定价基线（首行账目）。 fable 5 官方列表价：$10 / M 输入 token（2026-07-24 04:37 UTC 捕获自官方定价页；页面显示 $10/MTok——与本页使用的 $10/M 数字无出入；同一次捕获：缓存命中 $1/MTok，batch 输入 $5/MTok）。Agentic 工作流的成本由输入 token 主导：在 2026-07-23 账本日，输入 token 占 token 量的 99.0%（输入 769,249,823 vs 输出 7,387,431）——按纯列表价计占美元成本的 95.4%，计入缓存输入折扣后仍约占 75.3%（输出虽按 $50/M 计价，但占量 <1%）。三个杠杆之后的实测有效输入价：$10/M × [(1−94.9%) + 94.9% × $1/$10 缓存输入折扣] = $1.46/M 缓存混合价 → ÷ 2.83× 实测压缩（07-23 窗口，n = 7,222，中位数）= $0.52/M → × 50% 省钱档（官方 batch/flex 票面价）≈ $0.26 / M（原价的 2.6%）输入 token——该百分比 = 实测有效输入价 ÷ 官方 $10/M 列表价，按未取整的杠杆链计算。完整公式与注意事项见方法论表格。
工程报告
coder：fable 5 上 5.66× 成本效率与 SWE 质量
本页所有内容都是来自我们自有生产账本与基准测试运行的真实测量。每个数字都能回链到一条机器记录的来源。没有预测，不做外推。
coder 基于开源的 codex CLI/agent 构建，专注于自主长时程工作（有效上下文窗口，§1.1b · SWE-bench A/B，§2）与成本效率（压缩，§1.1 · 省钱档位，§1.2）。想亲手试用，可从官方页面安装 coder：run.ceo/coder。由于某第三方方案在我们的生产环境中未能取得稳定效果，我们保留了自研算法。
1 · 成本效率：两个独立杠杆
coder 通过两套彼此独立的机制降低计费成本，本页对两者分开记账：压缩（实测）与省钱档位（定价事实）。每个杠杆都有自己的公式、自己的证据，以及方法论表格中自己的一行。
头条系数的构成。压缩项：按请求实测中位数，会话账本 2026-07-23（n = 7,222，~/.coder/sessions/2026/07/23/rollout-*.jsonl，80 个文件）。省钱档项：官方 batch/flex 价目表（两条通道均为列表价 50% ⇒ 2.00×）——是定价事实，不是本窗口流量的测量。
1.1 · 压缩（实测）
管线交付给模型的是同一会话的紧凑表示。账本按请求记录未压缩基线与实际发送的输入：系数 = 基线 ÷ 实发。最近一个完整账本窗口（2026-07-23，n = 7,222 次请求）的中位数为 2.83×（p10–p90 2.26–3.08×）。
该杠杆的质量证据：SWE / SWE Pro 压缩 ON vs OFF A/B（§2）——完全相同的任务、官方 Docker 评分、管线开启对比关闭——就是这项压缩的质量证据：解决率结果与未压缩组在噪声范围内一致。2.83× 本身的公式与采样窗口见方法论表格；本段只谈压缩杠杆——省钱档在下文有单独章节。
💰 #.#x = 省钱倍率 — 这段未剪辑屏幕录制中左下角状态栏的指示就是实时压缩省钱倍数：随着缓存/压缩上下文的累积，它从 2.0× 起步值一路攀升，到运行结束时达 5.1×（峰值 6.1×）— 据会话 rollout 账本，全程缓存输入占比 92.4%（12 条 API usage 记录，287,269 输入 token）。任务是 pallets/flask 上一个真实的公开 SWE 任务（CLI 功能 + 测试，全绿）。回放加速 8×（右上角有标注）；内容未做任何改动。
1.1b · 有效上下文窗口（同一测量的第二重红利）
压缩在成本之外还有第二重效果：模型的物理上下文窗口装的是压缩后的表示，因此其有效容量按同一实测系数放大。在实测中位数 2.83×（p10–p90 2.26–3.08×）下，一个 200K token 的物理窗口大约可承载 450K–620K token 的会话内容（200K × 2.26–3.08）。实际影响：长会话很少触及上下文窗口压力——更少 compaction、更少上下文丢失、长时程工作更稳定。
- 换算式：有效容量 = 物理窗口 × 实测压缩系数。数据来源与 §1.1 相同；无单独测量。
- 同一账本日的真实例子：一个 2026-07-23 会话累计 58,815,232 token 的原本要发送输入，实际以 18,622,941 token 发出（3.16×）——一个工作日的上下文流量以约三分之一的原始体积承载（会话账本
rollout-2026-07-23T09-27-46-019f8fcd….jsonl，累计imgctxOriginalInputTokensvs 实发）。
1.2 · 省钱档位（定价事实）
