输入 token 少了 28%，钱只省了约 4%

Codex CLI 自带一份 21,769 个字符的指令模板，我把它换成了一个 899 字节的文件。在 24 次真实的编码运行里，总输入 token 减少了 28.03%。按公开费率估算，成本只降了 4.31%，而且精简版通过的任务更少。

这是一个负结果。我把它发出来，是因为前面那个数字才是会被人引用的那个。

精简指令相对默认指令的变化，每组 12 个任务求和

输入 token，全部

−28.0%

命中缓存的输入

−44.6%

未命中缓存的输入

−3.9%

输出 token

+16.9%

估算成本

−4.3%

Codex CLI 0.159.2，gpt-6.1-sol，low reasoning。成本是按公开费率估算的，不是账单。

我当时为什么觉得会有用

这份模板每次请求都会带上。默认的请求体是 57,049 字节，换成短文件后是 35,942 字节，小了 37.0%。每个任务的每一轮都少发这么多 token，看起来是白捡的节省。

Codex CLI 0.159.2，模型 gpt-6.1-sol，low reasoning。两组的工具、权限和其余配置完全相同。
六类小型代码修复任务：区间合并、LRU 容量、退避上限、拓扑排序、JSON merge patch、输出游标。
每个任务每组跑两次，一共 24 次，串行执行，每次用全新的目录。
改动用的是官方支持的选项 model_instructions_file。短文件保留了关于任务范围、权限、保护密钥、把活干完、测试和如实报告的规则。工具定义约 20,462 字节，原样保留。
协议和通过门槛在运行之前就写好，并冻结在一次提交里。只跑一次，没有重试，也没有额外的诊断调用。

最后这一条，是我对这个结果的信任多过喜欢的原因。

12 个任务求和	默认	精简	变化
输入 token，含缓存	463,258	333,427	−28.03%
命中缓存的输入	274,688	152,192	−44.60%
未命中缓存的输入	188,570	181,235	−3.89%
输出 token，含 reasoning	4,465	5,220	+16.91%
按公开费率估算的 credits	11.23	10.75	−4.31%
通过冻结检查的任务	12 个里 11 个	12 个里 9 个

12 对任务里，每一对的总输入都减少了，降幅在约 8.8% 到 32.4% 之间。估算成本有 6 对下降，另外 6 对上升。

我用的费率是 2026 年 10 月 1 日查到的 Standard 档：未命中缓存的输入每百万 token 50 credits，命中缓存的输入每百万 2.5，输出每百万 250。

命中缓存的输入：少了 122,496 个 token，值 0.31 credits。缓存 token 的价格是未缓存的二十分之一，而我删掉的指令大部分本来就在走缓存。
未命中缓存的输入：少了 7,335 个 token，值 0.37 credits。
输出：多了 755 个 token，多花 0.19 credits。输出的单价是未缓存输入的五倍。

净额：11.23 credits 里省了 0.48。

默认组 12 个任务过了 11 个，精简组过了 9 个。这没有达到我事先定下的门槛。

事后逐个看那四次失败，代码本身都没问题：24 份提交的源文件，离线复核时全部通过了功能检查。其中三次失败是我的校验器拒绝了一个合法调用 int.bit_length()，因为它不在允许列表里。第四次是一条带环境变量前缀的测试命令，检查器没认出来。

但我保留了原始结论。门槛是运行之前定的，这次运行没达到。事后的复核另外记录，并标明是 post hoc，它不改变已经记录的结果。

如果只看总输入 token，我会报告省了 28%。这个数字藏住了三件事：

这个实验的下一版，要先修好校验器，换成真实的仓库和更长的任务，控制并记录缓存是冷是热，然后把质量、未缓存输入、输出和总成本放在一起判断。值得验证的想法是：一份很短的、针对任务的指令文件，放在一段稳定的公共前缀后面，让前缀持续命中缓存。

这个实验目前放在一个私有仓库里。协议、冻结的提交和原始运行归档都在，我还没有公开。