开源Agent战报：3个任务，Codex 12.5美元 vs 我们4.5美元，质量打平Claude Code

原始线索

开帖先扔个福利（也是写这帖的由头之一）： 我们官方推荐的模型服务商 OpenClacky AI Keys 这两天上新 + 搞活动—— claude-fable-5 上新 ，已经能直接用了； Gemini 全系限时 8 折 ：庆祝 gemini-3.5-flash 等三款新模型上线， 调用即享、不用手动开 。AI Keys 本身就是按模型官方价结算、不加价，只收 5% 通道费，叠完这波是真香。 好，正题。 一个月前我在 V2EX 发了第一帖，今天它满月了 一个月前我发过一帖： 《同样 3 个任务他们 30 美金我们 5 美金 —— OpenClacky 1.0 发布，最省 Token 的开源 AI Agent 》 那帖底下有几位老哥的反馈，我憋了一个月： "省是省，可你这开源的，效果真能跟 Claude Code / Codex 比？便宜没好货吧。" 这话我服气。说实话，很多人——包括一个月前的我自己——心理上都默认 Codex 和 Claude Code 才是天花板 。它俩确实强，这不丢人。 但"便宜没好货"这五个字，作为一个开源项目的作者，听着是真不舒服。所以这一个月我没光顾着抠 Token ， 专门组织了一场同台 benchmark ，就为了堵这句话 ：开源的、省钱的，到底配不配跟那两位坐一桌。 今天满月，把这个月攒下的真实数据全摊开，欢迎来拍。 先自报家门： OpenClacky ，一个 100% 开源（ MIT ）、BYOK 的 AI Agent 。 注意，不是"coding agent"——它是个 通用 Agent ：写代码只是其中一项，更多人拿它跑「周会录音转写 → 按负责人拆成可执行任务」「每天定时联网做行业摘要」「接到飞书群里当机器人」这类活。所以下面这场 benchmark ，任务也是按"通用"来设计的，不是单纯比谁代码写得好。 用用户的一句话来说：OpenClacky 可以完全代替各类 Agent ，不是平替是代替，尤其试试 webui ，比用飞书控制好用太多了，token 只有原来的 1/5 ，而且里面有写代码模式，这个可平替 ClaudeCode

为什么现在看：AI Agent成本是当前热点，开源方案崛起引发讨论。

收集原则判断：ai-frontier

原始链接：https://www.v2ex.com/t/1219884

这件事目前能确认什么

核心问题：开源Agent OpenClacky声称在3个任务上成本仅为Codex的1/3、质量与Claude Code持平，这一成本优势是否真实、可持续，且对普通技术人有实际价值？

• OpenClacky是一个100%开源（MIT）、BYOK的通用AI Agent，自称Token效率最高。
• 作者在V2EX发帖称，在3个任务上，OpenClacky成本4.5美元，Codex 12.5美元，质量与Claude Code打平。
• 项目官网（openclacky.com）有benchmark页面，显示3个任务总成本：OpenClacky $5.10，Claude Code $5.49，OpenClaw $15.70，Hermes $30.14。
• GitHub仓库（clacky-ai/openclacky）存在，但star数、活跃度等未在证据中明确。
• Reddit上有关于OpenClaw（名称相似项目）的负面讨论，但OpenClacky的用户反馈证据不足。
• Codex和Claude Code的定价信息可从第三方网站获取，但官方定价页面未直接抓取。

时间线

• 2026-04-30: OpenClacky发布benchmark结果（官网显示）
• 2026-05-xx: 作者在V2EX发布满月战报帖
• 2026-06-09: 第三方网站发布Codex和Claude Code定价分析

