之前断言DSH(DeepSeek Harness)的缓存高，虽然API价格上涨，但可能相比在其他Agent工具上用DS的价格大差不差。

但是，这里会有一个问题。会不是是因为DSH把所有历史都线性塞进上下文，所以缓存比例才这么高呢？那么就算缓存高，因为上下文爆炸，实际上成本还是提高了。

我也担心这个问题打脸，所以研究了下DSH的上下文处理方式。

DSH官方插件的上下文处理机制，实际上已经和CODE/CC的机制大差不差，都有工具调用结果的处理，不会在解决相同问题下，上下文相比其他AGENT暴涨的情况(不至于几倍那样)。

各个Agent的上下文组织优化都谈不上多极限，或者说 ，大家目前都没把精力放在这上面，毕竟Token用的更多，收入更多嘛。

真正可以证明DSH上下文没有比其他Agent更多的，是下面9月1日发布的测试(图1)网页链接不同Agent统一用的。

因为统一使用KIMI的大模型，缓存率大差不差，平均上下文近似平均成本DSH的成本、通过率、时间都和CODEX差不多然而A/仍然是A/，因为有故意破坏缓存的机制，通过率甚至不占优的情况下，价格是CODEX和DSH的5倍。还在用CC的各位有福了。(话说咱也是DSH出来后才跳车的，之前相比CODEX确实更适合我的领域)

如果再考虑使用不同的模型，比如DSH与CODE/CC各自原生大模型缓存价格的对比，DSH的成本优势会更明显。因为DS自家大模型的缓存价格极其便宜，是其他大模型的10%以下。

同时是DS自身模型新输入的1/30，新输出的1/90。所以理论上，只要某个上下文片段在30轮以内对解决问题有贡献，那么最好是保留在上下文中成为稳定前缀，持续命中缓存更好，而不是像其他Agent那样压缩上下文，一方面破坏缓存的稳定前缀，还可能损失有效信息，导致解决问题的轮次增加。

要知道增加一轮新输入相当于缓存30轮，新输出相当于缓存90轮。换句话说，如果一个上下文在30轮以内对成功率有贡献，那么压缩并不一定对最终成本更优。

进一步考虑到，根据人类目前社会运行的组织架构方式，现在的Agent上下文组织方式还有很大的优化空间。DSH运行的方方面面更灵活透明，可以轻松对上下文组织进行优化，从收益/成本来看，DSH必然是长期最优的选择。大家都可以试试自己编排或者找一点插件用上试试。