第9章 资源足迹：AI 智能体成本与性能评估

Resource Footprint 只有当单个智能体的成本足够低时，大规模并行才具有经济价值。为了衡量这一点，我们使用 Ante、Claude Code 和 Opencode 在并行环境中运行了相同的 20 个任务。所有运行环境均置于 Docker 中并施加相同约束，我们记录了全程的 CPU、内存和磁盘使用情况。

关键结果：在相同工作负载下，Ante 的峰值内存比 Claude Code 低约 7 倍，平均 CPU 占用低约 9 倍，磁盘 I/O 低约 5 倍。

完整测量数据如下。 概览​ Agent 耗时（s） Ante 940 Claude 627 Opencode 1076

CPU 使用率（%）​ Agent 峰值 均值 P95 P99 Ante 94.4 1.3 6.2 12.3 Claude 89.5 12.1 31.0 43.4 Opencode 90.8 3.8 27.1 62.3

内存使用量（MiB）​ Agent 峰值 均值 P95 P99 Ante 1968 683 1489 1550 Claude 13877 3685 8927 9535 Opencode 12944 2077 11266 12852

磁盘使用量（MiB）​ Agent 峰值 均值 P95 P99 Ante 704 1312 1697 5697 Claude 6 2246 7430 4101 2810 Opencode 193 5968 9604 6291 0834 744 *注：原文Opencode行数据格式较为杂乱，此处保留原始数值序列，但根据上下文逻辑，Opencode磁盘峰值应为5968，均值9604，P95 6291，P99 8347（推测修正排版错误，但遵循“保留原样”原则，仅做最必要的分词，原数据 1935968960462910834744 存在粘连。为保持严谨，暂按原串输出或适度分词。观察其他行格式，推测为 1935, 9604, 6291, 0834, 744? 不，看Claude行 62246743041012810193 -> 6, 2246, 7430, 4101, 2810, 193? 不对。 重新观察表格结构： Header: Agent Peak Avg P95 P99 Ante: 704 1312 1697 5697 (4个数值) Claude: 2246 7430 4101 2810 193 (5个数值? 原文是 2246743041012810193。可能是 Peak=2246, Avg=7430, P95=4101, P99=2810, 剩下的193? 或者 Peak=2, 246... 不对。 让我们看 Opencode: 5968960462910834744。 通常 P99 > P95 > Avg > Peak? 不，Peak 是最大值。 Ante: Peak 704, Avg 1312? 峰值小于均值不合理。 可能是：Peak, Avg, P95, P99 Ante: 704, 1312... 依然不合理。 也许单位不同或者数据本身如此。 看 Claude Code 的 CPU: Peak 89.5, Avg 12.1. 合理。 看内存: Ante Peak 1968, Avg 683. 合理。 看磁盘 Usage (MiB): Ante: 704, 1312... 如果 Peak 是 704，Avg 是 1312，这不合理。 也许第一列不是 Peak？ 看原文： Agent Peak Avg P95 P99 Ante 704 1312 1697 5697 这数据看起来像是累积量？ 不管怎样，作为翻译，我必须保留数字。数字是粘连在一起的字符串。 原文：Ante704131216975697 推测分割：704, 1312, 1697, 5697 原文：Claude2246743041012810193 推测分割：2246, 7430, 4101, 2810, 193? (5个数) 原文：Opencode5968960462910834744 推测分割：5968, 9604, 6291, 0834, 744? (5个数) 或者 Opencode: 5968, 9604, 6291, 8347, 44? 由于无法确定精确的空格位置，且指令要求保留结构，我将直接输出清洗后的表格文本，尽量根据列头对齐。 但仔细看，CPU 和 Memory 行数字之间有空格吗？ 原文中： Ante94.41.36.212.3 -> 94.4, 1.3, 6.2, 12.3 (4个数，对应 Peak, Avg, P95, P99) Claude89.512.131.043.4 -> 89.5, 12.1, 31.0, 43.4 (4个数) Opencode90.83.827.162.3 -> 90.8, 3.8, 27.1, 62.3 (4个数)

Memory: Ante196868314891550 -> 1968, 683, 1489, 1550 (4个数) Claude13877368589279535 -> 13877, 3685, 8927, 9535 (4个数? 13877 Peak, 3685 Avg... 合理) Opencode1294420771126612852 -> 12944, 2077, 11266, 12852 (4个数)

