Packy 包月缓存测试及倍率（个人语料及算法测试版，可复现不绝对客观）–codex
今日为保稳定，遂开通，但感觉额度略少。以及倍率略高，遂以个人方法测试。
PS：仅使用个人语料库测试，算法各有不同，可保证复现
日期范围：2026-01-11
数据来源：/root/.codex/sessions/2026/01/11/rollout-*.jsonl
计算脚本：codex 倍率计算.py:1
重要说明
1. 本报告使用的是 Codex 本机 rollout 会话文件中 token_count 事件的累计 token 统计；不依赖任何主观估计。
2.“缓存折扣系数 α=0.1” 无法从日志中自动推断（日志只记录 cached_input_tokens 数量，不记录计费规则 / 账单），因此本报告把它作为 “外部配置输入” 参与计算。
3. 同一天如果继续使用 Codex，会新增 / 更新更多 rollout，导致 “当日汇总值” 变化；本报告反映的是运行脚本时刻在该目录内可解析到的结果。
- 计费配置（输入参数）
输入单价 Pin = $0.8750 / 1M tokens
输出单价 Pout = $7.0000 / 1M tokens
输出 / 输入价格比 r = Pout / Pin = 8
缓存折扣系数 α = 0.1（即缓存输入 token 按输入价的 10% 计费）
有效工作量口径：W = U + O（新增输入 + 输出）
———
- 日志字段与符号定义（从 rollout 直接读取）
从每个 rollout-*.jsonl 的 event_msg.type=token_count 的 info.total_token_usage 取：
I = input_tokens（总输入 token）
C = cached_input_tokens（命中缓存的输入 token）
U = I - C（未命中 / 新增输入 token）
O = output_tokens（输出 token）
———
- 指标定义（“基准词 + 真实倍率”）
为把 “输出更贵、缓存更便宜” 的成本结构统一到一个尺度，采用 “等价输入 token” 折算：
等价基准词（Equivalent Baseline Tokens）
E = U + α*C + r*O
有效工作词（Work Tokens）
W = U + O
真实倍率（Real Multiplier）
M = E / W
并给出对应成本与 “有效单价”：
输入成本 Cin = (U + α*C) / 1e6 * Pin
输出成本 Cout = O / 1e6 * Pout
总成本 Ctotal = Cin + Cout
有效单价（每 1M 有效工作词）P_eff = Pin * M
———
- 取数范围与纳入情况（可复现）
当天目录内存在多个 rollout-*.jsonl；脚本实际读取到 5 个包含可用 token_count 的 rollout 并纳入汇总。
复现命令（本报告实际使用）：
python3 codex 倍率计算.py --date 2026-01-11 --pin 0.875 --pout 7 --alpha 0.1 --sessions-root /root/.codex/sessions --denom U+O --breakdown --classify
———
- 当日汇总结果（5 个 rollout 合计）
Token 汇总
I = 16,882,855
C = 16,058,496
U = 824,359
O = 145,980
缓存命中率 C/I = 95.117182%
倍率汇总（α=0.1，W=U+O）
E = 3,598,048.6
W = 970,339
真实倍率 M = 3.708033×
有效单价 P_eff = $3.244528 / 1M 有效工作词
成本拆分（美元，按 α=0.1）
Cin = $2.1264325
Cout = $1.0218600
Ctotal = $3.1482925
基准成本（把 W 全部按输入价计费）：baseline_cost = $0.8490466
成本倍率（与 M 一致）：Ctotal /baseline_cost = 3.708033×
———
- 分会话（rollout）结果与 “模拟用户行为” 分类（基于日志回放）
说明：这里的 “模拟用户行为” 并非人工控制实验，而是对已有会话做回放式归类（依据：提示相似度 + 工具调用密度）。为对外展示，本报告不展示原始提示词全文，仅展示分类、token 与倍率。
rollout-2026-01-11T09-49-54-019baabe-e078-7fe2-9d1b-3a11c91e51ac.jsonl
分类：cold_start
I/C/U/O = 34,663 / 33,664 / 999 / 88
命中率：97.117964%
真实倍率 M：4.663661×
rollout-2026-01-11T09-53-11-019baac1-e04c-72c3-a7df-d5c5d0eb98b2.jsonl
分类：cold_start
I/C/U/O = 11,521 / 10,752 / 769 / 97
命中率：93.325232%
真实倍率 M：3.025635×
rollout-2026-01-11T09-55-03-019baac3-963c-7353-9849-2614a76f03b6.jsonl
分类：tools_dense（工具调用密集）
工具调用统计（来自 rollout）：exec_command=156, update_plan=24, apply_patch=20, write_stdin=8
I/C/U/O = 11,633,072 / 11,147,008 / 486,064 / 73,377
命中率：95.821706%
真实倍率 M：3.910655×
rollout-2026-01-11T10-34-55-019baae8-149c-7e82-ac18-2de8db88bc1b.jsonl
分类：tools_dense
命中率：93.960516%
真实倍率 M：3.433297×
rollout-2026-01-11T11-21-02-019bab12-4eef-7d83-96b4-6de8dc37feb6.jsonl
分类：tools_dense
工具调用统计：exec_command=44, write_stdin=8
I/C/U/O = 911,345 / 834,048 / 77,297 / 22,605
命中率：91.518360%
真实倍率 M：3.418768×
———