独立于上面的实测压缩杠杆，coder 提供两条半价交付通道。公式：计费 = 50% × 标准通道价——这是价目表事实，无需测试证据。它只以官方定价系数进入头条数字（列表价 50% ⇒ 2.00×），且从不混入实测压缩数字本身：
- batch——异步提交-取回，面向非交互工作负载（批量评估、后台分析、定时任务）：标准成本的 50%。
- flex——同样的同步流式接口，调度在弹性容量上，适合不需要预留容量交付的工作：标准成本的 50%。
- 同样的模型、同样的质量、同样的输出——档位只改变调度方式，不改变结果。
- 头条记账：头条系数 = 压缩（实测中位数 2.83×）× 省钱档（官方定价 2.00×）= 5.66×。省钱档项取自官方价目表（batch/flex 为列表价 50% ⇒ 2.00×），而非本窗口流量——2026-07-23 头条窗口本身没有任何省钱通道流量，这正是该项按定价、而非按流量加权计入的原因。
实测压缩系数分位数，按请求。头条行：会话账本 2026-07-23（最近完整账本日，80 个文件，n = 7,222）。集群行：7 天真实网关流量的按请求分位数，2026-07-14 → 07-21（reports/CHECK-gateway-real-compression-20260721.md，scratch/gw-real-compression-0721/）。集群行的基线覆盖仅限于有未压缩基线记录的流量。
集群级纯压缩（保守交叉核验）
上面的数字来自单台机器的账本。作为集群规模的交叉核验，我们在 7 天真实网关流量上只测量了纯 token 压缩：
| 流量桶 | 聚合压缩 | 按请求中位数 | 有基线覆盖的请求数 | 窗口 |
|---|---|---|---|---|
| fable5 通道 | 2.49×（15.35B → 6.17B token） | 2.45× | 53,500 | 2026-07-14 → 07-21 |
| sol 通道 | 2.14×（1.94B → 0.91B token） | 1.89× | 10,024 | 2026-07-14 → 07-21 |
2 · SWE / SWE Pro：压缩 ON vs OFF
只有在保住输出质量的前提下，这套效率管线才值得上线。我们把业界标准的 SWE-bench 套件跑成内部 A/B——完全相同的任务、相同的模型、官方 Docker 评分 harness，管线 ON（压缩）对比 OFF（直连）——两个套件都在同一份当前管线构建上重跑。
| 套件 | ON（压缩） | OFF（直连） | 一致性 | 备注 |
|---|---|---|---|---|
| SWE-bench Lite（n = 10 对） | 10/10 | 10/10 | 10/10 | 重跑 2026-07-24，管线 8a9175d |
| SWE-bench Pro（n = 18 对） | 15/18 | 16/18 | 17/18 | 重跑 2026-07-23，管线 8a9175d · 分歧任务：navidrome-0488（N=5 等价重跑见下） |
仅按官方 Docker harness 统计的各组解决数（Lite：swebench run_evaluation，princeton-nlp/SWE-bench_Lite；Pro：SWE-bench_Pro-os、jefzda/sweap-images）——无 LLM 评判；两次重跑的管线均锁定在 8a9175d。来源：eval/swe-bench/bench-20260724/、eval/swe-bench-pro/bench-20260723/（compare_final.txt、eval_results_{on,off}.json）。样本量小（10 + 18 对）：图表展示的是持平/一致，而非优势。
Pro 唯一的分歧任务 navidrome-0488，用专门的每组 N=5 等价重跑做了定论：ON 3/5 vs OFF 3/5——两组在噪声范围内等价（Fisher 精确检验 p = 1.0）。全部裁决来自官方 Docker harness（10/10 次运行完成评分，rc = 0），且全部 10 个运行窗口均为 collapsed_turns = 0、零改写，即压缩路径根本没有触碰这些转录。方差核算：4 次失败运行按 ON 2 + OFF 2 分布，且呈现同一种模型自身失误模式——未压缩组也踩进同样的坑。结论：最初的分歧是 agentic 运行间方差，不是压缩损伤（N=5 定论报告）。口径说明：单实例每组 N = 5，协议与实例同 §2，管线 8a9175d——这是小 N 下的等价读数，不是普适断言。
- SWE-bench Lite（n=10 对，当前管线重跑）：ON 10/10 vs OFF 10/10，一致 10/10——零分歧实例；每一对在两组中的解决结果完全一致。Lite 偏简单，因此该套件度量的是同等难度下的持平，而非优势。
