数据图：编程 Agent 解题时 95-99% 消耗的都是缓存 token
AccBalanced · x · 2026-10-29
Artificial Analysis 编码 Agent 指数的 Token 用量数据显示，各编程 Agent 在解决 Frontier Code 类基准任务时，输入 token 中 95-99% 是缓存 token，真正的非缓存输入和输出占比极小。
图中单任务平均 token 消耗最高的模型包括：Claude Code + Claude Sonnet 5.5 约 24.1M（其中 22.7M 为缓存输入）、DeepSeek Harness + DeepSeek V4.1 约 16.7M、Grok Build + Grok 4.7 与 Opencode + GLM-5.3 各约 15.9M，而 Codex + GPT-6 Astra 仅约 3.2M。
这组数据直观说明编程 Agent 的工作方式是反复携带超长上下文循环调用模型，缓存命中率直接决定使用成本，也是理解各家 Agent 定价差异的关键。
「编程与Agent」频道最新
- Omnigent v0.20.0 发布：PR 合并、Databricks 托管沙箱与 /mcp 命令 — matei_zaharia · 2026-10-29
- 「贴出你最近的 prompt」：多线程激进执行的 agent 提示词分享 — gethackteam · 2026-10-29
- SREGym 将在 Bench Summit 首发，瞄准 AI SRE 基准前沿 — tianyin_xu · 2026-10-29
- msgblast 0.10 发布:一个输入框同时群发多个 AI agent — msg · 2026-10-29
- 单次任务 400+ 工具调用,Monty 沙箱给 agent 撑起沙盒代码模式 — samuelcolvin · 2026-10-29
- GitHub 开源 lever:动词化 skills 库把枯燥工作交给 agent — 0xkarasy · 2026-10-29