DeepSeek、Kimi K3.1、Opus 5.5、GPT-6 同台竞技，Token 消耗差了 13 倍

一个纯代码生成视频任务让五组 Harness 与模型同台比拼：Codex + GPT-6 Astra 8 分钟最快完成，Claude Code + Opus 5.5 输出质量最佳，DSH + DeepSeek V4.1 Flash 耗时 46 分钟、消耗 4644 万 token（99% 缓存），与 Codex 的 350 万 token 相差约 13 倍。