Codex CLI 经 new-api 中转后 token / quota 消耗显著高于直连，疑似 prompt cache 未正确透传

Codex CLI 经 new-api 中转后 token / quota 消耗显著高于直连，疑似 prompt cache 未正确透传

提交前必读（请勿删除本节）

• 文档：https://docs.newapi.ai/
• 使用问题先看或先问：https://deepwiki.com/QuantumNous/new-api
• 警告：删除本模板、删除小节标题或随意清空内容的 issue，可能会被直接关闭；重复恶意提交者可能会被 block。

您当前的 newapi 版本

自编译部署，线上 /api/status 返回 version=""；当前构建基于 main@ed6ff0f2（2026-03-19）

提交确认

• 我已确认目前没有类似 issue
• 我已完整查看过文档 https://docs.newapi.ai/ 和项目 README，尤其是常见问题部分
• 我未删除此模板中的任何引导内容或小节标题，并会按要求完整填写
• 我理解项目维护者精力有限，不遵循模板要求的 issue 可能会被无视或直接关闭

问题描述

在相近使用场景下，OpenAI Codex CLI 直连官方与通过 new-api 中转，消耗差异非常大。

测试环境信息：

• OpenAI Codex v0.116.0
• 模型：gpt-5.4
• reasoning xhigh
• summaries auto
• 258K window
• new-api 版本号 ed6ff0f26705335bb1a28e422970db3865fdd559

2026-03-22 观察到的一组对比数据如下：

场景	total	input	cached input	output
直连官方	801,069	656,780	18,488,320	144,289
通过 new-api 中转	7,770,990	7,707,694	1,693,824	63,296

从这组数据看：

• 中转后的未缓存输入约为直连的 11.74x
• 中转后的缓存输入仅为直连的 9.16%
• 但中转后的输出反而只有直连的 43.87%

这说明问题不像是“输出变多导致消耗变大”，更像是通过 new-api 中转后，Codex 的缓存命中没有被正确保留/透传，或者大量重复上下文被按未缓存输入计
算了。

补充说明：

• 这不是完全相同 session 的逐请求 A/B，但在相近任务强度下多次观察到同样趋势
• 这里不是单纯的前端额度窗口展示误标问题，因为 Codex CLI 自己显示的 Token usage 也同步异常
• 我已看过现有相近 issue，#3309 更偏向缓存字段识别/展示，#3317 是 Codex free 窗口展示问题，和这次“中转后真实消耗显著放大”不完全相同

复现步骤

1. 部署自建 new-api 实例，并配置可供 Codex CLI 使用的 OpenAI 兼容中转入口
2. 使用 OpenAI Codex v0.116.0
3. 模型选择 gpt-5.4，并保持 reasoning xhigh、summaries auto
4. 分别测试两种方式：
   • 直连官方
   • 将 Base URL 改为 new-api 中转地址
5. 在相近的仓库/任务场景下持续进行多轮对话
6. 对比 Codex CLI 中显示的 Token usage、input、cached input、output 以及额度窗口变化

预期结果

通过 new-api 中转时，Codex 的 token / quota 消耗应与直连官方处于接近量级。

尤其在长会话场景下：

• 缓存命中不应明显失效
• 不应出现 cached input 大幅下降、input 大幅上升的异常现象
• 如果上游已返回缓存相关 usage 信息，new-api 应正确识别并透传，避免把本应走缓存的上下文按未缓存输入计算

相关截图

已附 3 张截图，时间均为 2026-03-22：
相同强度下，中转的消耗量巨大

1. Codex CLI 直连官方时的用量截图
   ╭─────────────────────────────────────────────────────────────────────────────────╮
   │ >_ OpenAI Codex (v0.116.0) │
   │ │
   │ Visit https://chatgpt.com/codex/settings/usage for up-to-date │
   │ information on rate limits and credits │
   │ │
   │ Model: gpt-5.4 (reasoning xhigh, summaries auto) │
   │ Directory: ~/.codex │
   │ Permissions: Full Access │
   │ Agents.md: AGENTS.md │
   │ Account: (Team) │
   │ Collaboration mode: Default │
   │ Session: │
   │ │
   │ 5h limit: [███████████████░░░░░] 77% left (resets 15:17) │
   │ Weekly limit: [███████████████████░] 93% left (resets 10:17 on 29 Mar) │
   ╰─────────────────────────────────────────────────────────────────────────────────╯
   62% used · 5h 77% · 258K window · 19.3M used · 19.1M in · 144K out

Token usage: total=801,069 input=656,780 (+ 18,488,320 cached) output=144,289 (reasoning 59,283)
2. Codex CLI 通过 new-api 中转后的用量截图
╭─────────────────────────────────────────────────────────────────────────────────╮
│ >_ OpenAI Codex (v0.116.0) │
│ │
│ Visit https://chatgpt.com/codex/settings/usage for up-to-date │
│ information on rate limits and credits │
│ │
│ Model: gpt-5.4 (reasoning xhigh, summaries auto) │
│ Directory: ~/code/ │
│ Permissions: Full Access │
│ Agents.md: │
│ Account: (Team) │
│ Collaboration mode: Default │
│ Session: │
│ │
│ 5h limit: [░░░░░░░░░░░░░░░░░░░░] 0% left (resets 13:07) │
│ Weekly limit: [██░░░░░░░░░░░░░░░░░░] 10% left (resets 10:12 on 28 Mar) │
╰─────────────────────────────────────────────────────────────────────────────────╯

· 69% used · 258K window · 9.46M used · 9.4M in · 63.3K out

Token usage: total=7,770,990 input=7,707,694 (+ 1,693,824 cached) output=63,296 (reasoning 30,987)

No source file or test is identified in the issue. First reproduce the comparison with Codex CLI v0.116.0, gpt-5.4, and the listed reasoning and summary settings, then trace how the OpenAI-compatible gateway handles upstream usage and cached-input fields. Done means reproducing the discrepancy, identifying the transmission or accounting cause, and confirming cached input and quota usage remain close to direct access.