Codex App 并不比 CLI 更省 token：它每轮多带 949 token

网上常说 Codex CLI 比 ChatGPT Desktop 更省额度。我把本机的 CLI 和 ChatGPT.app 拆开看了：本地写代码时，它们走同一条 /backend-api/codex。系统提示两边相同。Desktop 从第一轮就多塞一段桌面说明书，大约 949 token。对话长到 200K 时，这截税大概不到 1 credit。

核对日期 2026-08-27 · tokenizer tiktoken o200k_base · 模型 gpt-5.6-sol · 数据见同目录 aggregate.json

Base Instruction 3,552 CLI 和 Desktop 同一份，SHA 前缀 cbefa6b0bede

App 默认多出来 949 <app-context>，12 条 Desktop 会话都在这个量级

200K 长对话额外税 < 1 cr 大约 0.3–1 credit，相对整段对话费用不到 1%

先说答案

本地 Codex 任务里，CLI 没有另一套更省 token 的计费器。ChatGPT Desktop 现在的 Codex 模式，就是同一个 Rust app-server 外面加了 Electron 驾驶舱。计费发生在请求离开本机之后，公式按模型的 input / cached / output credit，不按窗口是终端还是 GUI。

真正多出来的，是 Desktop 写进 history 的那段 <app-context>。默认 949 token。第一轮就在，后面每轮还带着，但不会 949、1898 那样叠加。

普通 ChatGPT 聊天气泡不走这条链路。Help Center 写明 Regular Chat 不进 Desktop 的 Codex 用量看板。本文只比较 Codex CLI 和 ChatGPT.app 里的 Codex 模式。

本机 ChatGPT.app 已经是 Codex 壳

我看的安装包是 ChatGPT.app 26.818.61809，bundle id com.openai.codex，从 codex/codex-apps/electron 打出来。旁边还有 ChatGPT Classic.app（com.openai.chat），那是旧聊天客户端。现在这个 ChatGPT.app 里同时有 Codex 线程和 ChatGPT 会话，别把两者的额度混着谈。

捆绑的 codex 二进制版本是 0.149.0-alpha.4.3。本机 npm 安装的 CLI 是 0.149.1。两个 Mach-O 都大约 210MB，都带 https://chatgpt.com/backend-api/codex 这条基址。

同一台引擎，两套驾驶舱

CLI 的 TUI 在进程里启动 app-server，client_name 是 codex-tui。Desktop 用 stdio 拉起捆绑二进制，originator 写成 Codex Desktop，并且固定加上 -c features.code_mode_host=true。

请求体在 ModelClient::build_responses_request 里拼出来：instructions、input、tools、推理设置，并用 thread_id 当 prompt_cache_key。开源仓库里，ChatGPT 登录的基址是 https://chatgpt.com/backend-api/codex。公开文档也写明富客户端连的是同一套 app-server。

Base Instruction 两边就是同一份

生产目录不再用仓库里那份写着 “running in the Codex CLI” 的 prompt.md 兜底。本机 ~/.codex/models_cache.json 在 2026-08-26 拉到的 gpt-5.6-sol 模板是 17,730 字符。CLI 会话和 Desktop 会话落盘的 base_instructions.text 与这份模板逐字节相同。

17,730字符

17,766字节

3,552o200k token

13.8%占 CLI 实测首包 25,832

它每轮都在 instructions 字段里。这不是 App 税。换模型才会变：gpt-5.4-mini 大约 2,303，gpt-5.5 大约 4,090。

Desktop 多出来的是 app-context，不是另一套系统提示

Electron 把一段 <app-context> 塞进第一段 developer 消息。CLI 的 TUI 启动线程时不传这段。最近 12 条 Desktop 会话（0.148 到 0.149）默认都是下面这组小节：

小节	o200k	作用
# Codex desktop context	31	声明你在桌面 App 里
### Images/Visuals/Files	228	图片要用绝对路径 Markdown
### Automations	93	自动化走专用工具
### Thread Coordination	428	`create_thread` 等线程工具
### Inline Code Comments	168	`::code-comment`
小节合计	948	实测整段 949，差 1 token 来自拼接

视线程类型还会再加：工作区依赖 27、Git 设置 244、无项目目录 140。自动化线程另有 remark-directive 709，手聊没有。用户会话（带 Git）整段 app-context 实测 1,203。

