El plugin TokenEconomizer reduce entre un 18,4 y un 30,9% el gasto de los agentes de código con IA sin cambiar de modelo
Un agente de código puede trabajar semanas en el mismo repositorio y, aun así, empezar cada sesión desde cero: vuelve a buscar cómo se ejecutan los tests y arrastra herramientas que no necesita. El plugin TokenEconomizer lee los logs de las sesiones anteriores y le sugiere al agente lo aprendido. En 277 correcciones de bugs de SWE-Bench, el coste por tarea bajó un 18,4–30,9%. Para los equipos que trabajan en repositorios fijos, es un ahorro sin cambiar de agente.
Procesado por IA desde Microsoft Research; editado por Hamidun News
Si usas Claude Code u otro agente de código siempre sobre el mismo repositorio, seguramente lo has notado: cada sesión nueva empieza como si el agente viera el proyecto por primera vez. Vuelve a averiguar cómo se ejecutan los tests, vuelve a leer los mismos archivos y vuelve a tropezar con las mismas piedras. Cada una de esas vueltas se paga con tokens, es decir, con dinero.
Investigadores de UC Berkeley, Microsoft Research y Microsoft Security han publicado TokenEconomizer, un plugin de código abierto que analiza las sesiones terminadas y le sugiere al agente lo aprendido en las siguientes. En 277 correcciones de bugs reales, el coste medio por tarea bajó un 18,4–30,9%, entre una quinta parte y un tercio de la factura de tokens. El agente y su modelo siguen siendo los mismos, y la proporción de tareas resueltas no cayó en conjunto.
Si tu equipo lleva años trabajando en unos pocos repositorios, parte de la factura se va en lo que el agente ya sabía ayer.
Adónde van los tokens
Los autores empezaron por averiguar en qué se gasta el presupuesto. Ejecutaron Claude Code sobre 60 tareas de SWE-Bench (un conjunto de correcciones de bugs reales en proyectos de Python de código abierto), resolviendo las tareas de cada repositorio de forma consecutiva. Encontraron tres fuentes de derroche.
Primera: el agente vuelve a averiguar lo que ya sabe. Cuando un repositorio acumulaba al menos cinco tareas terminadas, el 30% de las llamadas a herramientas repetía una acción de una tarea anterior en ese mismo repositorio. Con el historial de otro repositorio, solo coincidía el 7%. Es decir, la experiencia sirve a escala local, no en general.
Segunda: se pagan herramientas que no se usan. En cada turno se enviaban al agente 23 descripciones de herramientas, pero solo se llamaba a 7. Las otras 16 solo engordaban la petición.
Tercera: los atascos. El 17% de tareas fallidas consumió el 32% del gasto: el agente da vueltas alrededor del mismo error mientras los tokens se siguen gastando.
Los autores también probaron tres plugins populares de código abierto para ahorrar costes, cada uno con una estrategia fija. Cada uno reducía el gasto en unos casos y en otros no. La conclusión es que no hay una receta única: el ahorro debe adaptarse a cada repositorio.
Cómo funciona
Tras cada sesión, TokenEconomizer lee el log y actualiza el conocimiento sobre el repositorio. Después entran en juego tres mecanismos, todos a través de interfaces que el agente ya tiene.
- Microhabilidades. Notas breves de una sola línea, del tipo «aquí los tests se ejecutan así». Una nota solo pasa al contexto inicial cuando varias sesiones han confirmado el patrón. Si más tarde aparecen datos que la contradicen, se retira.
- Poda de herramientas. El plugin elimina las herramientas que, según el historial del repositorio, probablemente el agente no necesitará. Las básicas (ejecutar comandos y editar archivos) se mantienen siempre, y las eliminadas pueden restituirse.
- Intervención ante bucles. Un modelo juez distinto decide si el agente está realmente atascado o si todavía avanza. Si está atascado, se le envía una breve indicación para que pruebe otro enfoque. Si ni así cambia nada, en la versión abierta el plugin no interrumpe el trabajo por sí mismo, sino que avisa al desarrollador.
