Nexus 与 Claude Agent SDK 实测，内存低六成、成本更低、交付更稳

我们让 Nexus Agent SDK 和 Claude Agent SDK 完成六道工程题，每题各运行三次，共 36 次尝试。双方留下的代码都通过了独立检查，Nexus 有 17 次返回成功结果，Claude 有 11 次。Nexus 的峰值内存中位数低 60.1%，模型请求少 17.3%。

两套 SDK 都接入 GLM-5.3-Flash。我们记录了每次运行的内存、CPU 时间、模型用量和完成情况。

nxs 是 Nexus 的 Agent Runtime，用 Go 开发，负责调用模型、执行工具和管理上下文。nexus-agent-sdk-python 将它封装成 Python 异步接口。此前，我们用 nxs 跑过 FrontierHarness 的 30 道题，通过 22 道。这次选了六道自建工程题，每题重复三次。

实验条件

项目	配置
设备	Apple M1 Pro，16 GiB 内存，macOS，Python 3.11.7
Nexus	Python SDK 0.1.0，nxs Runtime
Claude	Python SDK 0.2.152，内置 Claude Code 2.1.259
模型服务	智谱 Coding Plan，glm-5.3-flash，Anthropic 兼容接口
推理参数	thinking 开启，effort 为 high，输出上限 16,384 Token
运行预算	每次 600 秒，SDK max_turns=24
工具	Bash、Read、Edit、Write、Glob、Grep，全部允许
重复次数	每题每套 SDK 三次，共 36 次

max_turns 按各 SDK 的规则计数，模型请求数另行记录。

每次运行都新建会话，放入相同的任务文件，传入相同的系统提示和任务文字，不加载个人配置或跨会话记忆。两套 SDK 轮流先跑，一次只运行一个任务。模型请求经过同一个计量代理，推理参数在这里统一，用量按服务端返回值记录。

六道题都要求只用 Python 标准库。Agent 能看到需求和公开检查，隐藏测试在运行结束后执行。

题目	检查内容
支付退款对账	乱序事件、重复事件与累计退款
发布依赖计划	环、下游依赖与长链
SSE 流解析	分块输入、Unicode、emoji 与换行
机房容量冲突	时区、相邻区间与容量超限
钥匙与传送门迷宫	获得钥匙后的重访、出口与门
异步请求合并	等待者取消与共享请求的生命周期

本机资源占用

资源统计包含 Python 宿主、Runtime 和工具进程，每 100 毫秒采样一次。下表取各自 18 次运行的中位数，包括达到轮次或时间上限的尝试。

本机资源	Nexus	Claude	Nexus 降幅
峰值 RSS 中位数	125.9 MiB	315.2 MiB	60.1%
采样 CPU 时间中位数	2.58 秒	10.99 秒	76.5%

Nexus 的峰值内存中位数比 Claude 少约 189 MiB。表中的 CPU 时间是本机计算开销，等待模型回复的时间另计。采样可能漏掉短命进程，RSS 相加可能重复计入共享页。

任务完成率

36 份代码都通过了隐藏测试，但有八次运行在返回成功结果前达到了轮次或时间上限。下面把代码通过且在预算内返回成功结果的运行记为“正常完成”。

运行结果	Nexus	Claude
代码通过独立检查	18/18	18/18
代码通过且返回成功	17/18	11/18
达到轮次上限	1	6
达到十分钟上限	0	1

迷宫题中，Nexus 前两轮在 569.3 秒和 422.5 秒完成，第三轮在 508.5 秒耗尽轮次。Claude 三轮都达到轮次上限，留下的代码仍然通过了检查。

Nexus 正常完成 17 次，比 Claude 多六次，完成率从 61.1% 提高到 94.4%，相差 33.3 个百分点。

Nexus 有五道题三次都正常完成，Claude 有两道。三次中至少完成过一次的题目，分别为六道和五道。

不同等待时长下的交付率

每套 SDK 各运行 18 次。下图记录任务开始后，不同时间点已有多少次正常完成。

前三分钟，Claude 完成两次，Nexus 完成一次。六分钟时，Nexus 完成 13/18，Claude 完成 7/18；八分钟时，分别为 16/18 和 10/18。这些时间点都取自本轮十分钟实验。

连同未正常完成的尝试一起计算，总耗时除以成功次数，Nexus 每份成功结果分摊 342.5 秒，Claude 为 578.6 秒。

请求数与逐题耗时

Nexus 共发出 249 次模型请求，Claude 为 301 次，少 17.3%。工具调用分别为 275 次和 344 次。Write 与 Edit 合计分别为 47 次和 97 次，Bash 为 168 次和 181 次。

SSE 题中，Nexus 三轮都正常完成，Claude 两轮耗尽轮次。依赖计划题中，Claude 三轮耗时均低于 Nexus。

按题目和轮次配对，双方都正常完成的有 11 组。Nexus 快六组，Claude 快五组，累计耗时分别为 49.8 分钟和 54.0 分钟。

异步请求合并题第一轮，Nexus 用了 470.1 秒，Claude 用了 349.1 秒；第二轮变成 256.0 秒和 551.3 秒。两轮中较快的一方发生了变化。

计入缓存折扣后的费用

本次使用 Coding Plan 套餐，费用按公开 API 单价折算，不是套餐实扣。Claude 有一条中断请求缺少完整用量，因此费用表只计入双方正常完成、用量完整的 11 组配对。其余尝试的费用未计入。

按 智谱 API 定价，GLM-5.3-Flash 每百万 Token 的未缓存输入、缓存命中和输出价格分别为 0.8 元、0.23 元和 2.8 元，核对日期为 2026 年 9 月 13 日。

11 组成功配对	Nexus	Claude
未缓存输入费用	0.1572 元	0.1735 元
缓存读取费用	0.3305 元	0.4542 元
输出费用	0.4346 元	0.4798 元
合计	0.9224 元	1.1075 元
每份成功结果	0.0839 元	0.1007 元

分项四舍五入，合计按原始用量计算。

Nexus 的等价费用低 16.7%。差额约 0.1852 元，其中缓存读取贡献约 0.1237 元，占 66.8%。这组配对里，Nexus 的缓存命中率为 88.0%，Claude 为 90.1%；Nexus 每次请求的平均输入为 12,283 Token，Claude 为 15,220 Token。Claude 的缓存命中率高 2.1 个百分点，每次请求的平均输入也多了 2,937 Token。

本轮测试范围是 GLM-5.3-Flash 下的六道工程题，未测试长会话、大型仓库或多会话并发。

快速开始

准备 Python 3.11 或更高版本，安装 SDK 并配置 Anthropic API Key。

python -m pip install nexus-agent-sdk-python
export ANTHROPIC_API_KEY="替换为你的 Anthropic API Key"

在项目目录运行下面的程序，用 query() 提交任务并接收回复。

import asyncio

from nexus_agent_sdk import NexusAgentOptions, query


async def main():
    options = NexusAgentOptions(
        tools=["Read"],
        allowed_tools=["Read"],
    )
    async for message in query(
        prompt="阅读当前目录的 README.md，用中文介绍这个项目。",
        options=options,
    ):
        print(message)


asyncio.run(main())

模型配置、多轮对话与自定义工具见 Python SDK 使用指南。

实验资料

• 36 次运行的耗时、Token、资源与结果明细
• 实验配置与运行时构建摘要
• Nexus Python SDK 仓库
• Claude Python SDK 文档