8 月 31 日，两件关于 AI coding 的事在同一天落地：一边是 Claude Sonnet 5 正式涨价、且分词器改动让代码类任务的 token 凭空多出一截；另一边，最新的 agent harness 榜单把 Claude Code 推上了长自主会话的第一名。把它们放在一起，一条比「谁模型更聪明」更冷的主线浮现出来——模型在变贵，而真正的护城河正在从「模型能力」滑向「harness（运行时外壳）：会话管理、优雅失败、吞吐调度」。

一、账单日：Sonnet 5 今起涨价，而且是双重打击

从今天起，Claude Sonnet 5 的定价正式上调：输入从 $2/百万 token 涨到 $3，输出从 $10/百万 token 涨到 $15，涨幅约 50%。如果只看这张价目表，你会以为成本只多了五成。

但真正动手写过代码的都知道，更狠的一刀在分词器。Anthropic 同步做了一个 tokenizer 变更，对代码类内容会多产生 10%–35% 的 token。也就是说，同一段 Python、同一个 diff，今天喂给模型要比上周多花一截。

维度	8 月 30 日及之前	8 月 31 日起
输入价	$2 / 百万 token	$3 / 百万 token
输出价	$10 / 百万 token	$15 / 百万 token
代码 token 量	基准 100%	基准 110%–135%
有效成本	1.0×	约 1.65×–1.85×

把价格涨幅和 token 膨胀叠起来，一个重度依赖 Sonnet 5 跑 coding agent 的团队，有效成本实际上涨了大约 65%–85%，而不是账面上那 50%。同一天，GPT-5.4 / GPT-5.4 mini 退出 Codex、改走 ChatGPT 登录通道（API key 仍可走）；Kimi-k2.5 与 moonshot-v1 退役，迁移到 kimi-k3。模型层的重新定价与迁移，在周一早晨同时砸向开发者。

图 1 · 价格涨 50% 叠加代码 token 膨胀 10%–35%，coding 工作负载的有效成本实际上涨约 65%–85%。

**真正要警惕的，不是 Anthropic 涨价。**这是 agent 时代「算力税」的开始：当 coding agent 把一次需求拆成几十上百轮工具调用，token 消耗是指数级放大的，价格与分词器的任何风吹草动都会被杠杆放大。团队如果只看「每百万 token 单价」做预算，会严重低估真实账单。正确的看板应该盯住 「每个被合并的 diff 花了多少钱」，而不是「调了几次模型」。

二、同一天，Claude Code 登顶 harness 榜

涨价的新闻盖过了一另一条同样重要的线：8 月最新的 agent harness 排名里，Claude Code 在「长自主会话」维度排到了第一，领先 Codex CLI、Cursor、Gemini CLI 和 GitHub Copilot。评测看的不是「模型谁更强」，而是 hooks 的深度、subagents 的编排、动态工作流，以及——最关键的一条——「失败时的表现有多优雅」。

榜单的微妙之处在这里：这几家跑的往往是同一个前沿模型，差异来自外壳（harness）本身。

Harness	领先维度
Claude Code	长自主会话、hooks 与 subagents 深度
Codex CLI	云端 PR 型自主（pull-request-shaped autonomy）
Cursor	编辑器内工作流
Gemini / Copilot	补全前五，各有场景

结论很清楚：它们不是在抢同一份活。谁能把同一个模型用得更稳、跑得更长、挂得更体面，谁就赢。

图 2 · 同一前沿模型之下，差异来自 harness：会话管理、子代理编排、失败恢复，而非模型权重。

**模型人人可换，harness 才是黏性。**一个更好的 harness 能在「不提高单步速度」的前提下提高整体吞吐——Linear 上周的遥测数据就指向这一点：换更好的外壳后，单位时间交付的 diff 变多了，但模型推理没变快。对工程团队来说，这意味着把投资从「追新模型」挪一部分到「打磨自己的 agent 运行时」：上下文压缩、错误恢复、沙箱隔离、成本护栏。

三、为什么 harness 比模型更值钱

长自主会话的难点，从来不是「模型够不够聪明」，而是一个工程问题集合：

• 上下文压缩：跑了几百轮后，怎么在不丢关键信息的前提下把历史压下去；
• 子代理编排：什么时候 fork、什么时候 merge、怎么避免子树爆炸；
• 失败恢复：工具调用挂了、测试红了，是重试、回滚还是换路径；
• 成本护栏：到哪个额度强制停、哪些操作需要人工确认。

这些都不是模型权重能解决的。它们是运行时工程，是写一次、处处复用的中间层资产——正好对应我们上周聊的「Agent 变成 utility（公用设施）」那条线：插件标准、身份协议、可复位环境之后，harness 是最后、也最贴近用户的一层。

图 3 · 更好的 harness 提高的是「吞吐」（单位时间交付量），而不是「单步速度」。

四、给工程团队的三条动作

把今天这两件事合起来，对正在把 coding agent 塞进生产环境的团队，有三条立刻能做的：

1. KPI 从「调用量」换成「token-to-shipped-diff 效率」。让每一块钱的账单对应到一个真正进仓库的改动。
2. 把 harness 当产品来投资。错误恢复、上下文压缩、沙箱隔离，这些才是你能掌控、且友商抄不走的部分。
3. 模型保持可替换。Sonnet 5 会涨价、GPT-5.4 会退出 Codex，把链路设计成「模型可热插拔」，才不会在供应商一抖腿时跟着摔。

**一句话收束：**模型在变贵，这是趋势不是意外。但贵的那部分恰恰说明——价值正在从「模型智商」向「把模型安全、可观测、可追责地跑完一个长会话的能力」转移。下一次你评估一个 coding agent，别只问它接了哪个模型，要问它的 harness 能不能在半夜三点、网络抖动、测试全红的时候，还把活干完。

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。