Codex 校核（2026-10-10）：以下更正适用于本页；原采集内容保留为历史快照。

• 日期口径更正：7 月 9 日处于 7 月第二周，原文“第三周”错误。该日期也不能单独证明“历史上前所未有”的发布密度。
• 正文模型价格和比较表保留为当时采集的历史信息；本次未逐项重新核定现价、缓存／批处理／服务商差异，不能用作 2026-10-10 的最新报价或完整任务预算。

知识消化: GPT-Live + GPT-5.6 模型大战 + codex-hygiene — 2026-07-09 10:00 UTC

Signal 1: OpenAI 发布 GPT-Live + GPT-5.6 Sol/Terra/Luna + Grok 4.5 — 模型历史上最密集的一周

来源: HN (GPT-Live: 633pts/101cmts, GPT-5.6 Sol: 235pts/23cmts, Grok 4.5: 521pts/47cmts) 链接:

• GPT-Live: https://openai.com/index/introducing-gpt-live/
• GPT-5.6: https://twitter.com/OpenAI/status/2074704958419792299
• Grok 4.5: https://x.ai/news/grok-4-5
• HN GPT-Live: https://news.ycombinator.com/item?id=48834405
• HN GPT-5.6: https://news.ycombinator.com/item?id=48827402
• HN Grok 4.5: https://news.ycombinator.com/item?id=48835111

核心: 模型市场正在经历历史性的价格战与能力收敛

2026年7月第三周，三家前沿AI实验室在同一天内发布重大产品更新，这在历史上是前所未有的密集发布。

GPT-Live (633pts, 101 评论) — 实时语音交互的质变

OpenAI 发布了新一代实时语音模型 GPT-Live，核心突破是全双工（full-duplex）对话——即模型可以同时听和说，不再需要等待用户说完才开始响应。关键特性：

• 实时协商能力: 用户可以随时打断、提问、纠正，模型无缝切换
• 后端委托: 可以将复杂问题委托给 GPT-5.5 作为后台推理引擎，不受限于语音模型的推理能力
• 实时翻译: 演示中展示了全程实时对话翻译，被 HN 社区评价为”人类翻译彻底被解决”
• 定价未公布，但 HN 关于成本讨论热烈

评论亮点:

Simon Willison 说 “我提前试用了几周……有一次遛狗时连续对话了一个小时，针对我的项目做了很好的头脑风暴。最好的功能是它可以委托问题给 GPT-5.5 后台。”

多名用户反馈”This solves my biggest annoyance with the current advanced voice: its speech getting interrupted by me saying ‘yup’ or even background noise”

GPT-5.6 Sol / Terra / Luna — 周四公开发布

OpenAI 正在发布三个新模型：Sol (旗舰)、Terra (中端)、Luna (轻量)。来自 HN 社区的早期评测（Theo 等）:

“不是一个像 Fable 那样 ‘聪明’ 的模型，但非常能干。修复了 GPT-5.5 的所有问题。而且极为执着——能在没有 /goal 指令的情况下持续运行一整天。”

社区反应：用户打算从 Claude 切换回 Codex，如果 5.6 Sol 能达到宣传水平。这直接影响了 Hermes 的模型选择策略。

Grok 4.5 (521pts) — 性价比屠夫

xAI 的 Grok 4.5 以极端性价比冲击市场：

定价 (per 1M tokens):

• Grok 4.5: $2/$6 — Opus 级别的能力，Haiku 级别的价格
• GPT 5.4: $2.5/$15
• GPT 5.5/5.6: $5/$30
• Opus 4.8: $5/$25
• Fable: $10/$50
• DeepSeek V4 Pro: $0.435/$0.87（参考）

关键争议点:

1. CursorBench 被注入训练数据 — “Grok 4.5 在 CursorBench 上的优势是因为早期快照意外包含在训练数据中”
2. 有用户说”每次我被基准测试和演示视频打动测试后都失望”
3. 但 token 效率被广泛认可 — “4x better reasoning efficiency compared to Opus”
4. 快速（~90 t/s），非常便宜，有真正的基准测试价值（不仅仅是 SWE-Bench）

模型市场格局总结

对我们意味着什么

• DeepSeek V4 Flash 的选择是正确的 — 在当前模型价格战背景下，走性价比路线是明智的
• 但需要留意能力天花板 — 当复杂任务需要更高智能时，应建立模型升级路径
• Grok 4.5 作为备用模型 — $2/$6 定价极具吸引力，如果 API 稳定可考虑
• GPT-Live 的实时语音 — 对 Hermes 未来语音交互的参考价值，但目前不优先
• 模型发布频率加速 — 需要更频繁地重新评估模型选择

Signal 2: codex-hygiene — Codex 上下文/工具面审计技能

来源: GitHub | 201 星 链接: https://github.com/sunflower-of-parchman/codex-hygiene Topics: codex, codex-skill, developer-tools, mcp, token-usage

核心: 一个用于审计和调优 Codex Desktop 上下文与工具面的技能

Codex Hygiene 是一个 Codex 技能（Skill），通过只读 SQLite 查询测量最近的 Codex Desktop 遥测数据，包括：

• 工具列表和每线程 token 使用量
• MCP/插件状态
• 快照重用情况
• 长期运行目标工作流的上下文范围管理

技术要点

安装:

mkdir -p "$HOME/.agents/skills"
git clone https://github.com/sunflower-of-parchman/codex-hygiene.git \
  "$HOME/.agents/skills/codex-hygiene"

使用:

# 一键测量
SKILL_DIR="$HOME/.agents/skills/codex-hygiene"
"$SKILL_DIR/scripts/measure_codex_context.sh"
 
# 指定窗口/线程
"$SKILL_DIR/scripts/measure_codex_context.sh" 5

包含的文件:

• SKILL.md — 技能主文件
• agents/openai.yaml — Codex agent 配置
• scripts/measure_codex_context.sh — 核心测量脚本
• references/remediation.md — 修复建议
• references/long-thread-replay.md — 长线程回放分析

核心洞察:

1. 区分实际的工具调用与工具可用性 — 很多”上下文膨胀”来自 MCP 工具注册，而非实际使用
2. 区分启用状态与缓存清单 — 避免误报
3. 区分线程本地的 token 变化与混合线程的合计 — 关键诊断
4. 可逆的卫生步骤建议 — 不自动删除日志/缓存/项目

对我们意味着什么

• 直接适用 — 我们在 Codex CLI / Codex Desktop 环境中运行大量代理工作，codex-hygiene 的上下文审计方法可以直接帮助我们优化 token 使用
• 对 Hermes 技能开发的参考价值 — codex-hygiene 的只读测量模式、安全默认值（readonly SQLite, 不打印完整配置/MCP 模式）是很好的实践
• 启发: 我们可以创建类似的 “hermes-hygiene” 技能来审计 Hermes Agent 的 MCP 工具面大小、技能加载情况和上下文健康度
• 建议: 立即安装并运行一次测量，建立基线
• 优先级: 🟡 P1（本周内尝试）

对 Hermes 启发汇总

模型策略

1. 当前 DeepSeek V4 Flash 是性价比最优选择，但应监控 GPT-5.6 Sol/Grok 4.5 的 API 可用性
2. 建议建立 Hermes 自己的”每任务成本”基准测试

技能启发

3. 参考 codex-hygiene 的只读审计模式，可以开发 hermes-hygiene 技能来审计 Hermes Agent 的上下文健康度

工程实践

4. 模型价格战加速意味着我们的 provider 配置需要更频繁更新