- SWE-bench Pro（n=18 对，当前管线重跑）：ON 15/18 vs OFF 16/18；18 个任务中 17 个裁决一致。唯一的分歧任务已在上文定论（navidrome-0488 N=5 等价重跑：ON 3/5 vs OFF 3/5，Fisher p = 1.0，判为 agentic 方差）。
- 失败对齐（Pro）：除唯一分歧任务外，每个 Pro 失败都在两组同时失败（ansible、一个 element-web 实例）。
- 上下文保真：两组 98/98 可答的回忆/状态探针全部答对，且在刻意不可答的探针上两组编造均为 0/16。
任务清单与原始评分凭据
Lite 实例（重跑 2026-07-24，与 06-10 试点相同的固定样本）：django-14999、sympy-16503、matplotlib-23913、scikit-learn-13497、pytest-dev-5221、astropy-6938、sphinx-doc-7975、psf-requests-2674、pylint-dev-5859、pydata-xarray-3364——ON 10/10 vs OFF 10/10，一致 10/10，无分歧实例（官方 Docker harness，swebench==4.1.0，resolved 裁决）。Pro 样本（n=18 对，最新管线在完全相同实例上重跑）：NodeBB ×2、qutebrowser ×2、flipt ×2、openlibrary ×2、teleport ×2、tutanota ×2、element-web ×2、navidrome ×2、ansible、vuls——ON 15/18 vs OFF 16/18；两组同败：ansible 与一个 element-web 实例；唯一的单组分歧是 navidrome-0488（由上方 N=5 等价重跑定论）。原始评判 JSON：eval/swe-bench/bench-20260724/（compare_final.txt、eval_results_{on,off}.json、preds_{on,off}.json）、eval/swe-bench-pro/bench-20260723/（同一布局）；探针答案：eval/gist-recall/work*/results.jsonl。
3 · 方法论：每个数字的来源
本页的规则：一个数字只有在能追溯到一条机器写入的记录或一个可复现脚本时才允许出现。公式与采样窗口见下表。
| 数字 | 公式 / 定义 | 采样窗口 | 记录来源 |
|---|---|---|---|
| 压缩 2.83×（2.26–3.08） | 按请求 savingsBreakdown.factors[compression]；未压缩基线 ÷ 实际发送输入 |
2026-07-23（最近完整账本日），n=7,222 | ~/.coder/sessions/2026/07/23/rollout-*.jsonl（80 个文件） |
| 有效窗口 ≈ 物理 × 2.26–3.08；例 58.8M→18.6M（3.16×） | 容量换算直接沿用 §1.1 的压缩分布；例 = 单个会话的累计 imgctxOriginalInputTokens ÷（original − imgctxSavedInputTokens） |
同一窗口；示例会话 2026-07-23 | 同一批账本 · rollout-2026-07-23T09-27-46-019f8fcd….jsonl |
| 省钱档 2.00×（batch/flex 为列表价 50%）；头条 5.66× = 2.83× × 2.00× | batch / flex 通道价 = 标准通道价的一半 ⇒ 恒定定价系数 2.00×；官方定价定义，非测量（账本编码：C2 中的省钱通道份额按 ½ 计入 C3）；头条乘积 = 实测压缩中位数 × 2.00——省钱项按价目表定价，不按流量加权（本窗口没有省钱通道流量） |
定价事实（n/a）；压缩项：同一 2026-07-23 窗口 | 价目表 · 账本公式字段 savingsBreakdown.formula |
