拆 21 个模型-harness，TaoToken Key 下的成本结构-育师

1. 从 401 与 config.toml 读错开始：把 21 个组合收敛到 TaoToken Base URL

当 Claude Code 报401 invalid x-api-key，Codex 在config.toml里找不到model_providers，Pi 又把旧的ANTHROPIC_BASE_URL读进环境变量时，先别急着换模型。更稳的做法是把供应商层统一：去 TaoToken 官网入口拿 Key，链接是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_intro ，Base URL 固定为 https://taotoken.net/api 。这一步做完，再去拆 7 个模型 × Claude Code、Codex、Pi 三种 harness 的 21 个组合，成本差异才有可比性。

外部评测里常见一个结论：同一批模型放进不同 harness，任务成功率未必差很多，但账单可能差出明显幅度。原因不神秘，harness 不生产 Token，它决定模型推理被触发多少次、每次携带多少上下文、工具结果是否重复注入、失败后是否重试、历史是否被压缩、输出是否被截断。真正消耗 Token 的是模型推理本身，harness 负责改变推理路径。于是“模型单价”只是成本公式的一半，另一半藏在 harness 的上下文工程里。

本文按成本结构拆解者视角写：不讨论玄学排名，只做可复现的成本归因。你会得到三样东西：Claude Code、Codex、Pi 三类 harness 的供应商配置方法；21 个模型-harness 组合的成本拆解表；一套把请求日志映射到 Token 账单的本地分析流程。所有 Key 都用YOUR_API_KEY占位，Base URL 统一为https://taotoken.net/api，工具配置里不加 UTM，官网跳转链接带 UTM。

2. 成本结构拆解口径：harness 不是模型单价，而是 Token 路径

先把口径定清楚，否则 21 个组合会变成 21 组不可比数字。

总成本可以粗略写成：

总成本 = 输入 Token × 输入单价 + 输出 Token × 输出单价 + 缓存写入成本 + 缓存读取成本 + 失败重试带来的重复推理 + 工具结果与系统提示的重复注入

其中模型单价由 TaoToken 侧按实际模型计费，harness 改动的是后面的 Token 路径。具体来说，三种 harness 会在这些地方产生分叉：

系统提示长度：Claude Code、Codex、Pi 对任务约束、工具 schema、仓库规则的注入方式不同，输入 Token 的起点就不同。
文件读取策略：有的 harness 倾向先读目录再读文件，有的会批量读取；读得越多，输入 Token 越高。
上下文压缩：长任务里是否自动摘要、何时丢弃历史，会直接影响后续每轮请求的输入长度。
工具调用次数：同一任务被拆成多少次工具调用，就有多少次模型推理。
失败重试：命令失败、补丁冲突、测试挂掉后是否自动重试，重试次数就是成本放大器。
输出长度：补丁、解释、计划、日志摘要都会消耗输出 Token。
缓存命中：相同前缀是否复用，缓存读取比例会影响实际单价。

所以 21 个组合不能只记录“成功/失败”。至少还要记录：输入 Token、输出 Token、缓存写入、缓存读取、工具调用次数、重试次数、每成功任务成本。成功率接近时，比较每成功任务成本；成功率差距大时，先看失败任务是否产生了无效推理。

在统一 TaoToken Key 后，你可以把模型 ID 作为横轴，harness 作为纵轴。7 个模型可以先用 M1 到 M7 占位，实际替换成你控制台可用的模型 ID。不要用“感觉哪个便宜”来选，直接用矩阵跑。

3. Claude Code 配置：settings.json 与 ANTHROPIC_* 的可复制写法

Claude Code 侧优先使用settings.json，这样项目级和用户级配置可分离。创建 Key 的入口在 TaoToken 官网，链接是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=claude_code_key 。Key 占位符用YOUR_API_KEY，Base URL 用https://taotoken.net/api。

用户级配置可参考：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "YOUR_API_KEY", "ANTHROPIC_MODEL": "your-main-model-id", "ANTHROPIC_SMALL_FAST_MODEL": "your-fast-model-id", "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "8192" } }

