VibeCafé 调研：自报型 AI 用量排行榜的可信度结构与商业逻辑

写在前面：这篇调研的起点是我自己作为长期用户的一次"猛然回头"。

我已经用了一段时间 VibeCafé 看自己每天的 Claude Code 用量，习惯了打开 /usage 页面看分时活跃图和日均消耗。某天打开 1D 排行榜（见下文证据 A）：榜首 @yiqi 2.1B / 天，第 2 名 @dejeune 1.9B / 天，再往下连续 6 个用户在 1B–1.2B 区间。我本能地开始想：这些人一天到底在干什么？

最朴素的解释能搭起来：长时间挂着 IDE Agent、跨仓库批量重构、把整个 monorepo 丢给 agent 让它自己 grep + 改、多 agent 链路同时跑、或者干脆是自动化跑批……这些场景下账单 1B-2B / 天的数字物理上能成立——尤其考虑到 Claude prompt cache 之后 cache_read_input_tokens 是按 10% 计费但仍按全量记到 usage 里，账单 token 跨 5 个数量级很常见。我之前那篇 AI Token 用量与花费强度调研把这些档位都对过价。

但下一秒我突然意识到：等等——这数字本身是哪来的？官方客户端 @vibe-cafe/vibe-usage 内置 17+ 个 parser，分别读取 claude-code、codex、copilot-cli、gemini-cli、kimi-code、opencode、qwen-code 等等各家本地 AI 编程工具的会话日志。绝大多数 parser 读的都是用户本机的本地文件：以我自己最常用的 Claude Code 为例，就是 ~/.claude/projects/**/*.jsonl——里面的 message.usage.input_tokens / output_tokens / cache_read_input_tokens 都是 Anthropic 在 API 响应里返回给我、Claude Code 自己写下来的明文 JSONL。完全本地、完全可写、它读多少我能改多少。Codex / Gemini CLI / Kimi Code 这些同理——各自有各自的本地日志目录，但作弊空间结构上是同一种。唯一的例外是 cursor parser（云端拉数，本地伪造不了），但它在整套 parser 列表里只占 1 个名额。从这个角度看，榜单上的 1B-2B / 天和"@xxx 真的烧了那么多"之间，没有任何信用桥梁：Anthropic / Google / OpenAI 都不提供第三方账单 API，vibecafe 也不可能反向核验。

所以我做了一次完整的伪造测试来验证假设：把今天用量从真实的 6.95M 篡改到 ~12.5B（昨天的 ~130×，缩放因子 ≈ 1376），跑官方 sync 命令推到 vibecafe.ai。结果服务端零拦截、个人 dashboard 直接显示 预估费用 $11049.93 / +1687%、总 Token 16.7B / +1406%，且主动推送"已经可以申请 999 俱乐部"——证据 B 就是这一时刻的真实截图。也就是说，我作为长期用户那一刻看到的 1B-2B 用户群，可能确实在做大批量 agent 联动，也可能只是改了三行 Python——这两种情况在 VibeCafé 的产品逻辑里没有任何机制能区分。

测试成立之后，我又在第二轮把数字从 12.5B 缩到了 1.25B（约昨天的 13×），避免长期把伪造数据留在公开排行榜上扭曲其他用户的相对位置。所以下文涉及具体数值时：证据 B 的 16.7B / +1406% 反映的是第一轮放大后的状态；下文第四节"廉价反作弊"里用 12.5B 做的"如果有 anomaly check 会被怎样拦下"演示也指这一轮；正文其他地方再出现 1.25B 时，指的是第二轮缩回后的最终留存值。

这篇调研就是从这个发现出发，拆 VibeCafé 的商业逻辑、可信度结构和同类对手（WakaTime / Strava / ccusage / OpenRouter）的处理方式。复现脚本在文末。

一、基本信息

域名 / 站点：vibecafe.ai
核心入口：vibecafe.ai/usage（个人 dashboard）、vibecafe.ai（排行榜 / 社区首页）
客户端：@vibe-cafe/vibe-usage（npm 包，本调研时版本 0.9.1）
运行方式：npx @vibe-cafe/vibe-usage init 配置 API key，npx @vibe-cafe/vibe-usage sync 上报；可选 daemon 守护进程
支持的工具源（parser 列表）：claude-code、codex、copilot-cli、cursor、gemini-cli、hermes、kimi-code、kiro、openclaw、opencode、pi-coding-agent、qwen-code、roo-code、droid、amp、antigravity、cline——覆盖几乎所有主流 AI 编程工具
数据来源：以本地为主 — 各 parser 分别读取对应工具的本机日志（Claude Code 的 ~/.claude/projects/**/*.jsonl、Codex / Cursor / Copilot CLI / Gemini CLI / Kimi Code 等各自的本地路径），提取 message.usage 字段；唯一例外是 cursor parser 走 cursor 自己的云端 API（不可本地伪造）
隐私设计：项目名默认不上传（可在设置开启）；用户名可显示为 *********** 但 token 数字永远公开
资费 / 商业化：未见明确订阅页（v0.9.1 阶段），头部叙事是「$999 俱乐部」会员体系
产品矩阵：左栏导航包含 Vibe Friends、疯狂星期四、$999 俱乐部、Vibe 作品、Vibe Hacks、Vibe Usage（含排行榜 / 模型价格 / 成就 / 设置 / 通知 / 想法）

