Token Plan 深度比較報告
資料基準日：2026-10-04｜時區：Asia/Taipei｜幣別：USD / CNY
2026 年已不能用「月費 $20 誰最便宜」比較 Coding AI。真正有決策價值的指標是 有效 token、5h/weekly quota、並行度、429、模型品質、context 重讀成本、超額價格，以及能否把便宜模型與 frontier model 分層路由。
2026 年的 Coding AI 市場已明顯分成四層：模型原廠訂閱（Claude Code、Codex、Kimi、GLM、MiniMax）、多模型 Coding/Token Plan（火山方舟、阿里百煉、百度千帆）、AI IDE（Cursor、Copilot、JetBrains、Kiro、TRAE、Qoder、CodeBuddy、Windsurf/Devin），以及 provider-neutral agent harness/gateway（Cline、OpenRouter、Qwen Code、Hermes）。中國市場尤其已不是「廉價 API」而已，而是形成很成熟的固定月費 → 專用 API key → Claude Code/OpenCode/Cline/Hermes 的供應鏈。
我的主要判斷如下。
第一，純「訂閱含量」的性價比冠軍，目前更偏向中國 Token/Coding Plan，而不是美系 $20 plan。 MiniMax 現行 Plus/Max/Ultra 為 $20/$50/$120，官方直接給出約 1.7B/5.1B/12.5B M3-equivalent monthly tokens，Ultra 還標示約 6–7 個 Agent concurrency；這種透明程度非常適合 Hermes。
第二，Frontier-quality 層仍應保留 OpenAI 或 Anthropic，而不是把所有 Coding 都換成低價模型。 OpenAI 現行 GPT-6.1 Sol API 是 $2/$10 per MTok input/output；Claude Sonnet 5 同樣是 $2/$10，Opus 5 為 $5/$25。因此難題規劃、architecture、final review 與高風險 refactor 仍值得升級模型，但讓它們承擔每一次 repo search/test loop 非常昂貴。
第三，中國方案最大風險不是 nominal quota，而是 429、TPS 與「名義 request ≠ 實際 agent workload」。 awesome-coding-plan 的實測資料顯示火山、MiniMax、百煉、Kimi、GLM 的實際 throughput 差異很大；中國 Linux.DO 使用者也反覆回報火山與 GLM 在某些時段會出現 429、retry、速度下降。這些是社群樣本而非 SLA，但對 Heavy Agent 比「每月幾萬 requests」更有意義。
第四，對 Heavy Hermes，我不建議單押 Claude Max 20x、Codex Pro、Cursor Ultra 任何一個方案。 更好的 architecture 是：
高容量 Token Plan 做 worker + 一家 frontier subscription 做 planner/reviewer + 第二家 PAYG frontier 做 failover + local model 處理低價值工作。
在本文的基準模擬中，6-Agent Hermes 若完全 PAYG，frontier-heavy 模型組合約要 $2,205/月；將 80% 工作路由到 MiniMax M3 類廉價 worker 後，同一合成 workload 約降到 $328/月。而若能實際吃到 MiniMax Ultra 的 subscription quota，再搭配 Claude Max 5x 或 Codex Pro 作升級層，預算可以進一步落到約 $220–320/月級別，但前提是經過實測確認 5h/week throttling、context multiplier 與 6-agent concurrency。這是模型化估算，不是廠商保證。
另一個重要修正：Anthropic 曾宣布要把 claude -p / Agent SDK 與 subscription quota 拆開，但截至目前官方支援文件表示該變更已暫停，Agent SDK、claude -p 與第三方使用仍會消耗訂閱額度；因此不能把 Max $100/$200 理解為「interactive quota + 額外同額 SDK credit」。
市場地圖與比較方法
2026 AI Coding Supply Chain模型原廠 SubscriptionMulti-model Coding / Token PlanAI IDE / Coding ProductAgent Harness / GatewayOpenAI CodexClaude CodeGLM Coding PlanKimi CodeMiniMax Token Plan火山引擎方舟阿里百煉百度千帆OpenRouterNVIDIA NIMCursorGitHub CopilotJetBrainsKiro / Amazon QTRAEQoderCodeBuddyWindsurf / DevinReplit / ZedClineQwen CodeOpenCodeHermesOpenAI / Claude / Gemini / GrokQwen / GLM / Kimi / DeepSeek / MiMo / MiniMax顯示程式碼