如果习惯用 shell 环境变量，也可以这样：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="YOUR_API_KEY" export ANTHROPIC_MODEL="your-main-model-id" export ANTHROPIC_SMALL_FAST_MODEL="your-fast-model-id"

这里的关键点是：Claude Code 读取的是ANTHROPIC_*系列变量，不要把 Codex 的config.toml混进来。常见报错401 invalid x-api-key多数不是模型问题，而是 Key 没被当前 shell 或当前项目配置读到；404则要检查 Base URL 是否被写成了别的路径。统一写https://taotoken.net/api，不要给 Base URL 附加 UTM 参数。

成本观察点：Claude Code 的上下文往往包含项目规则、工具说明、文件片段。做 21 组合评测时，建议固定工作目录、固定初始 prompt、固定测试命令。否则 Claude Code 在不同仓库里读到的文件数量不同，输入 Token 会漂移，最后把 harness 成本差异误判成模型差异。

4. Codex 配置：config.toml 独立 provider，不要把 ANTHROPIC_* 混进去

Codex 侧使用config.toml，不要复用ANTHROPIC_*。很多配置失败就败在这一步：把 Claude Code 的变量复制进 Codex，结果 Codex 既不读ANTHROPIC_BASE_URL，也不认ANTHROPIC_API_KEY，最后表现为请求没发出或认证失败。

可复制配置示意：

model = "your-codex-model-id" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "chat"

然后在 shell 中设置 Key：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

如果你的 Codex 版本要求responses或其他 wire API，以你本地版本文档为准；本文能核实的是供应商入口：Base URL 为https://taotoken.net/api，Key 来自 TaoToken 控制台。创建 Key 的入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_key 。

成本观察点：Codex 在编码任务里常出现“计划—编辑—运行测试—修复”的循环。每一次循环都可能重新携带部分历史。要拆成本，就在本地日志里记录每轮请求的 input tokens 和 output tokens。若同一模型在 Codex 下的重试次数明显高于 Claude Code，那么成本上升不一定来自单价，而是来自重复推理。

另外，不要为了让 Codex 读 Claude Code 配置而把ANTHROPIC_*写进config.toml。这是无效映射。正确做法是三份配置各自独立：Claude Code 用settings.json，Codex 用config.toml，共享的只有同一个 TaoToken Key 和同一个 Base URL。

5. Pi 与 CC Switch 三件套：多 harness 并行时的 Key 映射

Pi 作为第三种 harness，在原文语境里和 Claude Code、Codex 并列参与 21 组合。如果 Pi 本地版本支持自定义 OpenAI 兼容或 Anthropic 兼容供应商，就把 Base URL 填https://taotoken.net/api，Key 填YOUR_API_KEY。如果它没有公开的自定义供应商入口，不要臆造插件名或配置字段；这种组合只能标记为“不可改写”，不纳入统一 Key 成本对比。否则你会得到一张假表：看起来 21 个组合都统一了，实际 Pi 走的是另一条链路。

CC Switch 三件套可以理解为三份配置文件的切换：

Claude Code：~/.claude/settings.json Codex：~/.codex/config.toml Shell 环境：~/.config/taotoken/env.sh

env.sh可以这样拆开写：

# Claude Code 使用 export ANTHROPIC_API_KEY="YOUR_API_KEY" export ANTHROPIC_BASE_URL="https://taotoken.net/api" # Codex 使用 export TAOTOKEN_API_KEY="YOUR_API_KEY"

切换时只加载对应变量。常见错误是全局同时导出所有变量，结果 Codex 读到了ANTHROPIC_*，或者 Claude Code 读到了空 Key。多 harness 评测里，建议每个组合用独立 shell 会话，并在日志开头打印当前 harness 名称、Base URL、模型 ID，但不打印完整 Key。

Pi 的成本观察点与另外两者类似：看它每轮携带多少历史、工具结果是否截断、失败后是否重试。如果 Pi 不支持统一 Key，就不要把它的账单和 TaoToken 账单混在一起比较；可以单独记录它的本地耗时和成功率，但成本表里标注为不可比。