二、证据材料

证据 A · Vibe Usage 公开排行榜（1D 全部）

证据 A · VibeCafé Vibe Usage 排行榜，双榜并列：预估消费 + Token

完整描述（即便图未渲染也可独立成立）：

整页正中是双榜并列：左侧"预估消费"、右侧"Token"
Top 列表（截屏当日 1D 全部源）：
- @yiqi 2.1B $2429.73
- @dejeune 1.9B $1545.49
- @geeknull 1.1B $1252.07
- @duanquzhi 961,770,903 $1135.34
- @pyiner 962,146,565 $1042.91
- @niuniu869 1.2B $988.67
- 第 3 位（Token 榜）显示 *********** $900+ 1B+——刻意打码的匿名用户
筛选维度：日期（1D / 7D / 30D）+ 榜单类型（全部 / claude-code / codex / copilot-cli / cursor / gemini-cli / hermes / kimi-code / kiro / openclaw / opencode / pi-coding-agent / Claude / DeepSeek / Gemini / GLM / GPT / Kimi / MiniMax / Qwen）
左栏导航暴露完整产品矩阵：Vibe Friends（疯狂星期四 / $999 俱乐部 / Vibe 作品 / Vibe Hacks）→ Vibe Usage（排行榜 / 模型价格 / 成就 / 设置）→ 底部"通知 / 想法"
右上角："更新于 6/11 08:00"（缓存粒度）、"隐私设置"入口

这张图证明的事：

排行榜被放在站点最显眼位置——产品定位是 Status Game，不是 utility
用户名可隐藏但金额数字不可隐藏——产品判断"用户要的是亮数字，不要的是亮身份"
Token 榜和 $ 榜并列——强化"烧得多 = 地位高"的叙事
头部 10 个用户的当日 token 量集中在 1B-2B 区间——给后面 999 俱乐部 门槛做了上下文锚定

证据 B · 个人 Vibe Usage Dashboard（30D 视图，伪造后状态）

证据 B · 我账号的 Vibe Usage 个人面板，30D 视图，含被伪造的数据

完整描述：

顶部横幅："你近 30 天的预估消耗 $11049.93，已经可以申请 999 俱乐部！"——产品在数字越线时主动推送俱乐部门槛

10 个关键指标卡（30D 视图）：

指标	数值	同比变化
预估费用	$11049.93	+1687%
总 Token	16.7B	+1406%
输入 Token	108.0M	+74.4%
输出 Token	102.9M	+2201%
缓存 Token	16.5B	+1482%
活跃时长	1069h 48m	+129%
总时长	1752h 47m	+182%
会话数	322	+97.5%
总消息数	120,860	+106%
用户消息数	13,059	+221%

每日趋势图：右端一根突兀的巨柱（峰值标注 11,662,548,851），与左侧 5/13 ~ 6/9 的均匀低值形成几个数量级落差
分时活跃热力图：周一到周日 × 24 小时格子，颜色深浅表示用量
右上角："分享 / 同步数据 / 使用量 Badge"——支持把面板分享出去做炫耀

这张图证明的事：

可信度防御接近零：+1687% / +1406% 这种环比突变没有任何 anomaly flag
物理不可能的数字也被接收：16.7B / 220K 消息 ≈ 单条 76M token，超过任何主流 LLM 上下文上限（Claude 200K），但 dashboard 照常显示
伪造门槛极低：从对应工具的本机日志（我这里是 ~/.claude/*.jsonl，codex / gemini-cli / kimi-code 各有各的目录但结构同类）找到 usage 字段直接乘以常数，再 npx @vibe-cafe/vibe-usage sync 推上去，整个过程不到 5 分钟
产品反而主动配合作弊：检测到 $11049.93 > 999 立刻弹"已经可以申请 999 俱乐部"——没有任何延迟核验机制

三、商业逻辑：用「自报数字」搭一个社交身份系统

VibeCafé 不是 AI 用量统计工具，是用 token 当社交资本的 Status Game。看产品设计就一目了然：

三层身份漏斗

公开排行榜（vanity metric, top 10/100 可见性）
    ↓
$999 俱乐部（封闭会员制，月消费 ≥ 999 USD 准入）
    ↓
Vibe 作品 + Vibe Hacks（社区资本积累）

这是教科书级的"虚荣指标→身份→社区"漏斗，对标的是 AmEx Centurion（消费门槛 + 隐性社群）+ B 站百大 UP 主（公开榜单 + 后台特权）。

隐私设计的不对称性

证据 A 暴露的关键产品决策：

用户名 → 可隐藏（默认上传项目名都关掉了，名字可打码）
金额数字 → 不可隐藏（即便用户名打码，$900+ 1B+ 这些区间值仍然公开）

这个不对称等于明示："用户要的是亮数字，不是亮身份"——它在赌用户的炫耀心理大于隐私顾虑。

商业模型路径推断

VibeCafé 当前不收钱，但路径无非 4 条：

路径	描述	对排行榜可信度的依赖
(1) Pro 订阅	高级 dashboard / API / 自定义分析	高
(2) 企业版	团队用量看板	中（企业更关心准确性）
(3) 流量分发	作品广场广告位、AI 工具厂商赞助榜单	高
(4) 数据资产	30 万开发者的 AI 使用 pattern → 卖给 Anthropic / Cursor / VC	低（统计噪声不影响 pattern）

