Cache Benchmark

缓存命中与用户体验基准

英文名：cache-benchmark · 领域：上下文与记忆 · 返回功能索引

本 fork（Claude 账号与 ChatGPT 账号两条路径）与官方 Claude Code、Codex CLI、opencode、pi 跑同一批真实任务，比较提示缓存命中率、token 用量、多代理开销、长时间闲置后的缓存、启动速度和稳定性。全部是真实模型请求，不使用假 API。数据采集于 2026-11-07，共 357 次 run，每格至少 3 次。

摘要

指标	本仓库 · Claude 账号	官方 Claude Code	本仓库 · ChatGPT 账号	Codex CLI	opencode	pi
CLI 模式命中率（33 次）	87.1%	87.3%	85.3%	88.8%	89.2%	84.0%
平均总 token / 任务	72.7k	81.0k	75.9k	80.3k	81.5k	36.5k
TUI 6 轮总 token	235k	640k	310k	267k	—	80k
3 个 subagent / Teams 3 人（相对单代理）	2.8× / 6.0×	3.7× / 4.0×¹	3.8× / 8.5×	—	—	—
长闲置 2.7 小时总 token	306k	349k	331k	361k	—	131k
-p 启动到首个请求	0.82s	0.89s	0.71s	2.59s	—	0.83s
会话中途整段失效	0.0%	0.0%	2.7%	0.5%	3.2%	4.2%
任务成功	33/33	33/33	33/33	33/33	33/33	33/33

¹ 官方 2.1.319 在 -p 下把具名 Agent 调用当作后台 subagent 运行，没有组成团队。

• Claude 侧与官方持平：命中率相差 0.2 个百分点，在噪声范围内；总 token 少 10%；TUI 多轮交互官方用量是本仓库的 2.7 倍；3 个 subagent 时本仓库 2.8 倍、官方 3.7 倍。
• ChatGPT 侧比 Codex 低 3.5 个百分点，差距只在短任务（82.9% 对 89.7%）；长任务 86.5% 对 88.3%，接近持平。原因是 Codex 的系统提示在服务器端，新会话第一个请求的未缓存部分只有 2.7k，本仓库 6.3k。
• 多代理：3 个 subagent 本仓库是单代理的 2.8 倍，官方 3.7 倍；Agent Teams 3 人本仓库 Claude 账号 6.0 倍、ChatGPT 账号 8.5 倍。官方 2.1.319 在 -p 下没有真正组队（见第 5 节），它的 4.0 倍不能直接比较。
• 长时间闲置：Claude 侧 1 小时缓存在闲置 65 分钟后过期，下一轮第一个请求本仓库与官方都只剩约 50%；第二次 65 分钟后本仓库 28%、官方 39%。官方的静态前缀全球用户共享、一直是热的，所以新会话第一个请求官方 67%、本仓库 0%。本仓库 ChatGPT 账号闲置 65 分钟后仍有 97–98%。2.7 小时总 token 本仓库 Claude 306k、官方 349k。
• 差异的量级：同一 CLI 在不同任务类型之间相差 11–41 个百分点，大于 CLI 之间的差距；ChatGPT 侧同一格重跑平均相差 9 个百分点。单个任务格小于约 10 个百分点的差异不显著，结论以分组合计为准。

测试设计

对象

CLI	版本	账号 / 模型	effort
本仓库 · Claude 账号	dev 453b1c6	Claude OAuth · claude-sonnet-5-5	默认
官方 Claude Code	2.1.319	Claude OAuth · claude-sonnet-5-5	默认
本仓库 · ChatGPT 账号	dev 453b1c6	ChatGPT OAuth · gpt-6.1-sol	账号默认 low
Codex CLI	0.167.0	ChatGPT OAuth · gpt-6.1-sol	账号默认 low
opencode	1.19.5	ChatGPT OAuth · gpt-6.1-sol	默认
pi	1.5.0（@earendil-works/pi-coding-agent）	ChatGPT OAuth · gpt-6.1-sol	默认

pi 与 opencode 另用 Claude API key 跑了一组 claude-sonnet-5-5（见第 1 节）；表中其余位置的 pi、opencode 均指 ChatGPT 账号。

453b1c6 与 990cc05 的代码相同（之间只有文档提交）。办公 / 编码 / 运维的 CLI 矩阵用 5c5ce9e，它与 990cc05 的差别只在没有模型目录缓存的首次启动；本基准每个 HOME 都预置了目录缓存，两者结果可合并。