最容易造成誤判的是把四種類型混成一張「$20 plan」榜單。例如 Cline 本身是 harness，ClinePass 才是 $9.99 subscription；OpenRouter 本質是 PAYG gateway；Qwen Code 是 Agent frontend，而百煉 Coding Plan 才是 inference subscription；NVIDIA NIM 則提供開發用途 free serverless endpoint 與 self-host deployment，與 Claude Pro 不是同一種商品。
為了讓後面的「US$100 有效容量」不完全失真，我定義一個 Equivalent Agent Hour，EAH：
1\ EAH = 8\ model\ calls \times (50K\ input + 8K\ output)
也就是：
1\ EAH=400K\ input+64K\ output=464K\ tokens
這不是宣稱一個真人小時必然使用 464K token，而是一個方便跨 API、subscription、agent loop 做同尺度比較的分析單位。大型 repo、MCP、tool descriptions、重新讀 context 都會把它往上拉；prompt caching、RAG/repo map 則會向下壓。
本文人民幣換美元統一採 分析匯率 ¥7.1 = US$1，只是為了 normalized comparison，不是匯率預測。
全球與中國 Coding Plan 訂閱比較
下表中的「—」代表沒有可比的固定 subscription、未公開固定值，或該欄不適用。BYOK ✅ 表示可以真正自帶 provider/model key；◐ 表示只能在部分功能、協定或特定 provider 上使用。
| Provider / Plan | 月費／年費重點 | Quota / Overage | 並行 / BYOK | 2026 判讀 |
|---|---|---|---|---|
| OpenAI Codex / ChatGPT | Plus $20；Pro 自 $100 起，Codex 文件明列 $100/$200 Pro capacity | Local + cloud 共用 allowance；依模型計次，另可能有 weekly limit；可買 credits | Multi-agent；◐ API/CLI | GPT-6/6.1 世代後，quota 必須按模型看，不能只看「messages」 |
| Anthropic Claude Code | Pro $20，年繳 $200；Max 5x $100、20x $200 | rolling 5h + weekly；超額 usage credits 按 API rate | subagents；◐ Console API | 所有 Claude/Code activity 共 pool；SDK quota 分拆計畫目前暫停 |
| Google Gemini | Consumer AI plan 為地區化 subscription；Coding 更適合以 Gemini API/CLI 衡量 | API PAYG；Managed Agents/CLI 另有 quota | ✅ API/Vertex | 2026-09 Gemini 3.8 Flash 強化 software engineering / agentic work |
| xAI Grok | 無獨立「Coding Plan」可與 Claude Code 直接等同比較 | API PAYG | ✅ | Grok 4.7 主打 500K context 與 coding/agent workload |
| MiniMax Token Plan | $20/$50/$120；年繳約 $180/$450/$1,080 | 約 1.7B/5.1B/12.5B M3 tokens/mo；5h + weekly + RPM/TPM；不 rollover | 3–4 / 4–5 / 6–7 agents；✅ | 目前最適合用來做 Hermes 高容量 worker pool 的方案之一 |
| Cline / ClinePass | Cline OSS $0；Pass $9.99/mo | 官方描述為 API rate 的約 2–5x usage，但不公布簡單固定 token ceiling | ✅ 極強 | 優點是 provider-neutral；缺點是 quota 不透明 |
| OpenRouter | 無固定個人訂閱；PAYG | Standard credit purchase fee 5.5%；BYOK 前 $25K list-price inference/月免 BYOK fee，之後 5% | ✅ | 最適合作為 failover/routing layer，而非靠 subscription 套利 |