关键矛盾：(1)(2)(3) 都需要排行榜可信，否则身份不值钱、赞助商不投钱；(4) 反而对个体噪声不敏感。从外部能观察到的状态是：公开叙事偏向 (1)(2)(3) 的形态（俱乐部、排行榜、作品广场），但当前可见的反作弊投入强度更接近 (4) 的处理方式——证据是 +1406% 突变零拦截。这只是外部观察，并不代表团队真实战略意图。

四、可信度结构：四档改进路径（按性价比排序）

这次伪造测试暴露了 4 类几乎零投入就能修复的漏洞。VibeCafé 选择不修，反映的是其商业模型还没真正押在排行榜信用上。

第 1 档 · 廉价反作弊（一周可上线）

检查	我的伪造怎么过	改完后效果
单条消息 token 上限校验	我把 99 条消息均分 12.5B → 平均 126M token/条	超过 Claude context 上限 200K → 直接拒绝
时序密度检查	整天均匀分布	真实数据有日夜节律 + 工作时段聚簇，缺失即灰名单
同比基线突变	一夜从 6.95M 跳到 12.5B（+180000%）	同比 > 50× 中位数即灰名单，次日复核
比例一致性	我等比放大保留了 input/output/cache 比例	单字段异常或比例脱锚 → 拒绝

只做前 3 条，我刚才那次伪造就过不了。

第 2 档 · 半验证（一个月可上线）

可选 Anthropic 控制台 OAuth：让用户授权 vibecafe 抓 console.anthropic.com 的账单页（HTML 抓取，灰区但能跑），数字对得上给「已验证」徽章
数据源分级：cursor 走云端不可伪造 → "Cloud-Verified"；claude-code / codex 等本地源 → "Client-Reported"
榜单分层：未验证不上主榜，只进子榜

第 3 档 · 改产品形态（半年级，但才是真出路）

别把"用量排行榜"做主角。Token 数本身是个坏 KPI——它鼓励比烧钱，不鼓励比产出。改成：

作品广场为主，用量做副信息："@yiqi 这周上线 3 个项目，烧了 2.1B token"——作品可验证，token 只是上下文
效率榜：接 GitHub，按"每 1M token 产出多少 merged commit / merged PR"排——服务端可验证，作弊要去公开仓库刷 PR，门槛拉到不可承受
挑战赛 / 限时题：vibecafe 出题，定时窗口，事后跑评测——像 Codeforces 的 AI 版

第 4 档 · 老实标注（零成本，今天可上）

像 Strava 标 "Manual entry" 那样——所有客户端来源的数字加一个小灰角"自报"，Cloud-Verified 的加绿勾。坦诚比假装权威更值钱。

五、同类产品调研（按"信用模型"分类）

A 类 · 纯本地工具，不上传，不参与社交（绕开问题）

产品	形态	信用问题
ccusage（ryoppippi/ccusage）	Claude Code 用量 CLI，开源，纯本地	不存在——它不做排行榜
Claude Code Status Line	终端状态栏	同上

教训：避开排行榜就避开 80% 麻烦，但也就只能做 utility，没生意做。

B 类 · 开发者活动榜（VibeCafé 最强可比对象）

产品	形态	处理方式
WakaTime	IDE 编码时间追踪 + 公开排行榜（leaderboards.dev）	Heartbeat 协议每 2 分钟上报（伪造成本高于一次性批量） + 可疑 flag（24h 不停编码报警） + 付费墙过滤脏数据（会作弊的人不会订阅看自己的假数据）
Code::Stats	同 WakaTime，更小众	类似
GitHub 贡献日历	commits 是自报，但落在公共仓库	作弊就要在公开代码里留痕——社会成本拉满
Cal.com / build-in-public 工具	用 PR、merged commits 这种有副作用的行为做指标	绕开"自报"，直接挂钩有审查的链上行为

教训：WakaTime 活了 11 年，靠的不是排行榜真假，而是「个人 dashboard 真有用 + 付费墙隔离脏数据」。VibeCafé 应直接抄这套打法。

C 类 · 运动 / 生活类（Strava 是最经典案例）

产品	处理方式
Strava	早期放任 → 中期推 Verified Pro（实名认证 + 设备认证）→ 现在淡化全球榜、强化朋友圈数据 + Segment 成就——把竞争尺度缩小到熟人圈。商业上从未靠排行榜赚钱，靠订阅高级分析功能（路线规划 / Heatmap / 训练建议）
MyFitnessPal	卡路里完全自报，从来没被当成精确数据——但仍然是 90 亿美元被收购的公司。因为定位是"帮你养成习惯"，不是"权威营养库"
Duolingo Leaderboards	XP 完全可作弊（甚至有刷 XP 教程），但 Duolingo 每周重置 + 分联赛 30 人小组，让作弊收益归零

教训：所有自报型 metric 排行榜的最终归宿都是：

(a) 缩小尺度到熟人圈
(b) 拆分等级把头部隔离
(c) 把"是否准确"换成"是否激励习惯"

D 类 · 云端原生用量平台（信用零问题但非同位竞争）

产品	为什么没问题
OpenRouter	模型调用排行，云端原生数据，本地无法伪造
Cursor 自带 Usage 页面	数据上传到 cursor 自有服务端，再读取展示。VibeCafé 的 cursor parser 用的就是这套
Anthropic Console	自己的用量页，权威数据，但不公开

