El skill Caveman, con 75.000 estrellas, promete recortar en 75% el uso de tokens en Copilot

Tras el cambio de precios en Copilot, los desarrolladores comenzaron a alcanzar los límites mensuales de tokens ya en la primera semana de trabajo. En los chats de equipo, todos buscan formas de ahorrar, y una habilidad sigue apareciendo persistentemente — Caveman. El README del repositorio promete ahorros de hasta el 75% sin pérdida de calidad. Desglosamos cómo funciona y si esto realmente funciona en la realidad.

Qué es Caveman

La idea es desarmantemente simple: una instrucción especial para el prompt del sistema le dice al modelo de lenguaje que se comunique al estilo de un hombre de las cavernas — sin artículos, sin construcciones introductorias, usando oraciones extremadamente cortas. El principio de "hablar concisamente" reduce el volumen de tokens salientes en cada respuesta, y el consumo total diario cae significativamente. Los autores afirman que los ahorros pueden alcanzar el 75% — y sin degradación en la calidad.

El repositorio ha acumulado más de 75,000 estrellas en GitHub, lo que para una herramienta con un mecanismo conceptualmente tan simple se ve impresionante. Es precisamente esta viralidad la que desató olas de discusión en los chats de equipo después del cambio de precios de Copilot.

Por qué los límites de tokens se convirtieron en un problema

Copilot pasó a nuevos precios, y esto afectó más a los equipos que usan activamente asistentes de IA — docenas y cientos de solicitudes por día. Los desarrolladores alcanzaban el techo más rápido de lo esperado, y la mayoría no está dispuesta a pagar extra por paquetes expandidos. Los métodos estándar de ahorro de costos se conocen desde hace mucho tiempo:

• Escribe prompts concisos y precisos
• No pases contexto innecesario en cada solicitud
• Elimina instrucciones repetitivas de la conversación
• Limita el tamaño de la ventana de contexto
• No le pidas al modelo que "piense en voz alta" si no es necesario

Todo esto funciona, pero requiere un esfuerzo consciente de cada miembro del equipo con cada solicitud. Caveman ofrece una solución sistémica: añade la instrucción una sola vez al prompt del sistema — y el modelo cambia automáticamente al modo de ahorro sin supervisión adicional.

Cómo la habilidad ahorraría técnicamente tokens

Caveman es esencialmente un conjunto de instrucciones que obligan al modelo a comprimir las respuestas lo máximo posible. El mecanismo clave: reducir tokens de salida, que cuestan más que los tokens de entrada en la mayoría de los proveedores. Cada párrafo extra, frase introductoria o repetición — eso es dinero real cuando se trabaja intensamente. Si el modelo cambia a un estilo telegráfico con cada solicitud, el ahorro total en cientos de interacciones por día puede ser realmente sustancial. La cifra del 75% es teóricamente alcanzable con compresión agresiva — especialmente si las tareas no requieren explicaciones detalladas o documentación extensa.

"¿Pueden 75,000 estrellas en un repositorio estar equivocadas?" — con

esta pregunta, el autor procede a pruebas prácticas.

Dónde la habilidad puede fallar

El escepticismo aquí es justificado. La formulación "habla como un hombre de las cavernas" no es clara, y los modelos la interpretan de manera diferente. En la práctica, los ahorros aparentes se convierten fácilmente en gastos adicionales: el modelo corta explicaciones importantes — y el usuario hace tres preguntas aclaratorias en lugar de una. El estilo telegráfico complica la comprensión del código con comentarios. Para tareas de documentación, la compresión excesiva produce resultados ilegibles. Hay una pregunta separada sobre qué cuenta como "pérdida de calidad". Si la tarea se completa técnicamente correctamente, pero la explicación está tan comprimida que el desarrollador no entiende la lógica — ¿es eso ahorro o degradación?

Los autores de la habilidad aparentemente se refieren solo a tokens, no al esfuerzo cognitivo para descifrar la respuesta. El beneficio real depende del tipo de tarea. Para preguntas cortas y pequeños fragmentos de código, la habilidad funciona bien. Para refactorización compleja o explicación de decisiones arquitectónicas — puede dañar más que ahorrar.

Qué significa esto

La viralidad de Caveman es un síntoma de una tendencia más amplia: las herramientas de IA se están volviendo más costosas, los límites se están endureciendo, y la comunidad busca formas sistémicas de mantenerse dentro del presupuesto. Las pruebas reales mostrarán si el estilo "hombre de las cavernas" vale sus 75,000 estrellas en la práctica — o si estos son solo números bonitos en el README.