https://codexer.com/tags/token-%E6%88%90%E6%9C%AC/Recent content in Token 成本 on CodexerHugozh-cnSat, 19 Sep 2026 08:00:00 +0800https://codexer.com/posts/2026-09-19-codex-orchestration-cost-idle-parent-trap/Sat, 19 Sep 2026 08:00:00 +0800https://codexer.com/posts/2026-09-19-codex-orchestration-cost-idle-parent-trap/<blockquote> <p>📄 本文综合改写自 Aashish Bhandari（Max）发布在 DEV Community 的实测报告《Two agents, one night, 158 million tokens: what it cost and what we are fixing》，原始数据来自 Codex 会话的运行时分析，原文链接见文末。</p> </blockquote> <p>9 月 15 日晚上，一份针对某个 Web 服务的设计评审报告摆到桌面上，里面列了 12 条问题：缺一个事务保护、重试和密钥轮换有缺口、交接路径很脆、诊断信息太薄、可移植性有问题。</p> <p>有人把这份清单丢给一个 AI 编程 agent，要求它把这 12 条全部修掉、写好测试、把改动整合起来、打出一个可交付的发布包。它做到了。</p> <p>第二天早上，另一个厂商的 AI agent 从零开始重建了同一份结果，做独立复核。两个 agent 用的规则文件不同，厂商不同，会话不同。复核结果：100 个测试全部复现，73 项浏览器检查全部复现，发布包逐字节一致，没有发现严重问题。</p> <p>整个夜晚，没有人敲一行代码。</p> <h2 id="一张凌晨的成绩单">一张凌晨的成绩单</h2> <p>先把实测数字摆出来，因为这篇复盘最有价值的部分就在这张表里。</p> <table> <thead> <tr> <th>指标</th> <th style="text-align: right">实测值</th> </tr> </thead> <tbody> <tr> <td>墙钟时间，第一条提示到最后一条</td> <td style="text-align: right">13 小时 4 分</td> </tr> <tr> <td>其中模型真正在工作的时间，约</td> <td style="text-align: right">5.5 小时</td> </tr> <tr> <td>改动文件数 / 新增行数</td> <td style="text-align: right">118 / 16369</td> </tr> <tr> <td>第二个 agent 复现的测试</td> <td style="text-align: right">100 / 100</td> </tr> <tr> <td>复现的浏览器检查</td> <td style="text-align: right">73 / 73</td> </tr> <tr> <td>交付包比对</td> <td style="text-align: right">逐字节一致</td> </tr> <tr> <td>所有模型处理的 token 总量</td> <td style="text-align: right">158137319</td> </tr> <tr> <td>其中重复读取已缓存上下文</td> <td style="text-align: right">95.4%</td> </tr> <tr> <td>其中模型真正新写出的文字</td> <td style="text-align: right">0.42%</td> </tr> </tbody> </table> <p>负责构建的是一套父子结构：一个最强的模型当父 agent 负责统筹，16 个跑在更便宜模型上的 worker 负责干具体活。按文章作者的说法，模型读掉的内容大约相当于两百本《战争与和平》，而它真正写出来的东西加起来还不到一本。</p>