Relux Works 两位工程师翻遍 3808 份 Codex 会话，找到一个至今仍在的输入 token 泄漏：烧掉周额度的不是写代码，而是 agent 在 goal 模式下无所事事地空转等待。48 分钟里 173 次续跑、466 次模型调用，每次重读十几万到几十万 token；开 goal 的会话只占 1.5%，却吃掉了整整一半的输入 token。文章拆解了「等待」背后的成本公式、整数浮点 bug 以及 goal 模式的空转陷阱，并给出可复现的自救配置。

Runta 团队做了一场罕见的公平评测：把模型、任务、运行环境全部固定，只让 harness（代理执行层）这一个变量变化，让 9 个 AI 编程助手同台跑 360 次任务。结果很反直觉：12 种配置的通过率只差 17 个点，但每次通过的成本从 1.05 美元一路差到 18.34 美元，相差整整 17 倍。Codex 通过率最高且成本贴近中位数，Claude Code 通过率与 DSH Creator 相同却贵了 5.6 倍。文章用一道 python-statemachine 任务当标本，讲清了「会做题」和「会省钱」是两件独立的事。

说到 AI 编程烧钱，大家首先想到的是 Claude Code，那 Codex 是不是更省钱？作者用真金白银做了测试：一个再普通不过的 CLI 重构 PR，24 小时内烧光 270 美元的溢出额度。拆开账单才发现，真正的开销大头不是模型输出，而是并行子代理和反复读取的缓存，外加一个不小心踩中的 fast mode 溢价。