Claude Code sends 33k tokens before reading the prompt; OpenCode sends 7k
6 hours ago
- #token efficiency
- #performance benchmarking
- #AI agents
- Claude Code在相同任务上使用的tokens显著多于OpenCode，其基线开销约为33,000个tokens，而OpenCode的简单回复仅需约7,000个tokens。
- 缓存效率低下是主要因素；Claude Code在会话中重写了数万个提示缓存tokens，导致缓存写入量最高可达OpenCode的54倍。
- 配置元素如指令文件和MCP服务器会带来大量tokens开销，实际设置中在用户输入前可能达到75,000至85,000个tokens。
- 子代理会急剧增加tokens使用量；一个原本消耗121,000个tokens的任务在分发给两个子代理后飙升至513,000个tokens。
- 在多步骤任务中，Claude Code的批处理相比OpenCode的串行方式可减少总tokens，但其基线成本仍然更高。
- tokens差距因模型而异；Claude Code在较新模型（如Fable 5）上的系统提示较小，缩小了开销比例。
- 提示缓存可降低成本但无法完全消除；缓存写入、读取和上下文窗口消耗仍会产生费用。
- Claude Code存在缓存前缀不稳定性，导致比OpenCode（前缀稳定）更频繁且更高成本的缓存重写。
- 测量通过记录精确JSON载荷和API使用的日志代理进行，结果记录在审计跟踪中以确保完整性。
- 研究结果凸显了在生产环境中监控tokens使用的重要性，尤其在《欧盟人工智能法案》等法规要求下。