![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/103a5a319b34915b6a1dce26290e9c40.webp)

老金我最近用Codex里的GPT-6 Astra做事，会直接开xhigh。

原因是这样，我拿我跑的4万多次做了回测。

数据显示6的Xhigh实测Token消耗对比起来要少，它会走几次弯路，事情更容易做完，在5.6上并不明显，但是在6上尤为明显。

这和很多人的直觉相反。推理档位越高，模型想得越多，怎么还会省？

我也想把这事儿弄明白，于是翻了自己9月的记录，找出40,125次有明确档位和Token明细的请求。

里面有个反差：xhigh平均用来思考的Token，是medium的约2.6倍，平均总Token却低了约8.6%。

第一次看到结果的时候，我开始更在意，每次多想的那一点，究竟能不能换来后面少折腾几轮。

先看看统计的数字，medium平均每次用了69.8个推理Token、141,247个总Token。xhigh对应的是182.5和129,146。

这是原始数据拉出来的表格。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/809a81beebe6f17643c9cf543cf48121.webp)

看红字，思考的部分变多了，总量却没跟着变多，这里的总量包含输入和输出。

但这共计40125次调用来自不同任务，也包含子代理。它们是我的实际使用记录，并不是四万多道题分别交给六个档位重做一遍。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/646ab823b2147705e32b9ce5d2b9e96f.webp)

所以，这批数据能提醒我思考更多，不等于总Token更多。

不过High和Xhigh的话，体感上差不多，所以我选了推理更厉害点的Xhigh，原因就是下面这个，我想少一轮返工，这样更能节省时间。

最近推进我的俩小项目，量化应用和多媒体发布助手时，我最不愿意看到的，是翻来覆去的检查同一件事。

9月12日，我在对话里直接说过： 
我发现多媒体在测相同的东西 测了好几遍了

每次我都要重新交代，它重新读文件、改代码、跑检查，已经走过的路再走一遍。

我发现模型多次处理任务说明、历史对话、代码和工具结果。

xhigh是它更容易先把问题和已有进展理清，再往下做。背后的机制是多花一点思考，换掉后面几轮返工，总投入就有机会下降。

老金给你画个图，让你理解起来容易点儿。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/1e1613d11329957e9ea4a7d1d9a833f6.webp)

一个看着很小的改动，也可能牵着前面的状态、约束和几轮历史修改。

对我来说，值得比较的是同一件事做到验收时，究竟花了多少。

ARC Prize公布的Astra结果，提供了一组更直接的对照。在ARC-AGI-3的Standard harness下，high得分54.8%，整套评测费用40,705美元。xhigh得分59.3%，费用37,317美元。

得分提高4.5个百分点，费用反而降低约8.3%。

ARC Prize解释，更高的推理投入让模型用更少动作完成任务，减少了模型调用和总Token。它测的是陌生交互环境，不能直接当成我的软件项目结果。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/7642fa3882e40568cb3fafe3a57bf868.webp)

同一组结果里，max得分62.7%，费用26,098美元，表现还更好，这里和我的Max体感差不多，我不选它原因是不知道它怎么推理的。。。做的是快是好，但是缓存命中低，导致费用咣咣消耗。

所以我更愿意试xhigh，也更明确自己该盯什么：多出来的思考，有没有让后面的动作变少、结果更完整。

OpenAI的文档还说明过，推理Token计入输出，屏幕上只看到几句回复，不代表只消耗了那几句话。

算总账的时候，输入加输出才是总Token。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/00b649166a5be82f56a79cf917ba8b1d.webp)

如果一个任务跨了几轮、换过档位、调用了子代理，就把这些调用一起算进去。

只看最后成功的一轮，会漏掉真正贵的部分。

所以现在我乐意开xhigh。它的价值要落在少返工、能完成上。

第一次多想一会儿，我可以接受，一直在回复，事情却还停在昨天，我就得重新检查它的路线。

不过这也不意味着低档位做不好事，在我的记录里，low档位处理过一些有用的小问题。

对，你要注意这个小字，它代表的是简单，比如单文件修改，或者一个文章的修改等等，一旦涉及跨文件，跨项目，多工具使用等等，它就不够看了。

如果你也遇到同一件事反复来回，可以先选一个正在返工的任务，在下一轮把完成标准和现有记录一起交给它。下面这段是我会用的接续要求：

先核对这次任务的完成标准。列出已经完成且有证据的部分、仍未解决的问题，以及最近一轮新增的证据。已通过且未受本次改动影响的部分，复用现有结果。同一种失败反复出现时，先检查原来的判断，再说明下一步验证能排除什么原因。接着完成剩余工作，最后更新原有任务记录，让下一轮能直接接着做。

这段要求要配上真实文件、日志或已有验证结果。

它应该产出能追溯的进展记录，并继续处理剩下的缺口。

![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/ff287ed1757eebba7d76d66cbe8af7e2.webp)

## 写在最后

翻这四万多次请求，最初是想算清楚Token，看看为什么6消耗这么高，找个低消耗。

翻到后来，我反而更在意，自己在这些请求之间，被叫回来了多少次。

它重新读上下文，我也得跟着重新想一遍，这个项目做到哪儿了，上次为什么这么改，哪些地方已经确认过。好不容易把这些事装回脑子，刚才手头的另一件事又断了。

它重跑的是任务，我重新搭进去的是注意力。

这部分消耗，用量页面里看不到。可实际做事的人都知道，同一个问题回来找你第三遍的时候，光是重新打开那个窗口，就已经有点累了。

所以，我愿意让它在前面多想一会儿。比起立刻开始干活，我更在意这轮结束以后，能不能真的把一段工作放下。

再往下想，AI能同时干的活儿越来越多，我也很容易顺手再开几个任务。做产品的窗口、写文章的窗口、改课程的窗口，一排铺开，确实挺有生产力的样子。

可省下来的时间，要是全用来盯着更多窗口，我大概只是给自己换了一个更忙的工位。

能多做几件事很好，做完之后，能少惦记几件事，也很重要。

该我做的判断，我来做，已经交代清楚的那部分，我希望它能接着继续推进。

下一次任务跑起来，我想放心离开屏幕一会儿。

至于那一会儿拿来干什么，到时候再说。

* * *

谢谢你读我的文章。 
如果觉得不错，随手点个赞、在看、转发三连吧🙂 
如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。

数据显示6的Xhigh实测Token消耗对比起来要少，它会走几次弯路，事情更容易做完，在5.6上并不明显，但是在6上尤为明显。

翻了4万多次请求，我为什么更愿意开xhigh

人工智能

职业发展

新闻资讯

老金实测4万+次Codex GPT-6Astra调用发现，xhigh档虽推理Token是medium的2.6倍，但总Token低8.6%，且ARC-AGI-3评测中xhigh费用降8.3%、得分反升。更高推理投入减少返工与重复调用，省下隐性时间成本，适合跨文件复杂任务。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

翻了4万多次请求，我为什么更愿意开xhigh-腾讯云开发者社区-腾讯云

翻了4万多次请求，我为什么更愿意开xhigh

翻了4万多次请求，我为什么更愿意开xhigh

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