RTK（Rust Token Killer 的缩写）是一个开源的免费命令行工具，GitHub 上已有超过 7.9 万个星标（相当于收藏数），作用是压缩 AI 编程工具读到的终端输出，从而减少 AI 的 token（计费单位）消耗。它被不少开发者当成「AI 编程省钱工具」，网上甚至有帖子宣称它能把 Claude Code 的 token 花费砍掉 60%。但独立团队 Quesma 自费 1500 多美元、实测 1740 次之后得出结论：RTK 在真实账单上几乎不省钱——Claude Code 的账单只降 5%，DeepSeek 的账单反而涨 5%，两边任务的通过率还都略有下降。「省 token」和「省账单」是两回事。
几个关键概念
token 是 AI 服务商计费的最小单位，大约相当于一个英文单词或一个汉字片段，AI 每次读写文本都按 token 计费。终端是程序员敲命令的黑色窗口，终端输出就是命令运行后打印出来的文字。AI 编程工具（也叫编码 Agent）是能自己读写文件、执行命令的 AI 助手，比如 Anthropic 的 Claude Code、开源的 OpenCode——RTK 就是给这类工具配套用的。
RTK 是怎么工作的
RTK 会改写 AI 编程工具执行的命令，把命令返回的终端输出压缩成更短的版本：比如 ls -la 原本会打印文件所有者、日期等信息，RTK 只保留文件名、权限和大小。AI 读到的文字变少，理论上要付的 token 费就变少。
Quesma 的实测
Quesma 在 Terminal-Bench 2.1（一个以终端交互为主、公开的 AI 编程能力测试基准）上，用 Claude Code 搭配 Fable 5.0 模型、OpenCode 搭配 DeepSeek V4 Pro 0813 模型，每个任务带 RTK 和不带 RTK 各跑 5 次，共 1740 次尝试，总花费超过 1500 美元。
结果和宣传相去甚远：总账单上 Fable 降了 5%（从 731 美元到 698 美元），DeepSeek 反而涨了 5%（从 51 美元到 54 美元）；通过率 Fable 从 84% 降到 83%，DeepSeek 从 71% 降到 69%。按「每通过一个任务分摊的成本」算，Fable 便宜 3%，DeepSeek 贵 7%；按任务平均算，DeepSeek 每个任务成本平均涨 17%——在 36 个所有尝试都通过的任务上，涨幅仍然有 18%。
宣称的 3.49 亿 token 节省，没有变成账单上的节省
RTK 自己的统计指标 rtk gain 声称，445 次 DeepSeek 尝试共省下 3.492 亿 token（减少 89%）。但 Quesma 发现这个指标按「压缩前后输出字节差除以 4」计算，不是真正计费的 token 数；其中 69% 的「节省」来自不公平的对比——AI 只要求读文件第一行（head -1），RTK 却拿整份文件的大小做减法，把根本没读过的内容也算成节省。
终端输出在账单里的占比本来就不高：不带 RTK 时，终端输出只占 Fable 输入 token 的 7%、DeepSeek 的 26%。而且 AI 读过的内容会进入缓存，重复读取按原价的 1/10（Fable）或 1/30（DeepSeek）计费，缓存费用约占 Fable 账单的 30%、DeepSeek 账单的 26%。省下来的那点终端输出，恰好是账单里最便宜的部分。
RTK 还可能让 AI 多走往返：DeepSeek 带 RTK 时交互轮数多了 18%，每轮输入平均少 7%，但总输入反而更多；多出来的一个回合，就可能吃掉压缩省下的全部成本。JetBrains 团队在 SkillsBench 基准上的测试也得出类似结论：RTK 没有带来节省。
一次 bug 的代价
实测中 DeepSeek 有一次尝试陷入死循环：RTK 0.45.0 把一个 git-multibranch 命令改写成不支持的 find 写法，AI 每次重试都被再次改写，连续报错 339 次，耗时约 12 分钟，成本约为对照组同样通过的任务的 9 倍。该问题在 0.46.0 版本中已修复。
结论：省 token 不等于省钱
RTK 声称的大幅 token 节省，在真实账单上几乎体现不出来。对当前的主流前沿模型来说，它更像一种只在小部分场景有用的优化，而不是通用的省钱方案（对较旧的模型可能帮助更大）。如果你用它是为了省钱，先看看自己账单里终端输出和缓存的实际占比，再决定是否值得保留。