关于 Claude Code 是否存在浪费 Token 的现象，大家众说纷纭，究竟差距有多大？近日终于有了具体的测算数据。
Composio 团队进行了一项有趣的对比实验，他们使用同一模型 Kimi K3，分别在 Claude Code、Hermes 和 Kimi Code 三个 Agent 框架中运行了 28 个完全相同的任务。
结果显示，三个框架在任务成功率上表现相当：Kimi Code 成功 22 次，Hermes 21 次，Claude Code 20 次，差异微乎其微。然而，真正拉开差距的是 Token 消耗量。在相同任务下，不同框架的 Token 用量差异高达 30 倍。
中位数数据显示，Kimi Code 消耗约 6.1 万 Token，Hermes 约为 6.7 万，而 Claude Code 高达 34 万，几乎是 Kimi Code 的 6 倍。以 Kimi K3 每百万输入 Token 价格 3 美元计算（Agent 工作流中输入 Token 通常占比约 95%），平均每项任务的成本为：Kimi Code 约 0.22 美元，Hermes 约 0.28 美元，Claude Code 则高达 2 美元。差距十分明显。
在速度方面，Hermes 表现最快，耗时 179 秒；Kimi Code 为 297 秒；Claude Code 最慢，需 348 秒。因此，最快的是 Hermes，最省 Token 的是 Kimi Code，两者并不重合。
Composio 团队据此得出结论：若想降低 Agent 成本，应优先审视所使用的框架，而非急于更换模型。他们的数据显示，Harness 本身就能将成本拉开 9 倍，而模型的能力表现其实差不多。
Sebastian Raschka 看到这个结果后也分享了类似观察，指出 Claude Code 在成功率相近的情况下，Token 用量往往是其他框架的 2 到 3 倍。他推测原因可能是未优化、存在 Bug，或是故意设计（以应对更复杂任务）。他进一步指出，Claude Code 多消耗的 Token 主要来自输入端，而非输出端。日志显示，其框架在多轮交互中会重复累积大量上下文，导致输入 Token 激增。
这一测试结果揭示了一个不容忽视的趋势：Harness 的重要性已与模型本身并驾齐驱。
Writer 公司的最新论文对此进行了系统验证：在 22 个企业任务中，仅替换编排层，成本即可降低 41%，延迟缩短 44%，Token 消耗减少 38%，而任务完成质量基本持平。在性价比方面，每美元成本所能获得的质量提升高达 82%，同时每百万 Token 能完成的任务数从 54.9 跃升至 92.0。
既然模型已如水电般基础，Harness 便成了决定电费账单的关键因素。这或许印证了从“模型即产品”向“Harness 即产品”的转变。
Harness 如此关键，未来是否需要引入“Harness 税”的概念来衡量成本？特别是在工具调用和重试进入循环时，这种成本并非线性增长。未来的 Agent 竞赛，上半场比“能不能做”，下半场比“谁更省”，而省钱的秘密在于 Harness。
在跑 Agent 的过程中，你是否有类似体验？欢迎在评论区分享。