任务

四类工作加 Lean 证明，每类一短一长（编码长任务两题），共 11 题，每题每个 CLI 3 次：

类型	短任务	长任务
办公	整理 README	读源码写三份文档并附可执行示例
研究	比较 3 份报价，算 36 个月成本	分析 900 条工单与会议记录，写研究报告
编码	写 slugify	修 4 个 bug + CLI + 测试；从零写表达式语言（≥ 30 个测试）
运维	磁盘告警排查	日志 + 配置 + 脚本 + 事故报告
Lean 4 证明	奇数和 + 骑士骗子题	等差和、列表反转引理、n² ≤ 2ⁿ、四人赛跑排名题

另有五组场景，各 3 次：

场景	内容	参与 CLI
TUI 6 轮	同一组 6 轮对话，tmux 驱动真实终端	除 opencode 外全部
SDK 4 轮	长短结合：stream-json / exec resume / --continue	除 opencode 外全部
Web 6 轮	Playwright 驱动 claude web	本仓库（只有本仓库有 Web）
多代理	3 个模块各一个 bug：单代理、3 个 subagent、Agent Teams 3 人	Claude Code 系（本仓库两条路径、官方）
长闲置	7 轮编码，间隔 0 / 4 / 15 / 65 / 4 / 65 / 4 分钟，约 2.7 小时	除 opencode 外全部

判定全部自动：编码与多代理任务跑测试；Lean 用 lean 编译，无错误无警告，禁止 sorry / admit / axiom / native_decide / set_option，定理陈述逐行比对不得改动；研究题自动核对答案与中位数。

控制系统性误差

• 每一轮同一任务所有 CLI 同时开跑，时段、配额与后端路由对各方一致。
• 每次 run 使用全新 HOME、相同提示、相同模型；ChatGPT 侧预置账号模型目录缓存（模拟老用户）。
• 所有 CLI 关闭网页搜索与抓取；全部 run 检查过没有搜索调用。
• 每个模型请求经 MITM 记录代理，取 usage、TTFT、请求体大小、模型与 effort；所有 CLI 直连官方端点。
• 每个 run 都核对过：有请求记录，且请求都落在该 run 的起止时间内。

已知偏差

• 当天第一个 Claude run 要写入冷的静态前缀（本仓库 coding-s 第 1 次命中 49%，之后 87%），属暖机效应，保留在数据里。
• opencode 每个会话先发一个约 0.6k 的生成标题请求，它的「首个 prompt」是这个小请求。
• Codex 的系统提示与工具在服务器端，请求里看不到，首请求未缓存量天然较低。
• 有 subagent 时不同代理的请求交错，「中途失效」只按主代理序列计算。
• 长闲置的 3 次 run 同时开始，后两次的第一个请求可能用上第一次刚写入的前缀。
• 启动测量期间，长闲置 run 在后台待机（无请求），对 CPU 读数的影响小于 1 个百分点。

口径

• 总 token = 未缓存输入 + 缓存读 + 缓存写 + 输出。
• 命中率 = 缓存读 ÷（未缓存输入 + 缓存读 + 缓存写），按 token 加权；ChatGPT 没有缓存写入计费项，记 0。
• TTFT = 请求发出到第一个 token；启动到首 token = 进程启动到第一个 token。
• 会话中途整段失效 = 会话内非首个请求、prompt ≥ 4k、缓存读低于 20% 的请求占比。
• 括号内是单次 run 的最低–最高。

结果

1. 总体命中率

CLI 模式（-p / exec / run），每个 CLI 33 次，表中 token 为每次 run 的平均值：

CLI	成功	命中率（单次范围）	平均总 token	未缓存输入	缓存读	缓存写	输出	首个 prompt	平均 prompt	请求数	平均请求体	平均 TTFT	平均用时
本仓库 · Claude 账号	33/33	87.1%（49–93）	72.7k	0.0k	60.7k	9.0k	3.0k	15.5k	17.2k	4.0	46 KB	2.59s	26s
官方 Claude Code 2.1.319	33/33	87.3%（77–94）	81.0k	0.0k	67.7k	9.8k	3.5k	17.1k	19.0k	4.0	15 KB	2.50s	30s
本仓库 · ChatGPT 账号	33/33	85.3%（50–93）	75.9k	10.8k	62.9k	0.0k	2.2k	10.4k	12.7k	5.6	59 KB	3.05s	61s
Codex CLI 0.167.0	33/33	88.8%（79–96）	80.3k	8.8k	69.3k	0.0k	2.2k	14.6k	16.1k	4.8	19 KB	2.40s	59s
opencode 1.19.5	33/33	89.2%（71–96）	81.5k	8.4k	69.6k	0.0k	3.6k	0.7k	7.3k	9.3	33 KB	2.97s	95s
pi 1.5.0	33/33	84.0%（37–95）	36.5k	5.4k	28.4k	0.0k	2.7k	1.4k	3.6k	7.5	4 KB	3.16s	74s