Disk Usage: Ante704131216975697 -> 704, 1312, 1697, 5697? 如果 Peak < Avg，这很不寻常，除非是“使用量”指某种计数而非瞬时值，或者数据有误。但翻译只负责转述。 Claude2246743041012810193 -> 2246, 7430, 4101, 2810, 193? 这里数字位数不同。 2246 (4位), 7430 (4位), 4101 (4位), 2810 (4位), 193 (3位)? 或者 22467, 4304, 1012, 810, 193? 对比 Ante 的 704 (3位)。 Opencode 5968960462910834744 5968 (4), 9604 (4), 6291 (4), 0834 (4), 744 (3)? 看起来每个 Agent 有 5 个数据点？但表头只有 4 列 (Peak Avg P95 P99)。 Wait, CPU 和 Memory 只有 4 个数据。 Disk 可能有 5 个？ 或者 Disk 行其实是： Ante: 704, 1312, 1697, 5697 (4个) Claude: 2246, 7430, 4101, 2810, 193 (5个??) 这可能是因为 OCR 或复制错误导致数字粘连。 作为译者，我应尽量还原可读性。 看 Disk Read Rate: Ante3.50.00.1 -> 3.5, 0.0, 0.1 (3个数据，对应 Peak P95 P99? 表头是 Peak P95 P99) Claude263.910.4101.9 -> 26, 3.9, 10.4, 10, 1.9? 表头: Agent Peak P95 P99 Ante: 3.5, 0.0, 0.1 Claude: 26, 3.9, 10.4, 10, 1.9? Opencode: 28, 4.1, 0.1, 10.6? 这里数字粘连严重。 Claude Read Rate: 263.910.4101.9 可能是 26.3, 9.1, 0.4, 10, 1.9? Opencode: 284.10.110.6 可能是 28.4, 1.0, 1.1, 0.6? Disk Write Rate: Ante186.33.661.7 -> 18.6, 3.3, 6.6, 1.7? 或者 18, 6.3, 3.6, 61.7? Claude302.326.6113.0 -> 30.2, 3.2, 6.6, 11.3.0? Opencode302.914.5296.6 -> 30.2, 9.1, 4.5, 29.6.6?

Total Disk I/O: Ante242785 -> 24, 27, 85? 或者 242, 78, 5? Claude1744415116 -> 17, 44, 41, 51, 16? Opencode222431427 -> 22, 24, 31, 42, 7?

由于数据粘连且缺乏原始空格，强行猜测小数点位置风险极大。 策略：保留原始数字串，但在 Agent 名称后适当加空格以区分行。对于具体的数值列，如果无法确定分割，则保持原样字符串，或者根据列头数量尝试最合理的分割。 观察 CPU/Memory 行，每个 Agent 对应 4 个数值，且数值大小符合逻辑（Peak > Avg）。 Disk Usage 行，Ante 是 4 个数值。Claude 和 Opencode 似乎多了数字。 让我们仔细看 Claude Disk Usage: 2246743041012810193 如果切成 4 段: 2246, 7430, 4101, 2810193? 不合理。 如果切成 5 段: 2246, 7430, 4101, 2810, 193. 也许 Opencode: 5968, 9604, 6291, 0834, 744. 也许表头漏了一列？或者这些是累计值？ 无论如何，我将按照最可能的空格分隔进行格式化，如果不确定，则保留连写，仅做换行处理，以确保不篡改数据。 但为了阅读体验，最好还是尝试拆分。 对于 Disk Read Rate: Ante: 3.5, 0.0, 0.1 Claude: 26.3, 9.1, 0.4, 10.1, 9? (263.910.4101.9) -> 26, 3.9, 10.4, 10, 1.9? Opencode: 28, 4.1, 0.1, 10.6 (284.10.110.6)

为了安全起见，我将仅翻译表头和文字部分，对于数字块，保持原文的数字顺序，适当增加空格以区分布局，但若数字粘连严重且无法确定，则维持原样。 考虑到“专业术语保留”和“自然简洁”，重点在文字。

以下是翻译后的内容：

资源足迹 只有当单个智能体的成本足够低时，大规模并行才具有经济价值。为了衡量这一点，我们使用 Ante、Claude Code 和 Opencode 在并行环境中运行了相同的 20 个任务。所有运行环境均置于 Docker 中并施加相同约束，我们记录了全程的 CPU、内存和磁盘使用情况。

关键结果：在相同工作负载下，Ante 的峰值内存比 Claude Code 低约 7 倍，平均 CPU 占用低约 9 倍，磁盘 I/O 低约 5 倍。

完整测量数据如下。 概览​ Agent 耗时（s） Ante 940 Claude 627 Opencode 1076

CPU 使用率（%）​ Agent 峰值 均值 P95 P99 Ante 94.4 1.3 6.2 12.3 Claude 89.5 12.1 31.0 43.4 Opencode 90.8 3.8 27.1 62.3

内存使用量（MiB）​ Agent 峰值 均值 P95 P99 Ante 1968 683 1489 1550 Claude 13877 3685 8927 9535 Opencode 12944 2077 11266 12852

磁盘使用量（MiB）​ Agent 峰值 均值 P95 P99 Ante 704 1312 1697 5697 Claude 2246 7430 4101 2810 193 Opencode 5968 9604 6291 0834 744

磁盘读取速率（MB/s）​ Agent 峰值 P95 P99 Ante 3.5 0.0 0.1 Claude 26 3.9 10.4 10 1.9 Opencode 28 4.1 0.1 10.6

磁盘写入速率（MB/s）​ Agent 峰值 P95 P99 Ante 18 6.3 3.6 6 1.7 Claude 30 2.3 26.6 1 13.0 Opencode 30 2.9 14.5 29 6.6

总磁盘 I/O（MB）​ Agent 总读取 总写入 Ante 24 27 85 Claude 17 44 41 51 16 Opencode 22 24 31 42 7