在Anthropic API上跑一次模型评估，费用是9.14美元；换到Claude Code走订阅，费用是0美元。同一款模型claude-opus-4-8，27次调用，这不是估算，而是命令行工具在输出信封里打印的total_cost_usd：如果这次运行走API会花多少钱。走订阅后，这个数字只是“没人付钱”的收据。

这次切换还修好了比账单更重要的东西。使用--output-format json和--json-schema运行，走的是与API相同的结构化输出机制，即内部强制工具调用。作者的评估套件格式可靠性从15项中通过7项，提升到15项全部通过。

不过schema需要先放宽：要剥离pattern、minLength、maxLength、minItems、maxItems、format以及$schema元引用，因为CLI校验器不认draft-2020-12。严格校验仍保留在调用方的Zod层，所以实际上没有放松任何限制，只是把校验挪到了能运行的地方。

一个陷阱值得整篇帖子：如果子进程环境里存在ANTHROPIC_API_KEY，CLI会悄悄把费用记到API账户，而不是订阅账户。不会有报错，不会有警告，直到月底账单出现。这个变量需要在spawn时显式剥离。这是作者在其他人写的runner里最先寻找的失败模式：资金泄漏是无声的，唯一症状就是月底收到一张你以为免费运行的账单。

还有比省钱更重要的边界。这是开发循环工具。Anthropic的消费者条款禁止自动化访问，“除非你通过Anthropic API Key访问服务，或我们另行明确允许”；而规范API使用的商业条款并不涵盖消费者订阅。在自己机器上跑评估runner，是按CLI的设计用途使用；部署成对外服务则不是。对CLI迭代，用API上线。你的评估套件跑一次要花多少钱，又有没有人真正知道？原文发布于dylan.merigaud.com。