| Cursor | Pro $20；Pro+ $60；Ultra $200 | included model usage + on-demand overage | ◐ BYOK | 價值主要在 IDE/context/indexing，不是 raw-token 最便宜 |
| GitHub Copilot | Pro $10；Pro+ $39；Max $100 | 約 $15/$70/$200 total AI Credits；可加購 | 非 generic BYOK | GitHub/PR/IDE workflow 強，但 expensive model 會快速吃 credits |
| JetBrains AI / Junie | AI Pro 月繳約 $10、年繳折算 $8.33/mo；Ultimate 約 $30 / $25/mo | 10 / 35 AI credits/30d；可 top-up | ✅ BYOK/local | 對既有 JetBrains + local model 使用者特別合理 |
| Zed | Pro $10/mo | 含 $5 hosted-token credit；超額約 API list +10% | ✅ | 很適合把 editor 與 inference 解耦 |
| Replit | Core 約 $20；Pro 約 $100 | subscription allowance + PAYG | ◐ | 優勢在 code→deploy→DB 全生命週期，而非純 repo agent |
| Windsurf / Devin | 2026 產品線持續整合；Pro 級約 $20、heavy tier 約 $200 | daily/weekly/model budget | — | 更接近 IDE + cloud-agent command center；quota 應逐月驗證 |
| Amazon Q / Kiro | Q Developer Pro 約 $19；Kiro $20/$40/$100/$200 | Kiro 1K/2K/5K/10K credits；overage $0.04/credit | — | 新 workflow 應優先評估 Kiro，而非只看舊 Q IDE 模式 |
| 火山引擎方舟 | Lite 約 ¥40、Pro 約 ¥200；活動價可低至 ¥9.9 起 | Lite 約 1,200/5h、9K/wk、18K/mo；Pro 約 5x | 多模型；非 generic BYOK | DeepSeek/GLM/Kimi/Doubao/MiniMax 一 key，多 Agent 很有吸引力；實際 token multiplier/TPS 更重要 |
| 智譜 GLM Coding Plan | 現行定價已從舊 ¥49/149 架構轉向新方案／points；Z.ai 已導入 GLM-5.3 | points-based，input/cache/output 分別扣點 | GLM ecosystem | 任何仍引用「¥49 Lite / ¥149 Pro」的比較表都應視為歷史 snapshot |
| Qwen / 阿里百煉 | 現行 Pro ¥200/mo；首月活動可 ¥39.9；舊 Lite 已停售 | 6K/5h、45K/week、90K/month；複雜問題約 10–30+ calls | 多模型 endpoint；Hermes 支援 | Quota 規則目前是中國方案中相對透明的一家 |
| 百度千帆 Token Plan | Mini/Lite/Pro/Max ¥9.9/40/200/600；有首購折扣 | 1.4K/6.6K/45K/165K points/mo | OpenAI/Anthropic-compatible | 2026 已由舊 Coding Plan 轉向 Token Plan，官方稱取消舊三層限流 |
| 騰訊 CodeBuddy | 最近公開方案約 ¥99 / ¥199 / ¥999 級 | credits + autocomplete/agent tasks | managed models | 本輪官方 pricing 頁抓取逾時，故不納入定量排名，購買前應重新核帳號內價格 |
| Kimi Code | ¥49/99/199/699；年繳有折扣 | Code 有 rolling 5h + weekly；另有 shared Agent credits / Extra Usage | Agent：1/2/2/4；Swarm：0/2/4/8 | K2.7 Code 2026-09 更新後降低 thinking-token 消耗 |
| DeepSeek | 無需用 subscription 才有價值；主力為 PAYG API | 2026-08-17 起 V4 系列導入 peak/off-peak 動態價格 | ✅ | V4-Pro launch reference 為 $1.32/$3.96 MTok，但現行實際價格須按時段看 |