教训：只要不是 LLM 厂商或聚合层（aggregator），就拿不到 ground truth。从外部观察看，VibeCafé 当前的生态位偏下游，短期内不容易自然演化成 OpenRouter 那样的聚合层角色——除非它主动从下游往中间层走，但这是另一条路径选择，不在本文讨论范围。

六、外部观察者的一种解读

写在这一节前：下面是我作为一个长期用户 + 外部观察者整理的分析框架，不代表 VibeCafé 团队的真实定位或战略。团队内部可能有完全不同的判断、节奏和资源分配，他们也有许多我看不见的信息（财务、签约、产品 roadmap）。把它当作一种解读，不是结论。

把上面三类合起来看，外部能观察到的状态可以整理成：

维度	外部观察到的 VibeCafé 现状（证据）	参考对手处理方式
产品形态	证据 A：排行榜居中、社交化 → 接近 B 类	WakaTime 路线：付费墙 + 个人 dashboard 为主
可信度防御	证据 B：+1406% 不 flag、单条 76M token 不拒 → 服务端 anomaly 检测尚不可见	Strava：分层 + 社区举报
商业模型	多入口（俱乐部 / 作品广场 / Hacks）；从外部能看到的反作弊投入水平判断，与 (4) 数据资产路径更兼容	WakaTime / Strava 都靠订阅
生态位	当前依赖一个外部前提：Anthropic 短期不开第三方 usage API	OpenRouter 把自己变成中间层

几个我会关注的分析点（不是建议，只是观察的切入点）：

可信度叙事的脆弱场景：如果出现一篇病毒级文章演示"30 秒伪造 9B token 上 999 俱乐部"（也就是我这次做的事），社区信任会受到怎样的冲击？Strava 当年经历过类似情境时，已有付费订阅基本盘可以缓冲；VibeCafé 当前能用什么资源缓冲，外部很难判断
WakaTime 路线作为可参考样本：弱化排行榜叙事 → 主打个人 dashboard → 把"分时活跃"这种已经做得不错的私人视图作为核心。这是一种已经被验证 11 年的形态，但是否符合 VibeCafé 团队的定位偏好，我没有信息
数据基础升级是另一种思路：例如接 GitHub 把 token 跟 merged PR / 上线项目挂钩。让排行榜从"谁烧得多"变成"每 1M token 产出几个 merged PR"——这就把指标从纯"自报"切换到"自报 × 公开行为"，作弊门槛拉到要去公开仓库刷 commit 的水平。Cursor / Codeium 当前也没做这事，从生态位看是空白区，但是否值得 VibeCafé 去填取决于他们的产品判断

一句话总结（仅作为本文分析框架的浓缩）：

一种可能的外部解读：VibeCafé 在形态上接近 Strava、数据基础类似 WakaTime、变现路径暂未对外明确。当前的结构性张力来自客户端可信度限制；可能的缓解方向之一是参考 WakaTime 那种"个人 dashboard + 付费墙"打法，另一种是把数据基础升级（接 GitHub / OAuth Anthropic 控制台）。 以上是分析视角，不是预测，也不是建议——VibeCafé 团队是否这样自我定位、是否考虑过这些路径，我没有信息。

七、复现说明（伪造测试脚本）

为了让本调研可复现，记录关键步骤（仅作技术演示用，不建议长期保留伪造数据上传）：

# Step 1: 扫描 ~/.claude/projects/**/*.jsonl 按本地日期分桶
# Step 2: 计算昨天总量与今天总量
# Step 3: scale = target_today / current_today
# Step 4: 对今天的每条记录 message.usage 各字段 ×scale
# Step 5: 备份 → 写回 → npx @vibe-cafe/vibe-usage sync

完整脚本与备份目录：

伪造（第一轮）备份：~/.claude/_token-inflate-backup-2026-06-11/
缩回（第二轮）备份：~/.claude/_token-rescale-2026-06-11-pass2/

一个小副产物：100× 目标为什么跑成了 ~130×

第一轮我让脚本按"100×"放大，最终结果却是 ~130×。这是个 race condition，原因值得记下来——它顺便佐证了"哪怕伪造手法粗糙到自带统计漂移，服务端依然没拦"：

T0 扫描：今天 6.95M tokens / 99 条 assistant 记录
T1 算 scale：(95.65M × 100) / 6.95M ≈ 1376.43
T2~T3 期间：我自己当前这个 Claude Code 会话还在跑（写的恰好就是同一个 jsonl 文件），每次工具调用 / 模型回复都往里追加新的带 usage 字段的 assistant 记录
T3 rewrite：脚本看到的不再是扫描时那 99 条，而是 99 + 新长出来的若干条；原始总量从 6.95M 涨到了 ~9.06M
T4 结果：9.06M × 1376.43 ≈ 12.47B ≈ 130× 昨天

要避免：(a) 暂停当前 session 再跑脚本，(b) 扫描 + rewrite 间隔尽量短，或者 (c) rewrite 时按 uuid 比对只放大扫描时见过的记录。

为什么这事值得在调研里记一笔：一个 30% 漂移、又把 9.5B 推过了"$999 俱乐部"门槛（11K USD）的伪造，服务端连"今天的曲线和过去 30 天有几个数量级落差"这种最朴素的同比检查都没做。这跟前文第四节"廉价反作弊"里推荐的第一档完全对得上：服务端只要做"同比 > 50× 即灰名单"就能把这种漂移连人带车一起拦下来。