新会话第一个请求：

CLI	首个 prompt	其中命中	未缓存	启动到首 token
本仓库 · Claude 账号	15.5k	10.0k	5.4k	3.4s
官方 Claude Code 2.1.319	17.1k	11.4k	5.7k	3.6s
本仓库 · ChatGPT 账号	10.4k	4.1k	6.3k	3.9s
Codex CLI 0.167.0	14.6k	11.8k	2.7k	5.5s
opencode 1.19.5	0.7k	0.0k	0.7k	5.3s
pi 1.5.0	1.4k	0.0k	1.4k	3.4s

官方请求体更小，是因为它用服务器端 thread 续接，只发送增量；计费 token 不受影响。

Claude 模型下的 pi 与 opencode：pi 和 opencode 另用 Claude API key 跑同样 11 题 × 3 次（claude-sonnet-5-5，二者交错运行；本仓库与官方沿用上表 OAuth 数据）。API 等价花费按 Anthropic 公开价计算。

CLI	成功	命中率（单次范围）	平均总 token（单次范围）	缓存读	缓存写	输出	首个 prompt	平均 TTFT	平均用时	请求数	API 等价花费 / run
本仓库 · Claude 账号	33/33	87.1%（49–93）	72.7k（32–149k）	60.7k	9.0k	3.0k	15.5k	2.6s	26s	4.0	$0.078
官方 Claude Code 2.1.319	33/33	87.3%（77–94）	81.0k（36–159k）	67.7k	9.8k	3.5k	17.1k	2.5s	30s	4.0	$0.088
opencode 1.19.5	33/33	79.2%（59–89）	92.0k（34–440k）	68.0k	17.9k	6.1k	10.6k	2.3s	45s	6.1	$0.119
pi 1.5.0	33/33	73.4%（32–83）	21.4k（10–77k）	13.5k	4.9k	3.0k	2.7k	2.1s	23s	4.0	$0.045

短任务命中率 86.8% / 87.1% / 67.5% / 77.9%，长任务 87.3% / 87.4% / 81.9% / 71.9%（顺序同上表）。四个 CLI 会话中途失效都是 0。pi 命中率低是因为提示只有约 2.7k，新内容占比大，并非缓存失效；opencode 每个会话的第一个请求缓存读都是 0（33/33），另外三个能复用跨会话前缀。本仓库与官方写 1 小时缓存，pi 与 opencode 写 5 分钟缓存。这两组用 API key、在另一时段运行，没有与本仓库、官方交错，比较时有时段偏差。

2. 短任务与长任务

CLI	短任务（15 次）	长任务（18 次）
本仓库 · Claude 账号	86.8%（49–93）/ 53.2k	87.3%（79–91）/ 89.0k
官方 Claude Code 2.1.319	87.1%（81–90）/ 53.9k	87.4%（77–94）/ 103.6k
本仓库 · ChatGPT 账号	82.9%（50–91）/ 52.7k	86.5%（77–93）/ 95.2k
Codex CLI 0.167.0	89.7%（85–94）/ 58.9k	88.3%（79–96）/ 98.1k
opencode 1.19.5	84.6%（71–90）/ 28.4k	90.1%（73–96）/ 125.8k
pi 1.5.0	59.6%（37–78）/ 7.7k	86.6%（64–95）/ 60.5k