6. 21 个模型-harness 成本结构拆解表

下面这张表是复现产出的核心。模型用 M1 到 M7 占位，实际替换成你可用列表中的模型 ID。Harness 固定为 Claude Code、Codex、Pi。每个组合都重点看“谁在消耗 Token”：模型推理。harness 负责改变输入长度、输出长度、重试次数和工具调用次数。

编号	模型	Harness	主要 Token 消耗	成本放大点	可观察指标	优化动作
H-01	M1	Claude Code	系统提示 + 文件读取	历史压缩前重复读文件	input tokens、cache read	固定工作目录，关闭无关自动读取
H-02	M1	Codex	多轮计划与补丁	测试失败后重复推理	output tokens、retry 次数	缩短计划输出，限制最大重试
H-03	M1	Pi	工具结果注入	长日志反复进入上下文	tool result tokens	只保留失败行，截断成功日志
H-04	M2	Claude Code	大文件片段	每轮重新注入项目规则	cache creation	合并规则文件，减少重复前缀
H-05	M2	Codex	编辑循环	小步提交导致轮次过多	request count	合并补丁，减少中间确认
H-06	M2	Pi	上下文摘要	摘要质量差导致再次读取	input tokens	固定摘要模板，限制历史轮数
H-07	M3	Claude Code	代码搜索	搜索范围过大	检索结果 Token	限定目录，排除构建产物
H-08	M3	Codex	命令输出	全量测试日志	output tokens	只输出失败用例摘要
H-09	M3	Pi	多文件编辑	文件内容重复携带	input/output tokens	分批编辑，完成后清空上下文
H-10	M4	Claude Code	长系统提示	工具 schema 较大	初始 input tokens	精简自定义指令
H-11	M4	Codex	自动修复	失败后连续重试	retry 次数	设置重试上限，失败即停
H-12	M4	Pi	对话历史	未压缩历史累积	input tokens	每 N 轮压缩一次
H-13	M5	Claude Code	文件分片读取	重复读取同一文件	cache read	使用缓存前缀，减少重复读取
H-14	M5	Codex	计划与执行分离	计划文本过长	output tokens	限制计划字数，直接给补丁
H-15	M5	Pi	工具调用链	工具结果格式冗长	tool result tokens	要求工具返回结构化短结果
H-16	M6	Claude Code	测试反馈循环	测试输出全量回灌	input tokens	只回灌失败堆栈
H-17	M6	Codex	长上下文修复	历史未及时裁剪	input tokens	每轮只保留最近变更
H-18	M6	Pi	多阶段任务	阶段间上下文重复	request count	阶段结束生成短摘要
H-19	M7	Claude Code	复杂重构	大范围文件读取	input tokens	先列影响面，再按需读取
H-20	M7	Codex	迭代补丁	补丁冲突重试	output tokens	冲突后停止并请求人工确认
H-21	M7	Pi	长会话	会话越长输入越高	input tokens	设置会话上限，超限新建

这张表不要只填一次。建议每个组合至少跑 3 次，记录均值和中位数。若某组合成功率接近但每成功任务成本明显高，优先优化该 harness 的上下文重复和重试策略。若某组合成功率低且成本高，先检查是否因为失败后无限重试，而不是模型本身不适合编码。

7. 一次编码任务如何归因：从请求日志到 Token 账单

要让 21 组合可复现，必须在本地记录日志。不要连接生产库，也不要把真实业务数据塞进评测。用本地 fixture 仓库即可。每次任务记录以下字段：

model harness task_id input_tokens output_tokens cache_creation_tokens cache_read_tokens retry_count tool_call_count wall_time_ms success

如果工具输出 JSONL，可以用jq做本地汇总：

jq -r '[.harness, .model, .input_tokens, .output_tokens, .retry_count, .success] | @tsv' runs.jsonl \ > summary.tsv

再按 harness 和模型聚合成本：

awk -F '\t' '{ key=$1" "$2; in[key]+=$3; out[key]+=$4; ret[key]+=$5; cnt[key]++; if($6=="true") ok[key]++ } END { for (k in cnt) printf "%s\tinput=%d\toutput=%d\tretry=%d\truns=%d\tsuccess=%d\n", k, in[k], out[k], ret[k], cnt[k], ok[k] }' summary.tsv

