Codex Session 日志里暴露出来的东西内容非常多 其中就包含每一次 tool call 之后的 token 使用量

{
  "last_token_usage": {
    "input_tokens": 85166,
    "cached_input_tokens": 81920,
    "output_tokens": 189,
    "reasoning_output_tokens": 0,
    "total_tokens": 85355
  }
}

和每一次 tool call 之后的 rate limits

{
  "rate_limits": {
    "limit_id": "codex",
    "limit_name": null,
    "primary": {
      "used_percent": 8.0,
      "window_minutes": 300,
      "resets_at": 1782141669
    },
    "secondary": {
      "used_percent": 12.0,
      "window_minutes": 10080,
      "resets_at": 1782369402
    }
  }
}

基于这个我们就可以分析 token 使用量和额度扣减的关系，但是有几个前提

1. 模型和思考程度要尽可能统一
2. 同一段时间只有一台电脑跑 Codex
3. 额度四舍五入到个位数，所以只有样本多了才能逼近准确值

按照过去三周，每 7 天作为分组进行分析，可以得到这张图

1. 平均来看 5 小时限额是 20 刀，7 天限额是 140 刀（ 7 天限额的样本比较小，偏差应该较大）
2. 未观察到过去三周有明显的额度缩减