证据与依据

逻辑能不能闭环

部分闭环。成本数字有来源，但测试任务细节、评估标准、第三方验证缺失，逻辑链不完整。

可以继续写的方向

• 成本对比分析：拆解OpenClacky与Codex/Claude Code的真实成本构成：读者最关心成本是否真实，需要详细拆解API费用、缓存命中率、隐性成本等
  还需要：需要获取OpenClacky benchmark的详细日志、Codex/Claude Code官方定价
• 开源Agent的可靠性陷阱：从OpenClacky案例看迁移风险：读者可能被低成本吸引而忽略维护、兼容性、学习成本等风险
  还需要：需要用户负面反馈、长期使用案例、项目维护活跃度数据
• AI Agent选型决策框架：成本、效果、风险三维度评估：帮助读者建立系统化选型方法，避免被单一指标误导
  还需要：需要多个Agent的对比数据、行业基准、决策模型

还缺哪些基础概念

• OpenClacky的3个测试任务具体是什么？是否具有代表性？
• 成本计算是否包含API调用失败重试、错误处理等隐性成本？
• 质量打平Claude Code的评估标准是什么？是否有第三方或盲测？
• OpenClacky的GitHub仓库活跃度、维护团队背景、社区支持情况
• Codex和Claude Code在相同任务上的实际成本数据来源（官方或第三方）
• OpenClacky是否支持主流模型（如GPT-4、Claude 3.5）？BYOK模式下的实际成本
• 用户反馈中是否有负面评价或失败案例？
• OpenClacky的许可证（MIT）是否允许商业使用？有无专利风险？

还缺哪些资料素材

• OpenClacky GitHub仓库的README、star数、贡献者、最近更新日期
• OpenClacky benchmark的详细任务描述、评估指标、原始日志
• 至少2个独立用户对OpenClacky的评测或反馈（正面和负面）
• Codex和Claude Code的官方定价页面（非第三方）
• AI Agent成本对比的行业报告或第三方分析

不能写成结论的地方

• OpenClacky成本仅为Codex的1/3（需验证任务和成本构成）
• 质量打平Claude Code（需验证评估标准）
• 开源方案普遍更省钱（需考虑隐性成本）
• 普通技术人应迁移到OpenClacky（需评估风险和适用场景）

下一步补证检索词

• OpenClacky benchmark tasks details and evaluation criteria
• OpenClacky GitHub repository stars, contributors, last commit
• OpenClacky user reviews and real-world usage cases
• OpenAI Codex official pricing page 2026
• Anthropic Claude Code official pricing page 2026
• OpenClacky vs OpenClaw: are they the same project?
• OpenClacky license commercial use restrictions MIT

停止信号

• 如果OpenClacky的benchmark任务细节无法获取或明显偏向其优势领域
• 如果成本计算被第三方证明遗漏了重大隐性成本
• 如果用户反馈普遍负面或项目已停止维护
• 如果Codex/Claude Code官方定价与第三方数据差异巨大

原始事实和证据入口

给 GPT 前必须知道的边界

存疑点

• 测试任务是否具有代表性
• 成本计算是否包含所有隐性成本

继续深挖方向

验证开源Agent的测试方法、成本计算是否公允，收集更多用户反馈。

• 继续追官方文档、价格页、GitHub 仓库、真实用户案例或反方证据。
• 确认成本、门槛、合规、平台规则或岗位影响的具体边界。
• 把所有无证据、弱证据和推断点显式标记，等待补证后再升级结论。

懂行人可能会挑刺

• 不能把单条线索写成已验证机会。
• 不能把技术可实现直接推导为商业可赚钱。
• 涉及价格、收益、比例时必须继续找来源或公式。

不能写成结论

• 不要声称老花已经实操验证。
• 不要声称普通人都能复制。
• 不要在证据不足时给完整行动方案。

交付给 GPT 的使用入口

后续 GPT 应用应优先读取本静态页里的选题结论、判断链路、证据入口、缺口和可写方向；如果读取 JSON，则优先读取 selection_dossier 和 material_pack。

继续检索词：

• 开源Agent战报：3个任务，Codex 12.5美元 vs 我们4.5美元，质量打平Claude Code 原始项目 GitHub 复盘
• 开源Agent战报：3个任务，Codex 12.5美元 vs 我们4.5美元，质量打平Claude Code 收入 增长 证据
• 开源Agent战报：3个任务，Codex 12.5美元 vs 我们4.5美元，质量打平Claude Code 失败 限制 反方证据