成本归因时，先算每成功任务成本：

每成功任务成本 = 该组合总成本 / 成功任务数

如果只算平均每次请求成本，会掩盖重试。一个组合可能单次请求便宜，但失败后重试五次，最终每成功任务成本更高。另一个组合可能单次输入很长，但一次通过，反而更便宜。

还要区分输入和输出。输入 Token 通常由 harness 的上下文策略决定，输出 Token 由模型回答风格和任务要求决定。若输出 Token 异常高，检查是否要求模型输出过多解释、计划、日志摘要。若输入 Token 异常高，检查文件读取、历史压缩、工具结果注入。缓存读取比例高时，实际成本会下降，但不要假设缓存一定命中；在表格里单独记录 cache read 和 cache creation，才能解释账单波动。

8. 降本矩阵：哪些 harness 改动不会伤成功率，只改成本

基于 21 组合，可以把优化动作分成四层。

第一层：输入压缩。限定读取目录，排除node_modules、dist、build、.git；只回灌失败堆栈，不回灌全量成功日志；每 N 轮生成短摘要，替代原始历史。这些动作通常不影响任务成功率，但会直接降低输入 Token。

第二层：输出控制。要求模型先给最小补丁，再给必要说明；限制计划文本长度；禁止重复粘贴已读文件内容。输出 Token 下降后，账单会立刻变化。

第三层：重试策略。给测试失败、补丁冲突、命令错误设置重试上限；相同错误连续出现两次就停止；重试前先压缩上下文。无限重试是成本结构里最隐蔽的漏洞。

第四层：模型路由。大模型做规划和难点修复，小模型做格式转换、简单补全、日志摘要。统一 TaoToken Key 后，切换模型不需要改 harness 的供应商入口，只需要改模型 ID。但要注意：模型路由会增加调用次数，若小模型也产生大量请求，总成本未必下降。用 21 组合矩阵验证，而不是凭感觉。

如果要在 TaoToken 侧查看 Key 与用量，可以再回到官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=cost_console 。Base URL 仍然是https://taotoken.net/api。为每个 harness 或每个实验批次创建独立 Key，便于把账单和组合对应起来。

9. 复现清单、报错对照与文末 CTA

复现清单可以按下面顺序执行：

准备本地 fixture 仓库，固定任务集、固定初始 prompt、固定测试命令。
在 TaoToken 创建实验 Key，占位符统一写YOUR_API_KEY，Base URL 使用https://taotoken.net/api。
Claude Code 写入settings.json，使用ANTHROPIC_*。
Codex 写入config.toml，使用独立 provider，不要把ANTHROPIC_*混进去。
Pi 若支持自定义供应商则填同一个 Base URL；若不支持，标记为不可比。
每个模型-harness 组合跑 3 次，记录 input、output、cache、retry、tool calls、success。
汇总成 21 行成本表，计算每成功任务成本。
先优化上下文重复和无限重试，再考虑模型路由。

常见报错对照：

401 invalid x-api-key：Key 没被当前 harness 读到，或 shell 会话未加载环境变量。
404：Base URL 写错，或误加了多余路径。工具配置统一用https://taotoken.net/api。
Codex 不生效：检查config.toml的model_providers，确认没有依赖ANTHROPIC_*。
Claude Code 不生效：检查settings.json的env，确认ANTHROPIC_BASE_URL和ANTHROPIC_API_KEY存在。
Pi 无法统一：不要编造配置字段，先确认本地版本是否支持自定义供应商。
成本异常高：优先看 retry 次数、工具结果注入、历史是否未压缩。

最后按高转化路径走一遍：先在模型对话里验证模型 ID 和响应是否符合预期，入口是 https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_cta_chat ；如果你要长期跑 21 组合，使用 Coding Plan 降低成本不确定性，入口是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_cta_plan ；然后创建独立 API Key，入口是 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_cta_keys ；Claude Code 的接入细节看文档 https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_cta_doc 。官网总入口也可以从这里进入：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_cost_final 。统一 Key 之后，21 个模型-harness 的成本差异就不再是黑盒，而是可以逐项拆开的 Token 路径。