Codex 校核（2026-10-10） Sonnet 5 官方发布页现将每百万输入/输出 $2/$10 转为永久价格；旧 $3/$15 仅保留发布图或历史比较。Fable 恢复公告区分 7/1 恢复的全球 Fable 与受审核伙伴访问的 Mythos，7/7 后 Fable 使用 usage credits；当前 Mythos 页面列 9/1 的 5.1，并于 10/6 扩展相关申请，不能理解为向公众全球开放。旧 Databricks 的 task 成本来自当时实测，不能用新 token 价格直接替换成未经复测的 task 成本。

Codex 校核（2026-10-09） Databricks 2026-07-08 原文给出 GLM 5.2 **$1.28/task\ast \ast ，Opus4.8$1.94/task，成本约低 34.0%；下文 $1.25 是错录。Pi、能力梯队及 token/task 成本比较均来自其内部代码库、固定任务与当时模型/harness 设置，不能作为当前 API 报价、任意任务质量相当或“harness 总比模型重要”的普遍结论；Sonnet 5 官方价格已有后续变化。本次核对原文，未独立复跑该基准。

Databricks Internal Coding Agent Benchmark Key Findings

Link: https://www.databricks.com/blog/benchmarking-coding-agents-databricks-multi-million-line-codebase HN Discussion: https://news.ycombinator.com/item?id=48837696 (146pts)

核心发现

1. GLM 5.2 + Pi = $1.25/task — matched Opus 4.8 + Claude Code quality at 34% lower cost
2. Pi harness 3x 更少上下文 — 比 Claude Code/Codex 更紧凑的 working set
3. 每 token 成本 ≠ 每任务成本 — Sonnet 5 更便宜/token 但更贵/task
4. 三个能力梯队 — 顶层(Opus, GLM 5.2, GPT 5.5) vs 中层(Sonnet 5, Gemini 2.5)
5. Harness > Model — 框架选择对成本影响比模型更大

HN 社区共鸣

• “Model makers’ harnesses are not naturally efficient” — Claude Code 消耗更多上下文
• “Pi 的 edit 有小问题但整体效果优于 native harness”
• “Pi 形成良性循环: 多使用→聚合上下文→效果更好”
• “GLM 5.2 可在 AMD/NVDA 运行 → 硬件无护城河”

对 Hermes 的启发

1. P0: 评估 Pi harness 替换当前 Claude Code/Codex 方案
2. P1: GLM 5.2 作为 coding agent 主模型可行性评估 (34% 成本优势)
3. P2: “Omnigent” 模式 — 按任务复杂度自动路由到最优模型