所以「第一次 prompt 一样、后面才变」是误读。系统提示从头到尾一样。Desktop 从第一轮就多了这段说明书。

每轮都带，不等于每轮按全价再收一次

每一轮发出去的请求更像一叠纸：

信头：Base Instruction + tool 定义，几乎固定。
已经写过的正文：对话、工具结果、Memory、AGENTS.md，以及 Desktop 的 app-context。
这轮新写的几行。

信头和 app-context 每轮都会附上，所以看起来「每次都在用这些 token」。同一条 thread 带同一个 prompt_cache_key。服务端认的是前缀：第一轮把前缀写入 cache，后面只对新长出来的那截按全价收，前面按 cached input 收。

官方 Sol 卡：cached 是 input 的十分之一。949 token 未命中大约 0.095 credit，命中后大约 0.0095 credit。

Cache 不是把 prompt 改了

本机一条 CLI 会话的 token_count 是这样涨的。input 变大是因为历史在长，不是 Base Instruction 从 3,552 变成了别的数：

第几次	input	cached	命中率	uncached
1	25,832	5,888	22.8%	19,944
2	35,665	25,344	71.1%	10,321
3	38,015	34,560	90.9%	3,455
7	56,421	56,064	99.4%	357

Desktop 首包同样已经有 cache：27,946 input 里 cached 6,912。新开 thread 等于换信纸，前缀要再付一次全价。

对话 200K 时，会贵多少

200K 文本不会让 949 变成 200K 的某个百分比加成。多出来的仍是每轮 949。贵不贵取决于模型被调用了多少次 N（用户一句话往往不止一次，工具循环也算）。

额外 credit

949 / 1,000,000 × [100 + 10 × (N − 1)]

调用次数 N	额外 credit	怎么理解
1	0.095	整段一次性塞进去；相对 200K 未缓存 input（20 credit）约 0.5%
20	0.28	短一点的 agent 会话
50	0.56	更常见的长会话
100	1.03	工具很碎、轮次很多

窗口已经到 200K 的单次请求里，若大部分前缀命中 cache，App 多出来的 949 大约 0.0095 credit，占这一笔往往不到 0.3%。整条会话从短聊长到 200K，正文才是几十 credit 的量级；桌面税大约 0.3–1 credit。

套餐内额度没用完时，这不是额外钞票，只是额度多耗一点点。买 credit 续用时，第三方用 API 价反推大约 1 credit ≈ $0.04，OpenAI 价目表没有把这个美元换算写成官方标价。按那个量级，0.3–1 credit 大约 1–4 美分。

模型调用次数 N = 50

0.56额外 credit（Sol 官方卡）

~$0.02非正式换算，按 1 credit ≈ $0.04

工具和插件：核心一样，外壳不同

核心 tool 规划器是同一份 spec_plan.rs。这台机器的 ~/.codex/config.toml 两边共用，启用了 12 个插件。ChatGPT.app 还捆绑了 config 里没有的 5 个：messages、latex、deep-research、computer-history、record-and-replay。

本机 CLI 和 Desktop 会话的 skills 清单都是 55 条、同名。Apps 连接器工具缓存 159 个；因为 ≥100，会走 tool_search 延迟加载，不会把大约 198k token 的 schema 整包塞进每一轮。

TUI 会丢掉可发现的 Plugin 工具；codex-tui 里装插件类 request_plugin_install 会直接拒绝。Desktop 还可能露出线程协调工具。Computer Use 截图不在 949 里，用到时另加，而且图像远比这段说明书贵。

首包 API input_tokens 减去 instructions 和已落盘 messages 之后，CLI 大约剩 8,847，Desktop 大约 9,186–9,268。这是 tool schema 加上未写入 rollout 的字段，不是受控 A/B，只能当量级：Desktop 大约再多 400–500。

证据边界

没有抓 TLS。tool JSON 的精确字节只能从残差反推。
首包 CLI 25,832 vs Desktop 27,946 不能当成干净对照，仓库和用户话不同。
服务端会不会按 originator 再打折，开源仓库里没有。
Compact 之后 app-context 会不会被摘要掉，这次抽样没有观察到 compact。
Sol credit 卡是 2026-08-27 核对的促销价。数字会变。

同目录 aggregate.json 和 verify.mjs 会把小节合计、credit 公式和 cache 序列再算一遍。构建时走 bun run verify:articles。

主要材料：build_responses_request、Codex 基址、App Server 文档、Using Codex with your ChatGPT plan、Codex pricing。