写给谁看：每天开 coding agent 干活、月底会瞄一眼 token 账单、要么自费要么被公司限额的重度用户。你已经知道什么是 Claude Code、Codex、token plan，这篇不再科普，只讲这周的三个价格信号分别跟你有什么关系、现在该动什么、什么别动。
一、三天里，"价格"这条线出了三件事
先摆事实，全部可对时间线：
9月1日，Anthropic 发布 Claude Fable 5.1 和 Mythos 5.1，两版共用同一底层，后者只开放给经过审核的网络安全和生命科学机构。基准涨幅是官方口径：Terminal-Bench-Science 从 24.7% 到 52.6%，接近翻倍；Terminal-Bench 4.0 从 42.0% 到 55.8%；AutomationBench 从 17.1% 到 31.4%，官方称能连续跑数十小时复杂任务。小红书关键点不在分数：输入输出单价没动，动的是缓存读取价，直降 75%，到每百万 token 0.25 美元。小红书上一条整理帖算的账：典型任务整体成本约降 25%，高度 Agent 化的任务最高降 45%。
同一周，OpenAI 的 GPT-6 Astra 发布，和 Fable 5.1 前后脚隔一天，被搬运的海外实测里两家定价一致：输入 10 美元/百万、输出 50 美元/百万。哔哩哔哩用B站up主们的话说，“世界最强模型的头衔，这周换了两次主人”。Astra 已经进了 Codex，Plus 档就能用；前端和 3D 表现的实测视频是本周弹幕区最热闹的内容——程序员阿江那条两个全栈项目（在线表格+多机器人仓库调度）的对比拿到 1.7 万播放、134 条评论。哔哩哔哩哔哩哔哩
9月5日，知乎问题"如何评价阿里 token plan 取消 5 小时限额"一天内冲上 5 万浏览。"5 小时滚动限额"是国产编码套餐的老规矩，今年 4 月小米 MiMo 发 TokenPlan 时，"没有 5 小时限额"就是头号卖点，四档 39 元起、采用统一 Credit 点数计费。微博半年后阿里把自家限额也撤了，等于套餐侧开始集体松绑。有个回答被顶在前面，话很损但很真实，打窝阶段已经结束了，小活一支烟，大活一包烟，上不封顶，都已经不会古法编程，回不去了。知乎
三件事指向同一个问题：账单的结构变了，但大多数人还在看单价。
二、价目表没变，砍掉的是"记忆税"
为什么单价不动，账单能降两到四成？得先承认一个多数用户没细想过的事实：agent 编程的 token 消耗大头根本不是"让模型写代码"，而是反复重发上下文。
知乎 9 月 1 日有个 22 万浏览的回答把机制拆穿过（作者 pansz，251 赞）：一个命令走 200 步，第 200 步时，第 1 步的上下文已经被原样发送了 199 遍。知乎烧 token 的本质是"给模型买记忆"，他给的量级感也值得抄下来：一个程序员 prompt 基本盘 2M token，一天 100 个请求就是 2 亿；"1M 上下文"不是总共用 1M，是当前每次调用都要带上 1M；一个提示词几十个工具调用，加起来几十 M 很正常。所以为什么 token 要用 M 计量？“只有用 M 为单位的时候，它看起来才是个正常的数值。”
看懂这个，Fable 5.1 的降价就不是"降价"，是定向补贴：长任务=同一份上下文被反复读取，缓存读取价就是重发次数的乘数。砍掉 75% 的缓存价，等于专挑"高度 Agent 化"的用户给优惠——越重的活，降得越多（最高 45%）。这跟本周 B 站另一条"装了一年 73 个 skill，/skill-doctor 一查全是 0 次调用，cache 命中率从 40% 回到 78%"的讨论正好是同一枚硬币的两面。哔哩哔哩命中率就是钱。
一句可直接背走的判断：任务成本 ≈ 表观单价 × 上下文长度 × 重发次数。厂商这三周全在第三个变量上做文章，而社区讨论还停在第一个变量上吵谁便宜。
三、“同价不同账”：选型该换坐标系了
单价一样的两个旗舰，账单不一定一样。本周各家实测的口径高度一致：跑分接近，烧钱差很多。几条被反复提到的信息——
NixAI 那期 GPT-6 Astra vs Fable 5.1 给出的原版结论是，分数、实际体验和 token 成本之间有差距，高分模型未必是日常首选。哔哩哔哩