风险与伦理边界：

此操作不影响 Anthropic 账单或订阅——Anthropic 服务端独立记账，不会读本地 jsonl 镜像
但会扭曲 vibecafe.ai 排行榜其他用户的相对位置——所以建议测试后及时还原
长期保留伪造数据违反 VibeCafé 社区精神，本调研只用于揭示信用结构

八、信息来源

vibecafe.ai
@vibe-cafe/vibe-usage on npm（本地路径：~/.bun/install/cache/@vibe-cafe/vibe-usage@0.9.1*/）
本地源码阅读：src/sync.js（增量 diff 协议 + 内容 hash 去重）、src/parsers/claude-code.js（jsonl 解析与桶化）、src/state.js（bucketKey / bucketHash 算法）
参考对手：WakaTime、ccusage GitHub、Strava Engineering、OpenRouter
站长本人 vibecafe.ai 账号实测数据（伪造前 / 伪造后 / 缩回后三个状态截图，2026-06-11）

写在前面：这篇调研的起点是我自己作为长期用户的一次"猛然回头"。

我已经用了一段时间 VibeCafé 看自己每天的 Claude Code 用量，习惯了打开 /usage 页面看分时活跃图和日均消耗。某天打开 1D 排行榜（见下文证据 A）：榜首 @yiqi 2.1B / 天，第 2 名 @dejeune 1.9B / 天，再往下连续 6 个用户在 1B–1.2B 区间。我本能地开始想：这些人一天到底在干什么？

最朴素的解释能搭起来：长时间挂着 IDE Agent、跨仓库批量重构、把整个 monorepo 丢给 agent 让它自己 grep + 改、多 agent 链路同时跑、或者干脆是自动化跑批……这些场景下账单 1B-2B / 天的数字物理上能成立——尤其考虑到 Claude prompt cache 之后 cache_read_input_tokens 是按 10% 计费但仍按全量记到 usage 里，账单 token 跨 5 个数量级很常见。我之前那篇 AI Token 用量与花费强度调研把这些档位都对过价。

但下一秒我突然意识到：等等——这数字本身是哪来的？官方客户端 @vibe-cafe/vibe-usage 内置 17+ 个 parser，分别读取 claude-code、codex、copilot-cli、gemini-cli、kimi-code、opencode、qwen-code 等等各家本地 AI 编程工具的会话日志。绝大多数 parser 读的都是用户本机的本地文件：以我自己最常用的 Claude Code 为例，就是 ~/.claude/projects/**/*.jsonl——里面的 message.usage.input_tokens / output_tokens / cache_read_input_tokens 都是 Anthropic 在 API 响应里返回给我、Claude Code 自己写下来的明文 JSONL。完全本地、完全可写、它读多少我能改多少。Codex / Gemini CLI / Kimi Code 这些同理——各自有各自的本地日志目录，但作弊空间结构上是同一种。唯一的例外是 cursor parser（云端拉数，本地伪造不了），但它在整套 parser 列表里只占 1 个名额。从这个角度看，榜单上的 1B-2B / 天和"@xxx 真的烧了那么多"之间，没有任何信用桥梁：Anthropic / Google / OpenAI 都不提供第三方账单 API，vibecafe 也不可能反向核验。

所以我做了一次完整的伪造测试来验证假设：把今天用量从真实的 6.95M 篡改到 ~12.5B（昨天的 ~130×，缩放因子 ≈ 1376），跑官方 sync 命令推到 vibecafe.ai。结果服务端零拦截、个人 dashboard 直接显示 预估费用 $11049.93 / +1687%、总 Token 16.7B / +1406%，且主动推送"已经可以申请 999 俱乐部"——证据 B 就是这一时刻的真实截图。也就是说，我作为长期用户那一刻看到的 1B-2B 用户群，可能确实在做大批量 agent 联动，也可能只是改了三行 Python——这两种情况在 VibeCafé 的产品逻辑里没有任何机制能区分。

测试成立之后，我又在第二轮把数字从 12.5B 缩到了 1.25B（约昨天的 13×），避免长期把伪造数据留在公开排行榜上扭曲其他用户的相对位置。所以下文涉及具体数值时：证据 B 的 16.7B / +1406% 反映的是第一轮放大后的状态；下文第四节"廉价反作弊"里用 12.5B 做的"如果有 anomaly check 会被怎样拦下"演示也指这一轮；正文其他地方再出现 1.25B 时，指的是第二轮缩回后的最终留存值。

这篇调研就是从这个发现出发，拆 VibeCafé 的商业逻辑、可信度结构和同类对手（WakaTime / Strava / ccusage / OpenRouter）的处理方式。复现脚本在文末。

一、基本信息

域名 / 站点：vibecafe.ai
核心入口：vibecafe.ai/usage（个人 dashboard）、vibecafe.ai（排行榜 / 社区首页）
客户端：@vibe-cafe/vibe-usage（npm 包，本调研时版本 0.9.1）
运行方式：npx @vibe-cafe/vibe-usage init 配置 API key，npx @vibe-cafe/vibe-usage sync 上报；可选 daemon 守护进程
支持的工具源（parser 列表）：claude-code、codex、copilot-cli、cursor、gemini-cli、hermes、kimi-code、kiro、openclaw、opencode、pi-coding-agent、qwen-code、roo-code、droid、amp、antigravity、cline——覆盖几乎所有主流 AI 编程工具
数据来源：以本地为主 — 各 parser 分别读取对应工具的本机日志（Claude Code 的 ~/.claude/projects/**/*.jsonl、Codex / Cursor / Copilot CLI / Gemini CLI / Kimi Code 等各自的本地路径），提取 message.usage 字段；唯一例外是 cursor parser 走 cursor 自己的云端 API（不可本地伪造）
隐私设计：项目名默认不上传（可在设置开启）；用户名可显示为 *********** 但 token 数字永远公开
资费 / 商业化：未见明确订阅页（v0.9.1 阶段），头部叙事是「$999 俱乐部」会员体系
产品矩阵：左栏导航包含 Vibe Friends、疯狂星期四、$999 俱乐部、Vibe 作品、Vibe Hacks、Vibe Usage（含排行榜 / 模型价格 / 成就 / 设置 / 通知 / 想法）

