步长 = 窗口/4）：

Q_point = 100 × USD(window) / (drop_pp(window) + 1)

+1 是量化修正：真实 drop 落在 (drop, drop+1) 之间，取最保守的一端，保证不把两个相差 1 pp 的相邻窗口当成不同容量。

Step 5 · 取最大，并做块级交叉检查

Q_window = max over all windows of Q_point
Q_block  = 100 × USD(block) / (drop(block) + 1)
Q100     ≥ max(Q_window, Q_block)

两个口径必须接近；若差很远，说明块内消耗速率不恒定（模型切换、计划变化），需要解释而不是取大的那个。

Step 6 · 守恒自检

图中所有点都必须落在包络线之上；任何一点落到线下就是计算错误（violations 必须为 0）。另外逐条校验「我的用量 + 他人用量 = 账户用量」，不成立就不发布占比。

4. 为什么这样取数

• 为什么用 API 参考价而不是账单：订阅计划不按 token 出账，唯一可复现的绝对尺度是官方公开价。代价是它假设「API 价格 ∝ 配额扣减」，这个假设必须写在结论旁边。
• 为什么要按 message id 去重：同一轮对话会以多个快照写入 transcript（流式更新），不去重会把用量放大 2–3 倍（实测 1253 条记录 → 619 个 message id）。
• 为什么只读窗口内数据：transcript 是追加写的，一个开了几个月的 session 文件今天仍在被追加。按文件修改时间过滤只能甩掉 7% 的文件；必须按「窗口内出现过的 message id」做行级过滤，才能把处理量降到 7 天该有的水平（内存 3.4 GiB → 1.1 GiB）。
• 为什么用 1–6h 多个窗口：窗口越短越容易受 1 pp 量化影响，越长越容易被中途的模型切换污染。多窗口取最大是一种稳健化。

5. 单独估计 fable 额度

问题：如果只能把额度花在 fable 上，100% 等于多少美元？做法是只把 fable 事件放进分子，分母仍然是账户整体的 drop：

Q_fable = max over windows of 100 × USD_fable(window) / (drop_pp(window) + 1)

6. 当前结果（2026-11-11 快照）

关键读法：本周期每 1 pp 额度只买到 12.7 美元用量，上一周期是 25.5 美元。同样掉 1 pp，本周的美元价值少一半——这意味着本周开始模型权重或计划参数发生了变化，而不是数据噪声。

7. 六个常见错误

1. 新模型没有价格 → 用量被静默丢弃。价目表里查不到的 model 字符串会被判为 unpriced 并排除在美元总量之外，Q 随之被低估。上线新模型时必须更新价格卡，并检查 unpriced = 0。
2. 拿原始消息行直接求和。流式快照会重复计数 2–3 倍；必须先按 message id 取最终快照。
3. 把 0% 之后的超额消耗当作样本。计数器卡在 100%，用量与 drop 的关系已经断裂。
4. 跨块累加。不同周期的美元不能相加再去比一个块的 Q。
5. 用「现在的时刻」当横轴终点。横轴应是周期起点到重置时间。
6. 把下界当点估计。Q_min 是下界；用一个新周期的前 20% 推出的 Q 只能当趋势，不能当容量。

8. 复现方式（命令模板）

三段流水线，全部确定性、无交互：

# 1) 抽取窗口内台账（行级过滤：先建窗口内 message id 索引，再保留这些 id 的全部观测行）
python3 freeze_local_ledger.py        # 环境变量：SOURCE / OUT / START / END

# 2) 计价 + 生成包络图（all-model 与 fable-only 两个口径）
python3 claude_envelope_daily.py      # 输出 PNG + manifest.json

# 3) 发布到 Discord / 页面
python3 post_thread.py --thread <id> --text <summary> --image a.png --image b.png

校验清单：unpriced == 0、violations == 0、全部点位于包络线上方、块级 Q 与窗口 Q 同量级。

9. 局限与声明