深度 Vibe Coding 2 个月 用了三百多亿 Token 一些统计数据和碎碎念

一个月前发了贴（ Codex 使用量分析）：
https://v2ex.com/t/1213114

目前这个 Infra 项目也 public release 了，
https://wdl.dev/

项目在一开始是 CC 为主的，当时还是 Opus 4.6 ，后来 GPT 5.5 来了，就主要由 Codex 主程了，最大的一个 session （也就是我所谓的 Main Coder ），目前累积的 input 已经有 10B （一百亿）了。

Codex 2026-04-13 to 2026-06-24 统计如下：

事实上从第二周开始 Codex 就开始接手了，Claude Code 主要是 Review （当然也有在 Codex 烧完，我又不想继续充钱时，它接手），但是即便是 Review ，Claude 也消耗了非常多的 Token ，以下是统计数据，Claude Code 从 5 月 4 日开始不再有一个月滚动存储，而是完整存储，所以项目虽然是 413 就开始最小 demo ，但是我最早本地统计只有 417 的，拼接一下是这样

按“2026-04-17 to 2026-05-03 用旧报表，2026-05-04 to 2026-06-24 用当前日志”的混合口径，Claude Code 统计如下：

也就是 token 总消耗量大概在，三百多亿，粗算如果都走 API ，成本大概是 25K USD 左右，但是现在仅需 Codex 的多次 reset （当然也有我有时候充值点 Credit ，总数不多），再加上 200 刀的 ChatGPT 和 100 刀的 Claude Code （话说 100 刀 Fable 做 Code Review 根本做不下来，只能再补差 200 刀，结果 Fable 用了几天没了），就能搞定了，这样看订阅真是大善人？

最后大概发散几个体验吧，我属于古法 Vibe Coding 派的，skill 除了自己的一个 Refactor Guard 以外，其他一概不用，所以以下体验可能存在优化空间

1. Opus 的 1M 上下文，从体感上和 GPT 的 258K 没有太大区别，GPT 的 Compact 是真能记得住，Opus 你但凡 Compact 了一回来就像个傻子一样


2. 大概也就是我古法 Vibe Coding ，所以体感上 Opus 4.7 和 4.8 是质量不怎么样，的确没有 5.5 好，因为我一个 Main Coder+4 个 Reviewer(2CC +2Codex)，所以需要模型能力势均力敌的，4.7 和 4.8 有时候就是找不到 P1 错误，不核心的大家都能找到；有时候要用 CC 来写的时候，GPT 又能从 CC 写的代码中找到一堆错误，这种体感就不得不会让我对 Opus 的评价再下降一些


3. 说到 Fable 5 ，说实话，体感上可以和 GPT 5.5 掰掰手腕了，但是太贵，CC 的对抗式 Code Review ，Fable 5 刚发布那会儿我 100 刀的来看一个新的 Feature ，5 小时限额用完都没有跑出来结果，消耗实在是太大了，后来补差升级，结果自然是好的，真能找出来问题


4. 再说回 Opus 4.6 ，因为我后期什么 CLI 都用了，例如 Google 的 gemini ，后来换了 Google 的 agy ，然后我还有很早期的 Amazon Q Developer 也就是现在的 kiro-cli ，当然也试了 OpenCode+DS4 ，还有腾讯的 Code Buddy ，结论是 kiro-cli 的 Opus 4.6 真的还是能打的，不比 4.7/4.8 弱，Google 的 gemini 质量算差的，有时候感觉是夸夸学院毕业，OpenCode+DS4 质量也还行，但是只能用来 Review ，写代码写不下来，Code Buddy 完全不行，差挺多的


5. 如何对抗降智，我没有很明显感知到 GPT5.5 降智，我算是银弹攻势吧，4 个 Review 不够就六个，堆起来然后多轮 review ，总能解决问题


6. 我也让 AI 总结了，我花了一半多的时间进行重构/找逻辑漏洞/找 BUG/降复杂度，我觉得是值得的，我们都不喜欢又臭又长的代码，不过其中消耗的心力和时间是实打实的


7. 工程判断能力，大概是 AI 最缺的一部分，这就是人类的用处了，知道什么时候选择什么，做到什么程度，要收敛，不然 AI 就会无休止的死磕，并且有些场景用人类经验可以直接给到最优解，但是 AI 总是再边缘打转，这个问题出现过很多次了，对于应用来说可能还行，对于稍稍严肃点的项目来说，就需要更多的人类判断


8. 要有 tracking 文档，例如复杂度变高，新增一个 feature 后，一般会用干净的 session ，每个大模型取两个，生成四组 findings ，然后再做合并成一个大的 tracking 文档，再由 Main Coder 进行处理，同时由既定的 4 个 Reviewer 再对修改做 Reviewer ，是很古法，但是也算是很有效


9. Codex Cloud 有个 Security ，能发现一些问题，但是不能全信，同时 GitHub Copilot AI 也能发现点问题，但是那个可信就更弱点，Codex Cloud 几天前的更早一些时间是有一次可以 4x 出 Review 的，但是现在把这个同时启动 1/2/3/4 个的这个功能下线了，有点可惜


10. Claude Code 的 Cloud 功能上比 Codex 完备点，但是只能手动多启动多个 session ，也是挺好用的 Review


11. Claude Code 很喜欢写注释，Commit Message 也非常长，而且很喜欢提交； Codex 的干净注释是和我胃口的，Codex 的自动批准算是比 Claude Code 好用一些，也真能挡住一些操作。

大概就这些碎碎念了，欢迎交流。