二、证据材料

证据 A · Vibe Usage 公开排行榜（1D 全部）

完整描述（即便图未渲染也可独立成立）：

整页正中是双榜并列：左侧"预估消费"、右侧"Token"
Top 列表（截屏当日 1D 全部源）：
- @yiqi 2.1B $2429.73
- @dejeune 1.9B $1545.49
- @geeknull 1.1B $1252.07
- @duanquzhi 961,770,903 $1135.34
- @pyiner 962,146,565 $1042.91
- @niuniu869 1.2B $988.67
- 第 3 位（Token 榜）显示 *********** $900+ 1B+——刻意打码的匿名用户
筛选维度：日期（1D / 7D / 30D）+ 榜单类型（全部 / claude-code / codex / copilot-cli / cursor / gemini-cli / hermes / kimi-code / kiro / openclaw / opencode / pi-coding-agent / Claude / DeepSeek / Gemini / GLM / GPT / Kimi / MiniMax / Qwen）
左栏导航暴露完整产品矩阵：Vibe Friends（疯狂星期四 / $999 俱乐部 / Vibe 作品 / Vibe Hacks）→ Vibe Usage（排行榜 / 模型价格 / 成就 / 设置）→ 底部"通知 / 想法"
右上角："更新于 6/11 08:00"（缓存粒度）、"隐私设置"入口

这张图证明的事：

排行榜被放在站点最显眼位置——产品定位是 Status Game，不是 utility
用户名可隐藏但金额数字不可隐藏——产品判断"用户要的是亮数字，不要的是亮身份"
Token 榜和 $ 榜并列——强化"烧得多 = 地位高"的叙事
头部 10 个用户的当日 token 量集中在 1B-2B 区间——给后面 999 俱乐部 门槛做了上下文锚定

证据 B · 个人 Vibe Usage Dashboard（30D 视图，伪造后状态）

完整描述：

顶部横幅："你近 30 天的预估消耗 $11049.93，已经可以申请 999 俱乐部！"——产品在数字越线时主动推送俱乐部门槛

10 个关键指标卡（30D 视图）：

指标	数值	同比变化
预估费用	$11049.93	+1687%
总 Token	16.7B	+1406%
输入 Token	108.0M	+74.4%
输出 Token	102.9M	+2201%
缓存 Token	16.5B	+1482%
活跃时长	1069h 48m	+129%
总时长	1752h 47m	+182%
会话数	322	+97.5%
总消息数	120,860	+106%
用户消息数	13,059	+221%

每日趋势图：右端一根突兀的巨柱（峰值标注 11,662,548,851），与左侧 5/13 ~ 6/9 的均匀低值形成几个数量级落差
分时活跃热力图：周一到周日 × 24 小时格子，颜色深浅表示用量
右上角："分享 / 同步数据 / 使用量 Badge"——支持把面板分享出去做炫耀

这张图证明的事：

可信度防御接近零：+1687% / +1406% 这种环比突变没有任何 anomaly flag
物理不可能的数字也被接收：16.7B / 220K 消息 ≈ 单条 76M token，超过任何主流 LLM 上下文上限（Claude 200K），但 dashboard 照常显示
伪造门槛极低：从对应工具的本机日志（我这里是 ~/.claude/*.jsonl，codex / gemini-cli / kimi-code 各有各的目录但结构同类）找到 usage 字段直接乘以常数，再 npx @vibe-cafe/vibe-usage sync 推上去，整个过程不到 5 分钟
产品反而主动配合作弊：检测到 $11049.93 > 999 立刻弹"已经可以申请 999 俱乐部"——没有任何延迟核验机制

三、商业逻辑：用「自报数字」搭一个社交身份系统

VibeCafé 不是 AI 用量统计工具，是用 token 当社交资本的 Status Game。看产品设计就一目了然：

三层身份漏斗

公开排行榜（vanity metric, top 10/100 可见性）
    ↓
$999 俱乐部（封闭会员制，月消费 ≥ 999 USD 准入）
    ↓
Vibe 作品 + Vibe Hacks（社区资本积累）

这是教科书级的"虚荣指标→身份→社区"漏斗，对标的是 AmEx Centurion（消费门槛 + 隐性社群）+ B 站百大 UP 主（公开榜单 + 后台特权）。

隐私设计的不对称性

证据 A 暴露的关键产品决策：

用户名 → 可隐藏（默认上传项目名都关掉了，名字可打码）
金额数字 → 不可隐藏（即便用户名打码，$900+ 1B+ 这些区间值仍然公开）

这个不对称等于明示："用户要的是亮数字，不是亮身份"——它在赌用户的炫耀心理大于隐私顾虑。

商业模型路径推断

VibeCafé 当前不收钱，但路径无非 4 条：

路径	描述	对排行榜可信度的依赖
(1) Pro 订阅	高级 dashboard / API / 自定义分析	高
(2) 企业版	团队用量看板	中（企业更关心准确性）
(3) 流量分发	作品广场广告位、AI 工具厂商赞助榜单	高
(4) 数据资产	30 万开发者的 AI 使用 pattern → 卖给 Anthropic / Cursor / VC	低（统计噪声不影响 pattern）