格式：命中率（单次范围）/ 平均总 token。短任务总量小，新会话第一个请求的未命中占比大；Codex 是唯一短任务高于长任务的 CLI，原因同上。

3. 按任务类型

每个任务 × CLI（命中率 · 平均总 token · 平均用时，各 3 次）：

任务	本仓库 · Claude	官方 2.1.319	本仓库 · ChatGPT	Codex 0.167.0	opencode 1.19.5	pi 1.5.0
办公・短 doc	87% · 48.2k · 11s	87% · 53.4k · 12s	82% · 44.0k · 22s	89% · 68.6k · 31s	87% · 22.9k · 29s	54% · 5.0k · 17s
办公・长 doc-l	86% · 109.3k · 61s	84% · 124.3k · 86s	86% · 104.7k · 154s	91% · 101.5k · 147s	91% · 170.0k · 293s	95% · 113.0k · 272s
研究・短 research-s	87% · 49.5k · 15s	87% · 54.7k · 15s	83% · 49.4k · 33s	89% · 63.2k · 30s	84% · 41.4k · 50s	63% · 10.9k · 26s
研究・长 research-l	91% · 85.8k · 22s	91% · 94.2k · 22s	88% · 59.9k · 51s	92% · 81.8k · 49s	90% · 100.9k · 95s	64% · 12.1k · 37s
编码・短 coding-s	78% · 43.3k · 14s	84% · 42.2k · 11s	85% · 54.9k · 23s	89% · 61.7k · 21s	83% · 28.1k · 26s	57% · 7.7k · 19s
编码・长 coding	83% · 53.3k · 25s	83% · 58.8k · 26s	89% · 85.0k · 72s	89% · 91.5k · 68s	91% · 92.0k · 98s	73% · 30.2k · 77s
编码・长 longcode	82% · 76.1k · 47s	77% · 75.8k · 58s	91% · 81.5k · 139s	93% · 93.2k · 146s	89% · 124.4k · 221s	88% · 92.9k · 194s
运维・短 ops-s	87% · 48.2k · 15s	88% · 59.7k · 14s	77% · 51.2k · 24s	91% · 61.8k · 22s	87% · 22.7k · 25s	53% · 6.7k · 20s
运维・长 ops	89% · 128.8k · 35s	90% · 135.3k · 34s	86% · 150.0k · 80s	83% · 144.0k · 75s	91% · 226.4k · 134s	84% · 92.7k · 81s
Lean・短 lean-s	91% · 76.7k · 17s	89% · 59.3k · 15s	86% · 64.3k · 29s	91% · 39.3k · 21s	83% · 26.8k · 26s	65% · 8.4k · 22s
Lean・长 lean-l	90% · 80.6k · 26s	92% · 133.2k · 34s	81% · 90.2k · 51s	85% · 76.8k · 39s	83% · 40.9k · 49s	80% · 22.2k · 52s

pi 在短任务和研究题上命中率低，是因为它的系统提示与工具定义只有约 1.4k，总量太小，未缓存的新输入占比大；按总 token 算它最省。

4. 交互与多轮

CLI	模式	成功	命中率（单次范围）	平均总 token	未缓存输入	缓存读	缓存写	输出	首个 prompt	平均 prompt	请求数	平均 TTFT	平均用时
本仓库 · Claude 账号	TUI 6 轮	3/3	94.8%（95–95）	234.8k	1.2k	218.8k	10.7k	4.0k	17.0k	20.3k	12.3	2.13s	96s
官方 Claude Code 2.1.319	TUI 6 轮	3/3	97.3%（97–97）	640.2k	4.1k	618.6k	12.9k	4.7k	32.9k	36.6k	18.3	1.48s	104s
本仓库 · ChatGPT 账号	TUI 6 轮	3/3	91.0%（89–94）	309.8k	27.6k	279.2k	0.0k	2.9k	11.6k	13.9k	23.0	2.57s	182s
Codex CLI 0.167.0	TUI 6 轮	3/3	93.1%（92–94）	266.7k	18.1k	245.4k	0.0k	3.3k	14.5k	17.1k	16.0	2.11s	149s
pi 1.5.0	TUI 6 轮	3/3	83.5%（81–86）	80.4k	12.8k	65.0k	0.0k	2.6k	1.3k	3.0k	25.7	2.09s	154s
本仓库 · Claude 账号	SDK 4 轮	3/3	92.1%（92–92）	133.4k	0.0k	119.2k	10.2k	4.0k	15.5k	18.5k	7.0	2.54s	38s
官方 Claude Code 2.1.319	SDK 4 轮	3/3	92.5%（92–93）	154.8k	0.0k	139.2k	11.3k	4.3k	17.2k	20.5k	7.3	3.23s	46s
本仓库 · ChatGPT 账号	SDK 4 轮	3/3	91.9%（90–93）	177.5k	14.0k	159.9k	0.0k	3.6k	10.4k	14.5k	12.0	3.44s	112s
Codex CLI 0.167.0	SDK 4 轮	3/3	90.7%（89–91）	201.0k	18.4k	178.9k	0.0k	3.7k	15.1k	18.5k	10.7	2.55s	118s
pi 1.5.0	SDK 4 轮	3/3	86.0%（81–91）	82.1k	11.0k	67.5k	0.0k	3.6k	1.4k	4.6k	17.0	2.37s	119s
本仓库 · Claude 账号	Web 6 轮	3/3	94.0%（91–96）	242.3k	0.0k	223.8k	14.3k	4.1k	16.7k	19.8k	12.0	1.54s	81s
本仓库 · ChatGPT 账号	Web 6 轮	3/3	86.5%（83–89）	295.8k	39.5k	253.4k	0.0k	3.0k	11.0k	13.7k	21.3	2.90s	167s

