「AgentSky 引爆编码代理性价比之战：同一任务 Claude Code 花 150 美元，DeepSeek harness 仅 2 美元」

> 当一次 Agent 任务的成本可以相差 75 倍，”每百万 Token 解决多少任务”正在取代”模型跑分”，成为更硬的选型指标。

一、一条 135 万浏览的推文，撕开了成本黑箱

8 月 25 日，开发者 @quxiaoyin 发布了一个叫 AgentSky 的对比平台，并贴出同任务横向实测：在一项相同的 coding 任务上，Claude Code 花费约 150 美元，而 DeepSeek 的 harness 方案只花了约 2 美元——差距接近 75 倍。这条推文浏览量冲到 135 万+，@svpino 将其类比为”Agent 版的 OpenRouter”：它把 Claude Code、Codex 等不同编码代理并排跑同一个任务，统一回收账单与 diff，让性价比第一次变得可量化。

flowchart LR A[过去:模型跑分选型] –> B[关注 benchmark / 榜单名次] A –> C[厂商堆参数、刷榜] B –> D[现在:经济性选型] D –> E[每百万Token解决多少任务] D –> F[AgentSky统一回收账单+diff] F –> G[性价比可排序]

二、为什么是现在？Agent 的 token 账单失控了

OpenRouter 数据显示，真实的 Agentic 请求平均消耗的 token 是普通聊天的 15 倍；一个代码 Agent 的上下文会在任务推进中从约 6 万涨到接近 40 万 token，还不断穿插子 Agent 调用。于是”模型谁更强”的叙事，正在让位于”成本与协作形态”：语音 Agent（OpenAI Devs 预告 Codex 语音免键盘工作流）、跨工具记忆、本地化执行成为新热点。同期 @alvarombt 还揭露 Codex 的某些使用限制被 harness 绕过、导致高额 token 消耗，OpenAI 随后调整了策略。

sequenceDiagram participant U as 用户 participant S as AgentSky participant C as Claude Code participant D as DeepSeek harness participant X as Codex U->>S: 提交同一 coding 任务 S->>C: 派发任务 S->>D: 派发任务 S->>X: 派发任务 C–>>S: 返回 diff + 账单 2 X–>>S: 返回 diff + 账单 $? S–>>U: 并排对比性价比排名

三、字节的回应：把”编程+智能体+办公”塞进一个豆包

同一天，字节跳动完成 AI 产品线整合——TRAE 编程工具、扣子（Coze）智能体平台并入豆包，并推出”豆包工作”：围绕用户目标自主拆解任务、调用工具、推进工作流，与飞书深度打通。这标志着国内大厂的竞争从”单点模型”切换到”全栈生产力平台”：模型—工具—办公的闭环。

graph TB P[编码代理性价比战场] –> Q1[AgentSky类对比平台:量化每任务成本] P –> Q2[harness成本契约:Muse Code/Orca ADE按贡献档定价] P –> Q3[全栈平台:豆包工作=TRAE+扣子+飞书] Q1 -.倒逼.-> R[厂商从堆参数转向降单位成本] Q2 -.倒逼.-> R Q3 -.倒逼.-> R

四、值得关注的逻辑

编码代理的竞争规则变了。过去比 benchmark、比刷榜；现在比”同样一件事，谁花得更少”。AgentSky 这类对比平台会把战场拉到可量化的经济性维度。这与近期 Orca ADE 的并行编队、各家 harness 的成本契约，是同一股潮流的不同切面——Agent 时代的胜负手，正从”模型力”位移到底层的”经济性基础设施”。

参考来源

– 稀土掘金《AI 日报 2026-08-25》 – AGI HUNT · AI News Daily 2026-08-25 – 腾讯新闻《OpenClaw 快讯》《AI Agent 动态日报》8/25 – Smartotics AI Daily Report 2026-08-25