四、可信度结构：四档改进路径（按性价比排序）

这次伪造测试暴露了 4 类几乎零投入就能修复的漏洞。VibeCafé 选择不修，反映的是其商业模型还没真正押在排行榜信用上。

第 1 档 · 廉价反作弊（一周可上线）

检查	我的伪造怎么过	改完后效果
单条消息 token 上限校验	我把 99 条消息均分 12.5B → 平均 126M token/条	超过 Claude context 上限 200K → 直接拒绝
时序密度检查	整天均匀分布	真实数据有日夜节律 + 工作时段聚簇，缺失即灰名单
同比基线突变	一夜从 6.95M 跳到 12.5B（+180000%）	同比 > 50× 中位数即灰名单，次日复核
比例一致性	我等比放大保留了 input/output/cache 比例	单字段异常或比例脱锚 → 拒绝

只做前 3 条，我刚才那次伪造就过不了。

第 2 档 · 半验证（一个月可上线）

可选 Anthropic 控制台 OAuth：让用户授权 vibecafe 抓 console.anthropic.com 的账单页（HTML 抓取，灰区但能跑），数字对得上给「已验证」徽章
数据源分级：cursor 走云端不可伪造 → "Cloud-Verified"；claude-code / codex 等本地源 → "Client-Reported"
榜单分层：未验证不上主榜，只进子榜

第 3 档 · 改产品形态（半年级，但才是真出路）

别把"用量排行榜"做主角。Token 数本身是个坏 KPI——它鼓励比烧钱，不鼓励比产出。改成：

作品广场为主，用量做副信息："@yiqi 这周上线 3 个项目，烧了 2.1B token"——作品可验证，token 只是上下文
效率榜：接 GitHub，按"每 1M token 产出多少 merged commit / merged PR"排——服务端可验证，作弊要去公开仓库刷 PR，门槛拉到不可承受
挑战赛 / 限时题：vibecafe 出题，定时窗口，事后跑评测——像 Codeforces 的 AI 版

第 4 档 · 老实标注（零成本，今天可上）

像 Strava 标 "Manual entry" 那样——所有客户端来源的数字加一个小灰角"自报"，Cloud-Verified 的加绿勾。坦诚比假装权威更值钱。

五、同类产品调研（按"信用模型"分类）

A 类 · 纯本地工具，不上传，不参与社交（绕开问题）

产品	形态	信用问题
ccusage（ryoppippi/ccusage）	Claude Code 用量 CLI，开源，纯本地	不存在——它不做排行榜
Claude Code Status Line	终端状态栏	同上

教训：避开排行榜就避开 80% 麻烦，但也就只能做 utility，没生意做。

B 类 · 开发者活动榜（VibeCafé 最强可比对象）

产品	形态	处理方式
WakaTime	IDE 编码时间追踪 + 公开排行榜（leaderboards.dev）	Heartbeat 协议每 2 分钟上报（伪造成本高于一次性批量） + 可疑 flag（24h 不停编码报警） + 付费墙过滤脏数据（会作弊的人不会订阅看自己的假数据）
Code::Stats	同 WakaTime，更小众	类似
GitHub 贡献日历	commits 是自报，但落在公共仓库	作弊就要在公开代码里留痕——社会成本拉满
Cal.com / build-in-public 工具	用 PR、merged commits 这种有副作用的行为做指标	绕开"自报"，直接挂钩有审查的链上行为

教训：WakaTime 活了 11 年，靠的不是排行榜真假，而是「个人 dashboard 真有用 + 付费墙隔离脏数据」。VibeCafé 应直接抄这套打法。

C 类 · 运动 / 生活类（Strava 是最经典案例）

产品	处理方式
Strava	早期放任 → 中期推 Verified Pro（实名认证 + 设备认证）→ 现在淡化全球榜、强化朋友圈数据 + Segment 成就——把竞争尺度缩小到熟人圈。商业上从未靠排行榜赚钱，靠订阅高级分析功能（路线规划 / Heatmap / 训练建议）
MyFitnessPal	卡路里完全自报，从来没被当成精确数据——但仍然是 90 亿美元被收购的公司。因为定位是"帮你养成习惯"，不是"权威营养库"
Duolingo Leaderboards	XP 完全可作弊（甚至有刷 XP 教程），但 Duolingo 每周重置 + 分联赛 30 人小组，让作弊收益归零

教训：所有自报型 metric 排行榜的最终归宿都是：

(a) 缩小尺度到熟人圈
(b) 拆分等级把头部隔离
(c) 把"是否准确"换成"是否激励习惯"

D 类 · 云端原生用量平台（信用零问题但非同位竞争）

产品	为什么没问题
OpenRouter	模型调用排行，云端原生数据，本地无法伪造
Cursor 自带 Usage 页面	数据上传到 cursor 自有服务端，再读取展示。VibeCafé 的 cursor parser 用的就是这套
Anthropic Console	自己的用量页，权威数据，但不公开