官方 TUI 命中率更高，但首个 prompt 是本仓库的 2 倍、请求数多 50%，绝对用量大得多。命中率高不等于更省，比较成本以总 token 为准。

5. 多代理协作

CLI	方式	成功	平均总 token（单次范围）	相对单代理	命中率	请求数	平均用时
本仓库 · Claude 账号	单代理	3/3	55.8k（50–67k）	1.0×	87.4%	3.3	12s
本仓库 · Claude 账号	3 个 subagent	3/3	156.2k（155–157k）	2.8×	80.6%	12.0	27s
本仓库 · Claude 账号	Agent Teams 3 人	3/3	337.0k（336–338k）	6.0×	89.8%	20.0	25s
官方 Claude Code 2.1.319	单代理	3/3	61.5k（56–73k）	1.0×	87.5%	3.3	13s
官方 Claude Code 2.1.319	3 个 subagent	3/3	225.8k（205–236k）	3.7×	85.1%	15.3	26s
官方 Claude Code 2.1.319	Agent Teams 3 人	3/3	243.8k（230–251k）	4.0×	88.1%	16.3	21s
本仓库 · ChatGPT 账号	单代理	3/3	58.8k（57–60k）	1.0×	87.5%	5.0	27s
本仓库 · ChatGPT 账号	3 个 subagent	3/3	223.1k（217–233k）	3.8×	80.3%	26.0	53s
本仓库 · ChatGPT 账号	Agent Teams 3 人	3/3	497.8k（429–546k）	8.5×	82.6%	42.0	74s

任务：dates.py、money.py、textwrap2.py 各有一个 bug，修好后跑测试。subagent 与 Teams 只在提示里多一句「每个模块交给一个 subagent / 队员」；Teams 提示要求给每个队员命名，9 次 run 都发出了 3 个具名 Agent 调用。本仓库的队员是真正的团队成员：带完整主提示和队员附加说明，通过邮箱汇报，收尾时还要处理关闭请求，因此比 subagent 多用 token。官方 2.1.319 在 -p 下返回「Async agent launched successfully」，按后台 subagent 运行、没有邮箱，之后的关闭消息报「Task dates is not running」，即实际没有组队；表中官方 Teams 一行只作参考。Teams 用 dev 3da7a1d，它比 453b1c6 只多一处 -p 下 Teams 收尾时机的改动（#1038）。ChatGPT 下每个队员约 8 个请求（模型多为每步一个工具调用），所以请求数和总 token 高于 Claude 侧；约 85% 是缓存读。

6. 长时间闲置后的缓存

同一会话 7 轮编码（读代码列 bug、修 bug、补测试、加两个 CLI 子命令、写 CHANGES.md、最后跑测试），轮间闲置 0 / 4 / 15 / 65 / 4 / 65 / 4 分钟，整个会话约 2.7 小时，用 SDK 多轮方式驱动（Claude Code 系 stream-json，Codex exec resume，pi --continue）。

CLI	成功	总 token（单次范围）	缓存写	整体命中率	请求数	每轮第一个请求命中率（3 次平均）
本仓库 · Claude 账号	3/3	306k（301–312k）	54.3k	81.8%	14.0	0 / 97 / 98 / 50 / 96 / 28 / 99
官方 Claude Code 2.1.319	3/3	349k（340–360k）	47.6k	85.9%	14.0	67 / 97 / 98 / 50 / 99 / 39 / 99
本仓库 · ChatGPT 账号	3/3	331k（294–373k）	0	91.6%	23.0	35 / 81 / 92 / 98 / 97 / 97 / 99
Codex CLI 0.167.0	3/3	361k（338–373k）	0	92.7%	18.3	82 / 91 / 96 / 94 / 80 / 97 / 99
pi 1.5.0	3/3	131k（117–149k）	0	83.1%	25.0	0 / 31 / 96 / 55 / 97 / 97 / 97

