Aider、Claude Code 和 OpenClaw 运行相同模型，令牌使用量相差 70 倍。
内容提要
AI编码代理的护栏与模型同样关键。基准测试显示，护栏的启动开销和缓存命中率显著影响成本，差距可达数倍，而任务成功率仅差几个百分点。企业应关注每次验证结果的成本，而非单纯比较令牌数。护栏选择对成本影响巨大，值得与模型同等重视。
延伸解读
成本差异的根源：启动开销与缓存命中率
基准测试显示，不同编码代理的令牌消耗差异巨大，主要源于两个机制：一是启动开销，即系统提示和工具描述等固定令牌，Aider约700令牌，而OpenClaw约26,000令牌，且每轮都会重复发送；二是缓存命中率，Claude Code仅1.5%的输入令牌来自缓存，而Codex约70%，缓存输入成本仅为非缓存的五分之一。因此，令牌数相近时，实际费用可能相差数倍。
成本与成功率：不同量级的权衡
尽管成本差异显著，但任务成功率差距较小。Composio测试中，八种代理的成功率在46.7%至66.7%之间，相差20个百分点，而成本差距可达数倍。例如，Claude Code与DeepAgents成功率相同，但前者每次成功成本是后者的四倍以上。这表明，选择代理时，应优先关注成本与成功率的综合性价比，而非单纯追求最低令牌数或最高成功率。
警惕静默截断：隐藏的风险
在注入100,000令牌噪声的测试中，Kilo和Opencode丢弃了83%-89%的输入却仍报告成功，这种静默截断极具危险性，因为它看起来与正常成功无异，但可能遗漏关键信息。相比之下，OpenClaw拒绝运行，Kimi Code崩溃，Claude Code虽完整发送但表现不佳。企业在选择代理时，应验证其处理长上下文的能力，避免因静默截断导致任务质量下降。
Q&A
为什么AI编码代理的护栏（harness）对成本影响如此之大？
因为护栏的启动开销（系统提示词、工具描述等）和缓存命中率显著影响成本。启动开销大的护栏在多次交互中会重复发送大量令牌，而缓存命中率低则导致更多输入按全价计费，两者叠加可使成本相差数倍。
在AI编码代理的基准测试中，令牌使用量最大差距是多少？
在六月的基准测试中，令牌使用量从Aider架构模式的约3,500个令牌到OpenClaw的292,000个令牌，差距约70倍。
为什么Claude Code的令牌消耗与竞争对手相当，但成本却更高？
因为Claude Code的缓存命中率极低，只有1.5%的输入令牌来自缓存，而竞争对手如Codex和OMP的缓存命中率分别约为70%和57%。未缓存的输入成本约为缓存输入的5倍，因此尽管令牌总数相近，Claude Code的账单却更高。
在AI编码代理中，护栏的选择对任务成功率有多大影响？
护栏的选择对任务成功率的影响相对较小，通常只有几个百分点的差距。例如，Composio的测试中，通过率从OpenCode的46.7%到Pi Agent的66.7%，相差20个百分点，但成本差异却可达数倍。
企业采购AI编码代理时，应该关注哪些指标？
企业应关注每次验证结果的成本（cost per verified outcome），而不是单纯比较令牌数。因为令牌数相同的情况下，缓存命中率等因素会导致实际成本差异巨大。
什么是“启动税”（startup tax）？它如何影响AI编码代理的成本？
启动税是指护栏在每次交互开始时发送的系统提示词、工具描述和环境设置等固定令牌开销。例如，Aider架构模式的启动开销约为700个令牌，而OpenClaw约为26,000个令牌。如果交互轮次多，启动税会成倍增加总令牌消耗，从而推高成本。
在AI编码代理中，缓存命中率受哪些因素影响？
缓存命中率受端点方言、网关和提供商路由的影响。例如，Claude Code通过Anthropic风格的消息端点与OpenRouter通信，导致缓存命中率降低，而使用OpenAI风格端点则可能获得更高的缓存命中率。
AI编码代理的护栏选择对成本的影响有多大？
护栏选择对成本的影响巨大，甚至可能超过模型本身。在测试中，不同护栏的成本差异可达数倍，例如Composio测试中，每个成功任务的成本从Pi Agent的$0.028到Claude Code的$0.195，相差近7倍。
