CostHawk запускает публичную таблицу лидеров по потреблению токенов для Claude Code, Codex и Cursor
CostHawk опубликовала публичный AI Tools Leaderboard, который ранжирует пользователей Claude Code, OpenAI Codex CLI и Cursor по общему потреблению токенов. Лидерборд обновляется каждые 5 минут и включает разбивку по инструментам: доля токенов, смесь операторов (один инструмент против нескольких) и ежедневная динамика. Ежемесячные сезоны сбрасываются в полночь по Центральному времени.
Отслеживаются количество токенов, идентификаторы моделей, временные метки синхронизации и хешированные идентификаторы проектов, но сервис явно не хранит промпты, ответы или исходный код. Данные парсятся локально из каталогов данных инструментов разработчика перед отправкой с машины, с шифрованием AES-256-GCM для API-ключей. Варианты подключения включают API-ключи администратора, обернутые прокси-ключи или MCP-телеметрию. Автосинхронизация включается по желанию (COSTHAWK_AUTO_SYNC=true) и по умолчанию отключена.
Подключение локального инструмента
Выполните следующую однострочную команду в терминале:
npm exec --yes costhawk@latest -- --loginЭто аутентифицирует машину и устанавливает MCP-сервер CostHawk для Claude Code, Codex CLI, Cursor и Gemini CLI. После подключения токены отображаются под хешированным идентификатором проекта.
В настоящее время лидерборд не показывает активности (все нули), потому что еще ни один оператор не синхронизировался — на сайте указано «No leaderboard activity yet» и «LOADING DATA SHOWING 0 OF 0 OPERATORS». Ежемесячные рейтинги заполнятся, как только пользователи подключатся и начнут синхронизацию.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Definable AI добавляет саморазмещаемую панель мониторинга с одним флагом
Definable AI, фреймворк с открытым исходным кодом на Python для создания AI-агентов, теперь включает встроенную панель мониторинга, которую можно включить одним флагом. Панель предоставляет потоковую передачу событий в реальном времени, учёт токенов, метрики задержки и воспроизведение запусков без внешних зависимостей.
Практические выводы из 11 сборок программного обеспечения с использованием нескольких агентов без программных шаблонов
Анализ 11 автономных сборок с несколькими агентами показывает, что обеспечение соблюдения области работает механически (20/20 успехов), а не через промпты (0/20), затраты на оркестрацию в основном связаны с повторным поглощением памяти (~95% входных расходов), а возможности модели работника создают разрыв в пропускной способности в 9,8 раза.
Сравнение 8 моделей ИИ для программирования на примере реализации реальной функции на TypeScript
Разработчик протестировал 8 моделей ИИ для программирования на задаче реализации команды /rename в проекте Telegram-бота на TypeScript с открытым исходным кодом, оценивая их по стоимости, времени выполнения, корректности и техническому качеству. GPT-5.4 показал наивысший результат по корректности реализации, а GLM 5 предложил наилучшее соотношение цены и производительности.
Инструмент с открытым исходным кодом Vigil решает проблему идентификации агентов в экосистеме OpenClaw.
Пользователь OpenClaw, создающий веб-сервис, обнаружил трафик агентов, неотличимый от трафика реальных пользователей, что побудило к разработке Vigil — открытого уровня идентификации на основе W3C DID, предоставляющего агентам криптографические учетные данные и историю поведения.