• Claude 侧两次 65 分钟闲置后，第一个请求只命中静态前缀（约一半）；第二次本仓库单次为 0–43%，官方 38–40%。官方的静态前缀被全球用户持续使用，始终在缓存里；本仓库的前缀只有自己用，闲置后容易过期。
• 新会话第一个请求：官方 67%、本仓库 0%（3 次同时冷启动，前缀都还没写入）。CLI 矩阵里本仓库首请求平均命中 10.0k，是因为当天已有其他 run 写过前缀。
• ChatGPT 侧缓存保留时间更长：闲置 65 分钟后，本仓库 ChatGPT 账号 97–98%，Codex 94–97%；pi 第一次 65 分钟后平均 55%（单次 0–97%），第二次 97%。单次的整段失效（如 Codex 第 5 轮一次 60%、pi 第 2 轮两次 0%）出现在短闲置之后，与闲置时长无关。
• 总 token 本仓库 Claude 比官方少 12%，ChatGPT 账号比 Codex 少 8%。

7. 稳定性：会话中途整段失效

CLI	失效请求 / 统计请求	比例	损失的缓存读
本仓库 · Claude 账号	0 / 195	0.0%	0
官方 Claude Code 2.1.319	0 / 182	0.0%	0
Codex CLI 0.167.0	1 / 215	0.5%	16.1k
本仓库 · ChatGPT 账号	9 / 330	2.7%	117.4k
opencode 1.19.5	10 / 315	3.2%	52.1k
pi 1.5.0	6 / 142	4.2%	52.5k

统计范围是 CLI 矩阵全部 run 的主代理请求。ChatGPT 侧的失效发生在 tools 与前缀都没变的请求上，来自 OpenAI 后端路由，客户端无法修正；改走 WebSocket 的 10 组对照没有改善（WebSocket 6.3%、SSE 4.1%），Bun 下只用 SSE（记录在 #1023）。

8. 启动与资源占用

CLI	-p 启动到首个请求	-p 峰值内存	TUI 可输入	TUI 待机内存	启动后 5–25s CPU	串流 CPU	串流峰值内存
本仓库 · Claude 账号	0.82s（0.77–0.88）	248 MB	0.52s	220 MB	9.3%	8.0%	264 MB
官方 Claude Code 2.1.319	0.89s（0.87–0.95）	254 MB	0.73s	240 MB	1.9%	10.7%	281 MB
本仓库 · ChatGPT 账号	0.71s（0.70–0.76）	249 MB	0.51s	233 MB	10.5%	5.5%	277 MB
Codex CLI 0.167.0	2.59s（2.17–3.35）	209 MB	0.40s	597 MB	1.1%	未测到	629 MB
pi 1.5.0	0.83s（0.79–0.88）	125 MB	0.40s	99 MB	0.5%	3.4%	133 MB

各 3 次取中位数。串流 CPU = 让模型输出约 800 字期间整个进程树的 CPU 占用；官方第 1 次串流测量超时，取另外 2 次；Codex TUI 的串流时间太短，测不到。本仓库启动后 5–25 秒有背景预取，CPU 比官方高；60 秒后两边待机 CPU 都低于 0.5%。

局限

• 任务成功率几乎全部 100%，题组对成功率没有区分度；各 CLI 的差别体现在 token、用时和稳定性。
• 每格 3 次。ChatGPT 侧同一格重跑平均相差 9 个百分点（最大 39），单格差异需超过约 10 个百分点才有意义。
• 多代理只测了 Claude Code 系（Codex、pi、opencode 没有等价的 subagent / Teams 功能）。

数据与复现

完整报告、逐 run 汇总、逐请求原始日志与 harness 在项目共享目录：

• regression/cache-bench-1107-post/：CLI 矩阵、TUI / SDK / Web（report.md、results.json、raw/、harness/）。
• regression/cache-bench-1107-current/：多代理、长闲置、启动与资源占用（raw/sub/、raw/team/、raw/gap/、raw/b6/、harness/）；pi 与 opencode 的 Claude 侧数据在 claude-api/。

原始日志按 raw/<场景>/<任务>/<CLI>-<轮次>/ 存放，只追加不覆盖，不含凭证。本页图表由上述数据直接生成，脚本在 regression/cache-bench-1107-post/charts/。

---

本页由 docs/features/cache-benchmark.md 自动同步，请在仓库中修改。