El plugin no necesita una clave de API propia y guarda lo aprendido en la máquina del desarrollador. El ahorro declarado ya incluye el coste de sus propias llamadas al modelo.
Qué mostraron las mediciones
La evaluación se hizo con 277 tareas de SWE-Bench de seis repositorios y cinco combinaciones de agente y modelo. En cada repositorio, el plugin partía sin historial. El coste medio por tarea bajó un 18,4–30,9%, y el Pass@1 (la proporción de tareas resueltas al primer intento) subió en cuatro de las cinco combinaciones. Entre los enfoques que no pierden calidad, el plugin ahorró más que ninguno en los 30 pares «repositorio — combinación». A modo de comparación, reducir sin más la profundidad de razonamiento del modelo ahorraba lo mismo o más, pero empeoraba el resultado de forma notable.
El ahorro se acumula poco a poco. Las primeras tareas pueden incluso costar más mientras el plugin aprende, pero a partir de la sexta el gasto acumulado es menor que el de referencia en todos los repositorios. Cada uno de los tres mecanismos aporta beneficio por separado, y juntos dan el máximo.
El efecto se mantuvo fuera de las correcciones de bugs. En Web-Bench, donde el desarrollo web es secuencial, el gasto bajó un 16,0–21,2%. En una auditoría de seguridad, donde cada tarea se hace en un repositorio nuevo y no hay experiencia acumulada, el resultado fue aun así un 6,4–19,6% más barato.
Qué hacer con esto
El plugin se instala junto al agente habitual, así que probarlo cuesta poco. Eso sí, hay salvedades. Es un proyecto de investigación, y las cifras principales proceden de benchmarks de correcciones de bugs en Python, que se diferencian de las bases de código reales. La mejora no se nota desde la primera tarea, sino tras acumular historial, así que para experimentos puntuales aportará poco. Antes de implantar el plugin en un equipo, conviene medir el gasto en tu propio repositorio antes y después.
- 18 nov 2026Cinco redes neuronales, un mismo bug: dos lo arreglaron y tres rompieron más cosas
- 18 nov 2026Qwen en dos DGX Spark gana un 34–59% en tokens por segundo y supera a GLM
- 18 nov 2026Un desarrollador da «manos» al chat web con IA: un servidor MCP con 14 herramientas y 21 mil líneas
- 18 nov 2026Claude Code guardaba contraseñas de los comandos: hallan secretos en el 1,1% de los archivos de configuración en GitHub
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Adónde van los tokens?
Los autores empezaron por averiguar en qué se gasta el presupuesto. Ejecutaron Claude Code sobre 60 tareas de SWE-Bench (un conjunto de correcciones de bugs reales en proyectos de Python de código abierto), resolviendo las tareas de cada repositorio de forma consecutiva. Encontraron tres fuentes de derroche. Primera: el agente vuelve a averiguar lo que ya sabe.
Cómo funciona?
Tras cada sesión, TokenEconomizer lee el log y actualiza el conocimiento sobre el repositorio. Después entran en juego tres mecanismos, todos a través de interfaces que el agente ya tiene. Microhabilidades. Notas breves de una sola línea, del tipo «aquí los tests se ejecutan así». Una nota solo pasa al contexto inicial cuando varias sesiones han confirmado el patrón. Si más tarde aparecen datos que la contradicen, se retira. Poda de herramientas.
¿Qué se sabe sobre Qué mostraron las mediciones?
La evaluación se hizo con 277 tareas de SWE-Bench de seis repositorios y cinco combinaciones de agente y modelo. En cada repositorio, el plugin partía sin historial. El coste medio por tarea bajó un 18,4–30,9%, y el Pass@1 (la proporción de tareas resueltas al primer intento) subió en cuatro de las cinco combinaciones. Entre los enfoques que no pierden calidad, el plugin ahorró más que ninguno en los 30 pares «repositorio — combinación».
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.