六、外部观察者的一种解读

写在这一节前：下面是我作为一个长期用户 + 外部观察者整理的分析框架，不代表 VibeCafé 团队的真实定位或战略。团队内部可能有完全不同的判断、节奏和资源分配，他们也有许多我看不见的信息（财务、签约、产品 roadmap）。把它当作一种解读，不是结论。

把上面三类合起来看，外部能观察到的状态可以整理成：

维度	外部观察到的 VibeCafé 现状（证据）	参考对手处理方式
产品形态	证据 A：排行榜居中、社交化 → 接近 B 类	WakaTime 路线：付费墙 + 个人 dashboard 为主
可信度防御	证据 B：+1406% 不 flag、单条 76M token 不拒 → 服务端 anomaly 检测尚不可见	Strava：分层 + 社区举报
商业模型	多入口（俱乐部 / 作品广场 / Hacks）；从外部能看到的反作弊投入水平判断，与 (4) 数据资产路径更兼容	WakaTime / Strava 都靠订阅
生态位	当前依赖一个外部前提：Anthropic 短期不开第三方 usage API	OpenRouter 把自己变成中间层

几个我会关注的分析点（不是建议，只是观察的切入点）：

可信度叙事的脆弱场景：如果出现一篇病毒级文章演示"30 秒伪造 9B token 上 999 俱乐部"（也就是我这次做的事），社区信任会受到怎样的冲击？Strava 当年经历过类似情境时，已有付费订阅基本盘可以缓冲；VibeCafé 当前能用什么资源缓冲，外部很难判断
WakaTime 路线作为可参考样本：弱化排行榜叙事 → 主打个人 dashboard → 把"分时活跃"这种已经做得不错的私人视图作为核心。这是一种已经被验证 11 年的形态，但是否符合 VibeCafé 团队的定位偏好，我没有信息
数据基础升级是另一种思路：例如接 GitHub 把 token 跟 merged PR / 上线项目挂钩。让排行榜从"谁烧得多"变成"每 1M token 产出几个 merged PR"——这就把指标从纯"自报"切换到"自报 × 公开行为"，作弊门槛拉到要去公开仓库刷 commit 的水平。Cursor / Codeium 当前也没做这事，从生态位看是空白区，但是否值得 VibeCafé 去填取决于他们的产品判断

一句话总结（仅作为本文分析框架的浓缩）：

一种可能的外部解读：VibeCafé 在形态上接近 Strava、数据基础类似 WakaTime、变现路径暂未对外明确。当前的结构性张力来自客户端可信度限制；可能的缓解方向之一是参考 WakaTime 那种"个人 dashboard + 付费墙"打法，另一种是把数据基础升级（接 GitHub / OAuth Anthropic 控制台）。 以上是分析视角，不是预测，也不是建议——VibeCafé 团队是否这样自我定位、是否考虑过这些路径，我没有信息。

七、复现说明（伪造测试脚本）

为了让本调研可复现，记录关键步骤（仅作技术演示用，不建议长期保留伪造数据上传）：

# Step 1: 扫描 ~/.claude/projects/**/*.jsonl 按本地日期分桶
# Step 2: 计算昨天总量与今天总量
# Step 3: scale = target_today / current_today
# Step 4: 对今天的每条记录 message.usage 各字段 ×scale
# Step 5: 备份 → 写回 → npx @vibe-cafe/vibe-usage sync

完整脚本与备份目录：

伪造（第一轮）备份：~/.claude/_token-inflate-backup-2026-06-11/
缩回（第二轮）备份：~/.claude/_token-rescale-2026-06-11-pass2/

一个小副产物：100× 目标为什么跑成了 ~130×

T0 扫描：今天 6.95M tokens / 99 条 assistant 记录
T1 算 scale：(95.65M × 100) / 6.95M ≈ 1376.43
T2~T3 期间：我自己当前这个 Claude Code 会话还在跑（写的恰好就是同一个 jsonl 文件），每次工具调用 / 模型回复都往里追加新的带 usage 字段的 assistant 记录
T3 rewrite：脚本看到的不再是扫描时那 99 条，而是 99 + 新长出来的若干条；原始总量从 6.95M 涨到了 ~9.06M
T4 结果：9.06M × 1376.43 ≈ 12.47B ≈ 130× 昨天

要避免：(a) 暂停当前 session 再跑脚本，(b) 扫描 + rewrite 间隔尽量短，或者 (c) rewrite 时按 uuid 比对只放大扫描时见过的记录。

风险与伦理边界：

此操作不影响 Anthropic 账单或订阅——Anthropic 服务端独立记账，不会读本地 jsonl 镜像
但会扭曲 vibecafe.ai 排行榜其他用户的相对位置——所以建议测试后及时还原
长期保留伪造数据违反 VibeCafé 社区精神，本调研只用于揭示信用结构

八、信息来源

vibecafe.ai
@vibe-cafe/vibe-usage on npm（本地路径：~/.bun/install/cache/@vibe-cafe/vibe-usage@0.9.1*/）
本地源码阅读：src/sync.js（增量 diff 协议 + 内容 hash 去重）、src/parsers/claude-code.js（jsonl 解析与桶化）、src/state.js（bucketKey / bucketHash 算法）
参考对手：WakaTime、ccusage GitHub、Strava Engineering、OpenRouter
站长本人 vibecafe.ai 账号实测数据（伪造前 / 伪造后 / 缩回后三个状态截图，2026-06-11）