| Xiaomi MiMo | 約 $6/$16/$50/$100；年繳折算約 $5.28/$14.08/$44/$88 | credit-based；官方主打無 5h/weekly cap；離峰有較低 multiplier | Hermes/Cline/Qwen Code 等 | 很值得納入 6-agent burn-in test，但 credits→有效 tokens 要自行量測 |
| NVIDIA NIM | Developer serverless endpoints 免費；production/self-host 另計 | free endpoint 無 production SLA | ✅ self-host | NVIDIA 現行 catalog 已有 Kimi K3、DeepSeek V4、Nemotron，並直接提供 NemoClaw for Hermes Agent |
| TRAE | 官方已有 Pricing 入口，但動態頁面未提供本輪可重現完整 quota | managed plan | ◐ | 應視為 AI IDE，不應與 raw token plan 直接比價格；本文不猜測未核實 quota |
| Qoder | 官方採 credit metering；近期 snapshot 約 Pro $20 / 2K credits | credits；Quest/IDE/CLI 共 ecosystem | ◐ 可接百煉 | 官方已確認 Desktop/CLI/JetBrains 與 Model Studio integration；價格變動較快 |
這張表也解釋了為何 awesome-coding-plan 很有價值卻不能直接當最新 price sheet：它保存了極有價值的 TPS、實測 token、429 與歷史 plan 資料，但 GLM、百煉、MiniMax 等方案在 2026 中後段都已調整。正式採購時應採「官方頁決定價格/規則，community benchmark 決定是否真的好用」的雙層方法。
API Token 成本與每 US$100 有效容量
最值得放進 Hermes router 的現行 API 價格如下。價格均為每 1M token；人民幣模型換算美元僅使用本文固定分析匯率。
| 模型 | Input | Output | 基準 EAH 成本 | US$100 可買 EAH |
|---|---|---|---|---|
| OpenAI GPT-6 Astra | $10 | $50 | $7.20 | 13.9 |
| OpenAI GPT-6.1 Sol | $2 | $10 | $1.44 | 69.4 |
| OpenAI GPT-6 Luna | $0.10 | $0.50 | $0.072 | 1,389 |
| Claude Sonnet 5 | $2 | $10 | $1.44 | 69.4 |
| Claude Opus 5 | $5 | $25 | $3.60 | 27.8 |
| Gemini 3.8 Flash | $0.75 | $3.75 | $0.54 | 185 |
| xAI Grok 4.7 | $2 | $6 | $1.184 | 84.5 |
| MiniMax M3 | 約 $0.30 | 約 $1.20 | 約 $0.197 | 508 |
| Kimi K2.7 Code | ¥6.5 ≈ $0.92 | ¥27 ≈ $3.80 | ≈ $0.610 | 164 |
| DeepSeek V4-Pro | $1.32* | $3.96* | $0.781* | 128* |
OpenAI 現行官方頁列 GPT-6 Astra $10/$50、GPT-6.1 Sol $2/$10、GPT-6 Luna $0.10/$0.50；Anthropic 現行 Sonnet 5 為 $2/$10、Opus 5 為 $5/$25。 Google 2026-09 推出的 Gemini 3.8 Flash 定價為 $0.75/$3.75。 xAI Grok 4.7 則為 $2/$6。
* DeepSeek 的數字是 V4-Pro 發表時的 reference rate；8 月中之後已導入 peak/off-peak variable pricing，所以不能把 $1.32/$3.96 當成全天固定長期價格。
基準 workload：US$100 可購買的 API EAHOpus5SolSonnet5Grok4.7DS-V4*KimiGemini3.8FMiniMaxM3Luna140013001200110010009008007006005004003002001000EAH / US$100顯示程式碼
這張圖絕對不能解讀成「Luna 比 Opus 強 50 倍」。 它只量「raw agent work capacity」，沒有 capability adjustment。最佳 Hermes architecture 的目標正是利用這個差距：讓 Luna/MiniMax/Gemini Flash/DeepSeek 類模型做搜尋、boilerplate、test loop、分類、摘要，把 Opus/Sonnet/Sol 留給真正需要 reasoning 的節點。
