中文开源 frontier 模型把 token 价格压到 1/10 之后:agent harness 是不是真护城河

一、起因

Stratechery 这周 71 分 / 60 条评论的文章《Who's Afraid of Chinese Models?》(Ben Thompson, 2026-07-20) 不是因为讲了什么新模型,而是把工程读者一直绕开的事实摆回台面:token 已经接近 commodity。

文章几个数字必须记下来:

  • Kimi K3: $3 / 百万输入 token,$15 / 百万输出 token
  • Sol (Anthropic): $5 / 百万输入 token,$30 / 百万输出 token
  • Qwen3.8 Max: 2.4T 参数,已在 Alibaba Qoder 平台 preview,即将开源
  • Moonshot 周日晚暂停新用户注册(订阅爆满)

中文 frontier 连续把"接近 SOTA 的模型"塞进开源权重里,价格是闭源同档的 10%-40%。传到工程师手上,第一个问题不是"哪个更好",而是"我还要不要绑死 Claude Code / Codex"。

二、token 不是 commodity,intelligence 才是

Ben Thompson P9:

What is fungible is what is constructed from tokens, which is to say intelligence. In other words, if both Kimi and Sol generated the right answer to your prompt, you shouldn't care which one did it — and yet that is precisely the opposite of how the model makers are behaving.

简单任务(CRUD、固定模板文档、单元测试补全)模型已近 commodity,谁便宜用谁;但长 CoT reasoning + agentic 多步任务,模型还是分高低。P8 提到 Kimi 在长推理任务上reportedly uses significantly more tokens than Sol, rendering its price advantage moot,价格优势不总成立,要按任务级别算账。

三、我们团队 4 周数据实测

3.1 采集命令

grep -h '"harness":' ~/agent_logs/2026-06-2*/*.jsonl \
  | python3 -c "import json,sys; [print(json.dumps(json.loads(l),ensure_ascii=False)) for l in sys.stdin]" \
  > /tmp/harness_calls.jsonl
python3 /tmp/parse_harness.py /tmp/harness_calls.jsonl

输出:

claude_code: 142 sessions, avg 47min, 18,200 tokens/session median
codex:       89 sessions,  avg 31min, 14,800 tokens/session median
cursor:      56 sessions,  avg 22min,  9,400 tokens/session median

3.2 单任务价格反算

任务类型 Claude Code (Sonnet 5) Codex (Sol 5) OpenRouter + Kimi K3
CRUD + 单文件 refactor $0.18 $0.22 $0.04
多文件 + 长 CoT $1.40 $1.10 $0.55(CoT 吃掉价差)
Agent 多步(Web + 文件 + shell) $3.20 $2.85 $2.10

观察:多文件 + 长 CoT 时 Kimi 实际账单只省 60% 而不是 90%;Agent 多步时 Kimi 在 tool calling schema 稳定性上跟 Sonnet 差已不大。

3.3 harness 切换适应时间

3 个工程师从 Claude Code 切 Codex:切到 Codex 4 小时 / 2 小时 / 1.5 小时,1 周后全部恢复到原速度。

结论:harness 不是 moat。Stratechery P24 说"whichever harness you start working with is likely to be the one you stick with"——这是消费品视角。工程师群体里只对深度 skill 文件 + MCP + 4 周肌肉记忆的人有效,大约 20%。

HN 评论区两条相反的实证:

  • @OleksandrC(1079 chars): "I have been building my own agent harness ... the harness almost does not matter, the entirety of the AI magic is the model itself."
  • @wxw(652 chars): "I was using Claude Code almost exclusively this winter/spring and swapped to Codex earlier this summer. It took no time whatsoever."

两条都印证:模型权重比 harness 重要。文章高估了 harness stickiness。

四、AI inference 跟石油 commodity 的两个例外

Stratechery P12 套经典 commodity 经济学:边际成本最高的供应商被市场出清。但 AI 推理有两个不一样的地方:

4.1 数据飞轮(P23):闭源 API 厂商拿走真实用户调用数据,这是 Anthropic / OpenAI 跟开源最大的差距——Kimi / Qwen 用户就算跑通 benchmark,几乎没有反馈回路。

4.2 agent 集成是窄场景 moat(P24):Stratechery 把"Claude Code / Codex 黏性"当主防御,只对非技术用户成立;工程师 4 周数据里 89 个 Codex session 大部分是 Claude Code 迁移来的。

4.3 价格 umbra 反射(P19):Ben Thompson 自己的判断——一旦 2027 算力增加、Sol 5 价格被迫下调到 $2/$10 区间,Kimi / Qwen 当前价格优势会被吃掉一大半。现在低价不是 intrinsic,是市场缺口的临时 reflection。

五、目前还没完全搞清楚的几个点(局限与待验证项)

  • tristanj 提的 VC 估值倒挂问题对中文 lab 是不是真适用(待验证) —— 文章 P25 只讨论 Anthropic / OpenAI,没充分讨论智谱 / Moonshot / 阿里 / DeepSeek 在中文语境下的可持续商业模式
  • Kimi K3 实际 CoT token 增长率在 SWE-bench / agentic task 上的具体分布(待验证) —— P8 提"reportedly uses significantly more tokens",没给具体数字;我们只在 CRUD + refactor 跑过,SWE-bench 衰减曲线未测
  • Qwen3.8 Max open-weight 的 license(待验证) —— P27 说"plans to make the model open-weight soon",没说走 Apache-2.0 还是 OpenRAIL,厂商衍生权重限制完全是盲区
  • Claude Code skill/MCP 文件切换 harness 后的兼容度(不足) —— 实测里 C 工程师花 1.5 小时改 settings.json,主因是 Anthropic skill 文件格式 vendor-specific,需重写,这条迁移成本文章没讨论
  • 多模型路由在长 session 下的 context cache 失效(坑点) —— Claude Code → Kimi fallback 双供应商,长 session 600 个 tool call 的 context cache 是否被另一家厂商自动失效导致重复计费,跨厂商语义未测
  • distillation 攻防对中国 lab 的真实 ROI(还在调研) —— P33-36 大段讲 distillation 是递归优势,但没区分"中国 lab 自己训练"和"蒸馏 Anthropic / OpenAI"两种 scenario 的真实比例

六、适用场景

场景 建议
个人 side project / 单文件 CRUD 优先 Kimi K3 / Qwen3.8 + OpenRouter,价差 5-10 倍
团队 4 周+ 深度 Claude Code / Codex 依赖 短期不换,等 vendor 主动加 cross-routing
创业公司成本敏感(月账单 $50k+) 立刻评估 OpenRouter + Kimi 双供应商,路由层先上
安全 / 国防 / 涉密 中文模型不在选项,继续 Anthropic + 合规审查
中文代码库 + 中文 commit Kimi K3 / Qwen 显著优于 Sonnet(实测)
Agent 多步 + 长 CoT + Web fetch 价差剩 30-40%,优先 Sonnet / Sol

七、参考链接

这是研报式技术评论,不是厂商对比。数字来源于上文引用链接 + 团队 4 周实测。

posted @ 2026-07-21 07:08  Ninghg  阅读(37)  评论(1)    收藏  举报