省钱插件报"省 89% token"，实测账单没降：RTK 跑了 1740 次基准，DeepSeek 那边反而贵了 17

RTK（Rust Token Killer）是这波"给 AI 编码省钱"里最有名的工具，GitHub 上已有 8 万星，做的事很直接：把 Agent 读到的终端输出先压缩，再交给模型。它的 README 自己写着，能砍掉 Agent 读到的 bash 输出最多 90%，并明确提醒"这不等于账单省 90%"；但社交平台上"给 Claude Code 省 60% token"的帖子有 31.3 万次浏览，很多人的预期就是按这个来的。

7 月，JetBrains 的测评首先没测出省钱。9 月 11 日，Quesma 团队又做了一遍代价更高的实验：花掉 1,500 多美元 token，在 Terminal-Bench 2.1 上跑满 1,740 次，每个任务开、关 RTK 各跑五遍，模型路由、平台、超时全部一致。按任务平均算，Claude Code 配 Fable 5.0 开了 RTK 反而贵 1%（置信区间跨 0，等于没有差别），OpenCode 配 DeepSeek V4 Pro 贵了 17%；按通过次数平摊，Fable 便宜 3%、DeepSeek 贵 7%，通过率还各掉了 1 和 2 个百分点。

最能说明问题的是它自己的计数器。445 次 DeepSeek 尝试里，`rtk gain` 报告省下 3.492 亿 token、压缩率 89%，但同一批任务的账单是涨的。因为这个数算的是"被去掉的输出字节数除以 4"，不是你实际被计费的 token。有个任务里模型两次执行 `head -1 train.txt`，RTK 拿它跟整个文件比大小，一次记 1.205 亿 token 的节省，两笔就占了整个对比计数器的 69%——而这条命令原本就不会返回整个文件。

为什么省不下来，账单结构解释了原因。Fable 的输入 token 里，工具输出只占约 11%；上下文每轮之后进缓存，缓存读价格是普通输入的十分之一到三十分之一，占账单约 30%。真正贵的是模型自己的输出，约占成本 56%。而且压缩输出会让 Agent 多跑轮次：DeepSeek 那侧平均每轮输入少了 7%，但总轮次多了 18%，总输入反而涨。

实测里还踩到一个 bug：`rtk find` 不支持某个参数，插件把命令反复重写，同一个任务连续报错 339 次、约 12 分钟，最终成本是同样通过任务的 9 倍。该问题在 0.46.0 已修复，晚于这次测试。

这是单一第三方在 Terminal-Bench 2.1 上的结果，Claude Code 那侧大部分节省来自一个任务，换模型换基准结论可能不同；RTK 官方也从没承诺"省 90% 账单"。我的判断是：如果账单主要来自模型输出和缓存未命中，压终端输出就不是省钱杠杆，先量一遍自己的 token 结构，再决定装不装。

你给编码 Agent 省成本，是在压终端输出，还是先看账单构成？