對 subscription 再做一次 normalized proxy，可以看到更驚人的差距。以下不是 SLA，而是「官方 advertised token ceiling」或 awesome-coding-plan 社群實測 token extrapolation：
| Plan | 資料類型 | 月容量 proxy | 換算 US$100 的 EAH | 信心 |
|---|---|---|---|---|
| MiniMax Plus $20 | 官方 advertised | 1.7B M3-equivalent tokens | ~18,300 EAH | 中高；仍受 5h/week/concurrency 限制 |
| Claude Pro $20 | community measurement | ~1.588B tokens/mo extrapolated | ~17,100 EAH | 低～中；quota 非官方固定值 |
| 阿里百煉 Pro ¥200 | 官方 calls | 90K calls/mo | ~15,975 EAH* | 中；假設 20 calls/EAH |
| 火山 Lite ¥40 | community measurement | ~320M tokens/mo | ~12,200 EAH | 低～中；模型倍率會變 |
| Kimi Allegretto ¥199 | community measurement | ~1.428B/mo | ~11,000 EAH | 低；受 429/weekly window |
| Codex Plus $20 | community measurement | ~616M/mo | ~6,640 EAH | 低～中；模型與 quota 可變 |
社群 benchmark 的 Claude、Codex、火山、Kimi、MiniMax 等 token extrapolation 均來自 awesome-coding-plan，所以應拿來做「候選方案篩選」，而不是採購保證。 阿里則是官方直接公布 90K monthly calls，但官方同時提醒一個簡單問題可能消耗 5–10 calls、複雜問題 10–30+，因此我用 20 calls/EAH 只是模型假設。
換句話說，subscription plan 的理論 $/token 可以比 API 低一個甚至兩個數量級，但你真正購買的是「受 rate limit 控制的共享 inference capacity」，不是一桶可任意瞬間抽乾的 tokens。
真實使用者評價、TPS、429 與穩定性
目前最有價值的非官方資料不是「哪個模型回答比較聰明」，而是 TPS、429、retry 與實際能燒多少 token。
awesome-coding-plan 的測試 snapshot 中，火山方案觀察到約 86.6 TPS、MiniMax 約 52.6 TPS、舊百煉測試約 52.5 TPS；Kimi 約 28 TPS，GLM 某測試約 26.8 TPS。repo 同時特別強調：「429 往往比名義 quota 更重要」，並記錄 Kimi/GLM 在某些週期的 capacity、429 或循環問題。這些數字受模型版本、地點、時段、prompt 與 provider routing 影響，不能當 universal benchmark。
中文社群對火山的評價尤其能說明為何「18000 requests/月」不足以判斷價值。2026 年 4 月 Linux.DO 有使用者回報 GLM route 慢、retry、429，以及 Lite 5h 額度比表面 request count 更快消耗；到 6 月也有使用者回報模型倍率改善、體感可得到約數億 tokens。也就是說，同一產品會因模型 multiplier、促銷與 capacity provisioning 在幾個月內大幅變化。
GLM 也有很明顯的「版本斷代」問題。2026 年 5 月的中文社群整理仍記錄 ¥49/149/469 舊式 prompts quota，但 GLM-5.3 發布後官方已改成 points-based quota，input、cached input、output 分別計點。因此目前看到舊版「GLM Pro ¥149、每週約 2,000 prompts」時，不應再視為最新正式方案。
ClinePass 的早期 Reddit 評價則呈現典型「opaque quota」問題：有人回報不到兩天消耗掉 98% weekly quota；另一位使用 GLM 的案例則宣稱一個 5h session 得到約 61M tokens。兩者可以同時成立，因為模型、context、cache、reasoning 與計費權重可能完全不同；因此「generous limits」不等於可預測。
Claude/Codex 的使用者比較也類似。近期 Claude Code Reddit 有 $20→$100 使用者討論 context/thinking throttling 的不可預測性，也有使用者長時間並行比較 Claude Code 與 Codex 後認為兩者在 agent behavior、effort 與 quota 體感上不同。這些是自選樣本，不能用來證明官方偷偷減量，但足以說明 subscription 的「有效容量」不應只看 5x/20x。
