松鼠窩閉源工班用量 DashboardClaude Code

資料源 ~/.claude/projects/**/*.jsonl＋蒸餾松 runs/*/*/{claude,codex}.stream.jsonl（assistant.usage，同 message.id 只取最後一筆） · 自 2026-09-23 起算 · 更新於 2026-10-02 12:11:04 · 每 30 分鐘自動重整

今天用多少2026-10-02 進行中，數字只到現在為止

今日總 token

52,011,419

昨日 97,283,507

輸入 2,422,214／快取讀 44,353,421／快取寫 4,764,625／輸出 471,159

今日快取命中率

86.1%

昨日 85.4%

今日全價輸入

7,186,839

沒吃到快取、得重新讀進去的部分

昨日 14,088,159

今日估算費用 $59.1（等效 API 價）

每日走勢

想看細節就點開

各模型用多少

模型	角色	輸入	快取讀	快取寫	輸出	總 token	命中率	費用
claude-opus-5-5	musictest、private-tmp、selftest_claude、可愛小爬蟲、地圖松、松鼠窩管家、棒棒貓、歷史報告松、決策建議松、研究助理松、胖黑松工頭、蒸餾松	16,970	1,129,597,759	42,673,516	6,557,097	1,178,845,342	96.4%	$663等值
gpt-6.1-sol	蒸餾松	7,211,638	32,550,784	0	375,990	40,138,412	81.9%	$21.4等值
claude-opus-5-5·搜尋	可愛小爬蟲、地圖松、松鼠窩管家、棒棒貓、歷史報告松、研究助理松、胖黑松工頭	—	—	—	—	—	—	$11.5等值
合計		7,228,608	1,162,148,543	42,673,516	6,933,087	1,218,983,754	95.9%	等值 $696

哪一隻用最多

各角色逐一明細

角色	模型	輸入	快取讀	快取寫	輸出	總 token	命中率	搜尋	費用
胖黑松工頭	claude-opus-5-5	7,042	620,362,318	15,944,373	3,424,487	639,738,220	97.5%	556	$297等值
研究助理松	claude-opus-5-5	2,134	165,161,160	4,186,225	824,277	170,173,796	97.5%	238	$79.0等值
松鼠窩管家	claude-opus-5-5	1,618	126,177,304	2,801,629	343,200	129,323,751	97.8%	17	$54.7等值
蒸餾松	claude-opus-5-5	3,398	89,737,277	14,196,377	1,077,063	105,014,115	86.3%	0	$153等值
地圖松	claude-opus-5-5	1,012	80,435,019	1,365,503	258,890	82,060,424	98.3%	65	$32.3等值
蒸餾松	gpt-6.1-sol	7,211,638	32,550,784	0	375,990	40,138,412	81.9%	0	$21.4等值
可愛小爬蟲	claude-opus-5-5	754	18,064,592	2,162,599	337,878	20,565,823	89.3%	269	$30.4等值
決策建議松	claude-opus-5-5	592	14,914,404	1,170,335	196,297	16,281,628	92.7%	0	$16.3等值
歷史報告松	claude-opus-5-5	206	10,095,984	266,950	55,842	10,418,982	97.4%	5	$5.32等值
棒棒貓	claude-opus-5-5	176	4,356,619	410,492	27,395	4,794,682	91.4%	2	$4.72等值
private-tmp	claude-opus-5-5	34	272,846	139,667	1,125	413,672	66.1%	0	$1.19等值
musictest	claude-opus-5-5	2	10,118	14,762	10,517	35,399	40.7%	0	$0.330等值
selftest_claude	claude-opus-5-5	2	10,118	14,604	126	24,850	40.9%	0	$0.121等值
合計		7,228,608	1,162,148,543	42,673,516	6,933,087	1,218,983,754	95.9%	1152	$696等值

每日逐天明細

日期	musictest	private-tmp	selftest_claude	可愛小爬蟲	地圖松	松鼠窩管家	棒棒貓	歷史報告松	決策建議松	研究助理松	胖黑松工頭	蒸餾松	總 token	全價輸入	命中率
2026-09-23	0	46,206	0	4,740,566	58,920,398	30,623,767	131,464	89,913	5,125,940	89,234	58,452,480	0	158,219,968	3,466,113	97.8%
2026-09-24	0	21,759	0	2,020,012	23,140,026	47,506,644	431,518	121,921	5,695,933	3,948,816	182,567,979	0	265,454,608	6,911,304	97.4%
2026-09-25	0	0	0	1,732,675	0	23,430,769	100,774	0	640,828	0	39,584,015	0	65,489,061	1,596,374	97.6%
2026-09-26	0	0	0	1,658,128	0	0	0	0	683,412	9,877,414	5,145,754	0	17,364,708	1,003,593	94.2%
2026-09-27	0	0	0	1,497,716	0	3,487,552	0	0	602,079	0	0	0	5,587,347	628,211	88.7%
2026-09-28	0	0	0	1,754,367	0	0	857,082	0	844,129	0	0	0	3,455,578	344,337	89.9%
2026-09-29	0	0	0	1,733,844	0	11,451,945	197,346	254,537	633,677	32,183,336	297,616,476	0	344,071,161	8,570,841	97.5%
2026-09-30	0	298,005	24,850	1,796,933	0	12,823,074	1,793,355	9,403,375	614,303	121,453,586	52,828,333	9,010,583	210,046,397	6,106,353	97.1%
2026-10-01	35,399	47,702	0	1,990,308	0	0	1,283,143	549,236	783,586	2,621,410	2,431,192	87,541,531	97,283,507	14,088,159	85.4%
2026-10-02	0	0	0	1,641,274	0	0	0	0	657,741	0	1,111,991	48,600,413	52,011,419	7,186,839	86.1%
合計	35,399	413,672	24,850	20,565,823	82,060,424	129,323,751	4,794,682	10,418,982	16,281,628	170,173,796	639,738,220	145,152,527	1,218,983,754	49,902,124	95.9%

這張表怎麼看

這一頁只量閉源模型：資料讀 ~/.claude/projects 的 transcript，外加蒸餾松的解題 run（headless claude -p／codex exec，它不寫 transcript，用量在 Bot_蒸餾松/runs/*/*/{claude,codex}.stream.jsonl），角色一律記為「蒸餾松」。
「等值」不是帳單：Claude Code 走老大 claude.ai 訂閱，金額是照 Claude Code 內建價目換算的等效值（Opus 5.5：in $4／out $20／cache 讀 $0.2／5m 寫 $5／1h 寫 $8，每百萬 token），不會出現在帳單上。
搜尋另外算：每次 web_search $0.01（web_fetch 沒列價、只計次）。跟開源頁同一個邏輯——費用圖與模型表都是多一條「模型·搜尋」（顏色用亮琥珀色），不混進模型本身的費用，另外也有一張搜尋圖看是哪隻角色在查。這版 Claude Code 的 server_tool_use 一律回 0，所以改成數 transcript 裡的 WebSearch／WebFetch 工具呼叫，用 tool_use id 去重、按日期與模型歸戶。
總 token＝輸入＋快取讀＋快取寫＋輸出。快取命中率＝快取讀 ÷ 全部輸入。全價輸入＝輸入＋快取寫（沒吃到快取的部分）。
去重：Claude Code 串流會用同一個 message.id 重複寫 transcript，token 只取最後一筆；搜尋是每個工具呼叫各寫一次，改用 tool_use id 去重，兩邊都不重複算。
之後要納入其他閉源模型（GPT／GLM 等），再往這個頁面加來源即可。