| 首行定价账目：列表价 $10/M → 有效价 ≈ $0.26/M 输入 | 有效价 = $10/M 列表价（官方）× [(1−c) + c × ($1/$10) 缓存输入价格比] ÷ 2.83（实测压缩中位数）× 0.50（官方 batch/flex 票面价），其中 c = 94.9% 为实测缓存输入占比（769,249,823 输入 token 中 729,830,406 为缓存）。输入主导：输入占 token 量的 99.0%；按纯列表价占美元成本 95.4%，计入缓存输入折扣后约 75.3%（输出按 $50/M）。缓存写入溢价（$12.50–$20/M 写入通道）未净入该账目——作为注意事项明示，而非隐藏。「原价的 2.6%」标注 = 未取整有效输入价 ÷ 官方 $10/M 列表价（$0.2582/M ÷ $10/M = 2.58%，按一位小数显示为 2.6%）。 | 价格捕获 2026-07-24 04:37 UTC；token 拆分与缓存占比：2026-07-23 账本日，140 个 rollout 文件，6,102 个含 usage 的请求（我们自己的全天重扫；压缩中位数一行使用原始的 80 文件窗口） | 官方定价页捕获（/tmp/perf-v10-ab/8d742ca7.html）· ~/.coder/sessions/2026/07/23/rollout-*.jsonl，按请求 last_token_usage 求和 |
| SWE-bench Lite 10/10 vs 10/10，一致 10/10 | 官方 Docker harness swebench run_evaluation（princeton-nlp/SWE-bench_Lite），resolved 裁决 |
固定 10 对样本 · 重跑 2026-07-24，管线 8a9175d | eval/swe-bench/bench-20260724/ (compare_final.txt, eval_results_{on,off}.json) |
| SWE-bench Pro 15/18 vs 16/18，一致 17/18 | 官方 SWE-bench_Pro-os harness，jefzda/sweap-images |
固定 18 对样本 · 最新管线（8a9175d）重跑 | eval/swe-bench-pro/README.md + bench-20260723/ (compare_final.txt) |
| navidrome-0488 N=5 等价：ON 3/5 vs OFF 3/5，Fisher p = 1.0 | 仅官方 Docker harness 裁决（10/10 次运行完成评分，rc = 0）；对 3/5 vs 3/5 做 Fisher 精确检验；全部 10 个运行窗口 collapsed_turns = 0、零改写；4 次失败 = ON 2 + OFF 2，两组呈同一种模型自身失误模式 |
单实例（navidrome-0488）每组 N = 5，管线 8a9175d | N=5 定论报告 |
| 基准测试中按请求压缩 2.00× / 2.49× | 反事实：count_tokens(原本要发送) ÷ 实发，按请求求和——无轮数混杂因素 |
Lite 198 次请求（重跑 2026-07-24）/ Pro 316 次请求 | 同一批 README（Lite：85,804,350 vs 29,942,152 token） |
| 上下文保真 98/98，0/16 | 带评分的回忆/状态/编造探针，文本组 vs 生产密度图像组，同一模型（fable5），确定性字符串评分，作答或 UNKNOWN 协议 | 每组 114 + 16 个探针，单一种子，228 次模型调用（2026-06-10） | eval/gist-recall/README.md + work*/results.jsonl |
| 图像路线逐字 0/15；语义 27–40% | 唯一的 12 字符 hex 只放入图像化内容内部；经由 live 代理做精确与语义检索探针；2×2 {逐字, 语义} × {压缩 ON, OFF}，每格 N=15 | opus-4-5 与 opus-4-8 运行 | eval/needle-haystack/README.md + results2.tsv |
| 密度悬崖：5x8 时 1/4（+3 次编造）→ 9x12 时 4/4（0 编造） | 在生产渲染器上的精确字符串回忆，每格一次运行；独立的 TrueType/Levenshtein 扫描复现同一单调悬崖 | 2026-07-05 线上运行（每格 n=1，方向在 3 次运行中保持稳定） | eval/opus-density/RESULTS.md + results.json |
已知局限（明示，不隐藏）
- 头条数字的压缩项（2.83×）在单台构建机的会话账本上测得——省钱档项（2.00×）是定价事实，非测量；集群级交叉核验报告的是集群规模的纯压缩。
- 基准样本量小（10 + 18 对；等价重跑为单实例每组 N=5）。我们报告持平、一致与噪声内等价，不报告优势。
- 首行定价账目把单台机器单日的缓存输入占比（94.9%）与官方列表价混合；缓存写入溢价被排除在混合之外，并已如此明示。有效价数字是测量账目的算术结果，不是计费报价。
- 跨组的运行总美元数混入了轮数方差，本页刻意不在任何地方将其用作压缩证据。
- 上下文保真矩阵只有一个模型、一个种子、一天（每组 98 个可答探针）。
- 账本中的货币换算使用估算的 FX 参考汇率（frankfurter，2026-06-30），而非发票汇率。