至於 Hacker News，本輪檢索沒有取得足夠新鮮且能量化 2026 plan quota/TPS 的 thread，因此我沒有為了滿足來源數而把舊 HN 意見硬塞進數值模型。本文的 community quantitative layer 主要採 GitHub、Reddit 與 Linux.DO；價格與 quota 則仍以官方來源優先。
使用情境成本、Hermes 架構與驗證建議
成本模型採每月 22 個工作日。Light = 1h/day、單 Agent；Daily Professional = 4h/day，為反映偶爾 background agent，我假設平均 1.5 effective agents；Heavy Hermes = 8h/day × 6 agents。基準 EAH 是前述 400K input + 64K output。
| Profile | Effective Agent-hours/月 | Input | Output | Total tokens |
|---|---|---|---|---|
| Light | 22 | 8.8M | 1.408M | 10.2M |
| Daily Professional | 132 | 52.8M | 8.45M | 61.25M |
| Heavy Hermes | 1,056 | 422.4M | 67.58M | 489.98M |
我再設三種 model mix：
Frontier-heavy = 70% Sonnet 5 + 30% Opus 5；
Balanced = 70% Gemini 3.8 Flash + 20% Sonnet 5 + 10% Opus 5；
Cost-optimized = 80% MiniMax M3 + 15% Gemini Flash + 5% Sonnet 5。
價格基礎取自 Anthropic、Google、MiniMax 的現行價格資訊。
| Profile | Frontier-heavy | Balanced | Cost-optimized |
|---|---|---|---|
| Light | $45.94 | $22.57 | $6.83 |
| Daily Professional | $275.62 | $135.43 | $40.98 |
| Heavy Hermes | $2,204.93 | $1,083.46 | $327.82 |
這回答了最重要的一個問題：multi-agent architecture 最有價值的成本優化不是 prompt 少寫幾個字，而是 model routing。 Heavy workload 只要把 frontier 比例從 100% 降到 20% 以下，就可能把 inference bill 從四位數美元壓到數百美元。
Context sensitivity 更關鍵。若每 agent-hour 都有 8 turns：
| Context 假設 | Tokens / Agent-hour | Heavy Frontier | Heavy Balanced | Heavy Cost-optimized |
|---|---|---|---|---|
| Small：20K in / 5K out | 200K | $1,102 | $542 | $162 |
| Base：50K / 8K | 464K | $2,205 | $1,083 | $328 |
| Large Repo：150K / 12K | 1.296M | $5,145 | $2,528 | $778 |
所以大型 repo 的真正殺手是：
\text{Agents} \times \text{Turns} \times \text{Repeated Context}
而不是單次 output token。
這也解釋為何 prompt caching、repo map、symbol-level retrieval、context compaction、分離 planner/worker、避免六個 Agent 各自重讀整個 repository，可能比換一家便宜 20% 的 provider 更重要。
我會為 Hermes 採用以下 routing：
搜尋、分類、測試、boilerplateFeature / RefactorArchitecture / Hard bugYesNoHermes Task Router工作難度 / 風險Low-cost Worker PoolMiniMax M3Gemini FlashDeepSeek / MiMoQwen / Local LLMPrimary Coding ModelGPT-6.1 Sol / CodexClaude Sonnet 5Kimi / GLMFrontier EscalationClaude OpusOpenAI Astra / high reasoningTests + Static AnalysisPass?Frontier Review GateMerge / PRProvider GatewayMiniMax Token Plan阿里百煉 / 火山OpenRouter fallbackDirect API顯示程式碼