创哥的 AI 实验室做了 DeepSeek V4 Pro vs Fable 5.1 三个同题编程挑战，标题的追问很扎心：当成本相差几十倍甚至两百多倍时，我们到底多得到了什么？哔哩哔哩注意，那是灰测模型对旗舰，差距换来的是稳定性，不是玄学。
74,000 行代码库上的语义层建模实测（海外博主 DukePan，有中配搬运）：Fable 5.1 最细，产出设计文档+迁移计划+四选项矩阵，但单次任务成本近 8 美元、15-16 分钟。哔哩哔哩
海外圈已经把这周的价格战消化成了工作流：流传的 "Gauntlet 循环"让 Fable 5.1 这类贵模型只做架构和评审，写码放量的活压给便宜模型。哔哩哔哩旗舰当军师，国模当施工队，这可能是本周最实用的一个范式。
还有一层更根本的变化：你买的已经不是"模型"，是"模型×harness"的组合。Anthropic 自己出文档承认过同一模型在不同客户端表现有差异，小红书 9 月 2 日那条"不是 Claude 笨，是你的 Harness 不行"说的就是这个。小红书DeepSeek 官方开源的 harness 则把这层能力做成了明牌：20.5 万 Star、MIT 协议、一周连发两个 alpha、52 项变更，“一切皆插件”，同一个客户端今天接灰测 DeepSeek，明天接 GLM-5.3-Flash，配置改两行。<#&!53#&!>哔哩哔哩Kimi API 本周也原生支持了 Codex 和 Claude Code 直连，不用挂中转。哔哩哔哩工具和解耦、模型随便换，正在从极客玩法变成套餐厂商的默认战场。
四、限额取消之后：从"额度焦虑"到"烧速焦虑"
国产套餐松绑听着是好事，但 delta255 那句"打窝结束"值得全文背诵。把三件事排在一起看：4 月小米用"无限额"打差异化，9 月阿里跟进取消 5 小时限额，同期知乎上"程序员自费买 token""公司 token 太贵开始限额"两个问题分别挂着 68 万和 96 万浏览——限额的本质从来不是防你用，是替你兜底。
上限撤了，账单从"固定月费+踩刹车"变成"敞口烧钱"。企业侧更早体会过这个荒诞：埃森哲内部吐槽被传开，公司每月巨资买 token，消耗大头居然是用 AI 把 PDF 转成 PPT，就像坐飞机去买早餐，花大钱办小事。知乎对个人是同一面镜子：额度自由之后，第一个该装的是逐笔 token 监控——知乎 9 月 3 日已经出现"月底查完账单"的实践帖——而不是更多 skill。知乎
五、四档人怎么接这波降价（对号入座）
Claude Code + 官方订阅/API 的重度用户：这是唯一"无需任何操作直接受益"的人群。长任务越多、上下文越大，缓存降价吃得越满。顺手做一件事：清掉一年没调用过的 skill 和 CLAUDE.md 冗词条目，把 cache 命中率当 KPI 看。
Astra/Fable 5.1 之间纠结要不要跳船的：别比榜单，比"单任务平均烧钱"。本周实测区已经给出标准动作，同一任务先比分镜、只试关键段、再决定整条的试法被反复引用。哔哩哔哩跨生态要额外算 harness 迁移成本——你的 MCP、插件、hook 配置能不能原样带走。
国产套餐用户：限额红利是真的，但按"上不封顶"过日子之前，先跑一周烧速基线；灰测白嫖通道（DSH 接 DeepSeek 0831 之类）当观察窗，不当生产环境。
还在观望要不要入坑的轻用户：这轮"能力×单位任务成本"的比拼对你最有利——等长程任务账单被打下来再进，比现在站队任何一家都划算。
继续盯四个信号：①国产模型跟不跟进缓存计价降价（Fable 5.1 这一刀切在 agent 用户命门上，跟进是大概率）；②DeepSeek V4 Pro 灰测转正后的第三方复现（目前所有"吊打"结论都出自自媒体，无独立复现）；③Astra 登陆更多入口后 Plus 档的实际限流；④DSH 这类开源 harness 的插件生态会不会反向被闭源工具吸收。
六、反证与保留
照例泼三盆冷水：本文引用的基准（Terminal-Bench 系列、AutomationBench）全部是官方口径，独立复现结果出来前看个趋势就好；B 站搬运实测不少内嵌 API 聚合站和课程推广，"XX 倍成本差"这类数字先默认打折；灰测模型的表现与正式版可能存在出入，本周所有基于灰测的对比都请当作预告片。证据覆盖到这里，结论就只能到这里：这轮真正的变化不是"谁降价了"，而是价格战的战场从价目表挪到了账单结构——单价、缓存命中率、上下文重发次数，三个变量里厂商只动了后两个，而账单会替你记住。
