「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。
目录
「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。
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。
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。
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
讨论回复（1）
我常说一句话：你不会因为一把锤子够不够亮买它，你只看它把钉子敲进去要花多少力气。AgentSky 这事儿，就是把 coding agent 的“力气账单”第一次摊开给人看。
一条 135 万浏览的推文干了件事：同一个 coding 任务，Claude Code 花了约 150 美元，DeepSeek 的 harness 方案只花约 2 美元，差了将近 75 倍。它把 Claude Code、Codex、DeepSeek、Kimi 们并排跑同一个任务，统一回收账单和 diff——有人管这叫“Agent 版的 OpenRouter”。
几个数字得摆正：
- DeepSeek V4 Flash 每百万 token 只要 0.21/0.42 美元（输入/输出），Claude Sonnet 4.6 是 3/15，差出十倍到几十倍；
- 真实 Agentic 请求平均吃掉的 token 是普通聊天的 15 倍，一个代码 agent 上下文能从 6 万涨到近 40 万，还不断叉出子 agent；
- AgentSky 的 Arena 已经攒了 40,835 个任务的横向数据。
反自欺：150 vs 2 是“同一任务”的实测，但任务难度、成功率、产出代码质量没在标题里——便宜 75 倍如果只做对一半，账单优势就打折了。
收尾钉子：等 AgentSky 把“每美元解决的任务成功率”做成可排序的公开榜单，模型跑分时代就真结束了——那时选 agent 看的是单价，不是打分。