對你指定的 8h/day、6 Agents、large repo 情境，我的首選不是 $200 Claude Max 20x 單押，而是：
| Layer | 建議 | 原因 |
|---|---|---|
| High-volume worker | MiniMax Ultra $120 優先實測 | 官方 nominal 12.5B M3-equivalent tokens、6–7 agent concurrency，規格與 Hermes 很吻合 |
| Frontier coding/review | Claude Max 5x $100 或 Codex Pro 起跳 tier，先選一個 | 避免同時支付兩個昂貴 subscription；另一家用 API failover |
| 中國 multi-model backup | 百煉 Pro ¥200 優先於盲買多家 | 6K/5h、45K/week、90K/month 規則清楚，且一 key 可跨 Qwen/Kimi/GLM/MiniMax 等 |
| Gateway/failover | OpenRouter | 500+ models、自動 provider routing；不應當主要 subscription 套利層 |
| Agent Harness | Hermes / Cline / Qwen Code | 把模型與 Agent runtime 解耦，才能隨 quota/價格切 provider |
| Local | repo search、classification、summary、test triage | 不值得讓 frontier API 重複付 context tax |
因此我會把 Heavy Hermes 起始採購組合設在約：
MiniMax Ultra $120 + Claude Max 5x $100 ≈ $220/月
再保留 $50–100 PAYG emergency budget 給 OpenAI/OpenRouter/其他 provider，形成約 $270–320/月 的實驗性 production budget。
若實測發現 MiniMax 在六 Agent 下因 rolling quota/TPM 不能維持吞吐，就把 worker capacity 分散成：
MiniMax Max/Ultra + 百煉 Pro + MiMo/DeepSeek PAYG
而不是直接升到更多昂貴 frontier subscription。
最後，真正決定採購前應做一個 7 天 Hermes Provider Bake-off，而不是繼續看 marketing quota：
| Test | 固定條件 | 要記錄的 KPI |
|---|---|---|
| Repo benchmark | 同一組 20 個真實 issue | accepted patch rate、human rework |
| Context test | 20K / 50K / 150K input | input/cache/output tokens、$/task |
| Parallel test | 1 / 3 / 6 agents | TPS、TTFT、429、retry、成功率 |
| Quota test | 連跑 >5h + 跨 weekly reset | 真正 cutoff、reset 行為、模型 multiplier |
| Failover | 故意觸發 provider 429 | recovery time、context loss |
| Quality gate | 同一 frontier reviewer | bugs caught、tests passed、review rejection |
| 最終 KPI | 所有資料 | $/accepted patch 與 successful agent-hours/$100 |
這比「每月 token 數」更接近真正的商業指標。最終你應該優化的不是：
\boxed{\text{Cheapest Token}}
而是：
\boxed{ \frac{\text{成功完成且通過 Review 的 Coding Tasks}} {\text{總月費 + API Cost + Retry Cost + Human Rework}} }
截至 2026-10-04，我會把市場排序理解為：MiniMax / 百煉 / 火山 / MiMo 是 capacity layer；OpenAI / Anthropic 是 intelligence & review layer；OpenRouter / Cline / Qwen Code / Hermes 是 abstraction & routing layer；Cursor / Copilot / JetBrains / Kiro / Qoder / TRAE / CodeBuddy 則主要競爭 developer experience。
這四層分開採購，通常比尋找一個「全能 Coding Plan」更適合真正的 multi-agent software engineering。
探索更多來自 大衛的觀察日記 的內容
訂閱即可透過電子郵件收到最新文章。