Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @TechScopeAR→ original

Microsoft lanza TokenEconomizer: los agentes de programación gastan entre un 18,4 y un 30,9 % menos

Un agente de programación vuelve a estudiar el proyecto en cada sesión y carga descripciones de herramientas que no necesita, y usted paga esos tokens. El plugin gratuito TokenEconomizer de Microsoft guarda datos del proyecto y evita cargar lo superfluo. En la prueba SWE-Bench, donde los agentes corrigen errores reales, el coste bajó entre un 18,4 y un 30,9 % en cinco combinaciones de agentes y modelos. Si se queda rápido sin cuota, pruebe el plugin en su propio repositorio.

Procesado por IA desde X: @TechScopeAR; editado por Hamidun News
Microsoft lanza TokenEconomizer: los agentes de programación gastan entre un 18,4 y un 30,9 % menos
Fuente: X: @TechScopeAR. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @TechScopeAR ↗
Editor jefe
Dato clave #1Funciona con Claude Code, Codex, Copilot CLI y Pi
Dato clave #2Ahorro del 18,4–30,9 % obtenido en 5 configuraciones en SWE-Bench
Código abiertorepositorio microsoft/TokenEconomizer en GitHub

Quien trabaja a menudo con agentes de programación conoce la sensación: el límite de la tarifa se agota a mitad de semana y la factura de la API crece más rápido que el número de tareas cerradas. Una parte considerable del gasto son repeticiones: el agente abre una sesión nueva y vuelve a averiguar cómo está organizado el proyecto, dónde están las pruebas y qué gestor de paquetes se usa, además de cargar descripciones de herramientas que usted no necesita. Todo eso se paga en tokens, es decir, los fragmentos de texto que el proveedor del modelo cuenta.

Microsoft publicó en acceso abierto el plugin gratuito TokenEconomizer, que elimina precisamente esas repeticiones. Según los autores, en SWE-Bench, una prueba popular en la que los agentes corrigen errores reales de proyectos de código abierto, el coste de trabajo bajó entre un 18,4 y un 30,9 %. Dicho de forma sencilla: por cada 100 dólares de gasto, se pagan entre 18 y 31 dólares menos con las mismas tareas.

Qué hace TokenEconomizer

Se trata de un plugin de código abierto. Es compatible con Claude Code, Codex, Copilot CLI y Pi, así que no está atado a un único ecosistema. El subtítulo del repositorio en GitHub es «Experience-Driven Black-Box Cost Control for Coding Agents», que puede traducirse como «control del coste de los agentes de programación basado en la experiencia acumulada». La «caja negra» significa que la herramienta funciona desde fuera y no exige reescribir el propio agente.

La idea se apoya en tres mecanismos según la descripción del proyecto:

  • El plugin aprende de sesiones anteriores en su proyecto y guarda información sobre él. El agente no tiene que volver a abrirla en cada ocasión.
  • Deja de cargar las definiciones de herramientas que usted no utiliza. Cada una de esas definiciones ocupa espacio en el contexto y se paga en cada petición.
  • Como resultado, cada petición consume menos tokens.

Una analogía cotidiana: un nuevo compañero pide en cada reunión matutina que le expliquen de nuevo dónde está cada cosa en el repositorio. Se puede pagar esas explicaciones una y otra vez, o darle unas notas. TokenEconomizer intenta llevar esas notas de forma automática.

Qué muestran las mediciones

Los autores presentan resultados en SWE-Bench. El coste bajó entre un 18,4 y un 30,9 % en cinco configuraciones distintas de agentes y modelos. La dispersión es notable: en una combinación el ahorro es inferior a una quinta parte, en otra casi un tercio. Por tanto, la ganancia concreta depende del agente y del modelo que use.

Para tener una escala: si un equipo gasta, por ejemplo, 1000 dólares al mes en agentes, un ahorro del 18–31 % equivale a unos 180–310 dólares con las mismas tareas. Para un desarrollador individual con suscripción, el beneficio se percibe de otra manera: los límites se consumen más despacio y puede trabajar más tiempo sin pausas.

Limitaciones y qué hacer

Hay varias advertencias honestas. En primer lugar, las cifras las publican los propios autores y, por ahora, no existen verificaciones independientes. En segundo lugar, SWE-Bench consiste en corregir errores en repositorios conocidos. Su monorepositorio cerrado con una compilación poco habitual puede dar otro resultado. En tercer lugar, por la descripción disponible no se sabe cómo se almacena exactamente la «experiencia»: dónde están las notas, cómo se actualizan y qué ocurre si el proyecto cambia mucho. Una memoria desactualizada puede ser peor que no tener ninguna, así que conviene vigilarlo.

Conclusión práctica:

  • Si se queda sin cuota en Claude Code, Codex o Copilot CLI, instale el plugin en un proyecto no estratégico y compare el consumo de tokens de una semana con el habitual.
  • Mida no solo el coste, sino también la calidad: la proporción de tareas resueltas no debe caer. Un ahorro que se paga con errores no vale nada.
  • Revise en el repositorio qué datos guarda el plugin sobre el proyecto. En código comercial, esto es una cuestión de política de seguridad.
  • Si tiene muchos servidores MCP y herramientas conectadas, el efecto de eliminar las definiciones innecesarias probablemente será más notable.

La noticia es significativa por sí misma: el coste de trabajar con agentes de programación se está convirtiendo poco a poco en una tarea de ingeniería propia. Antes se resolvía eligiendo un modelo más barato. Ahora aparecen herramientas que ahorran en el contexto repetitivo sin cambiar ni el modelo ni el agente. Para los equipos en los que la factura de tokens ya es una partida visible del presupuesto, es un motivo para incluir esta comprobación en la evaluación habitual de herramientas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace TokenEconomizer?

Se trata de un plugin de código abierto. Es compatible con Claude Code, Codex, Copilot CLI y Pi, así que no está atado a un único ecosistema. El subtítulo del repositorio en GitHub es «Experience-Driven Black-Box Cost Control for Coding Agents», que puede traducirse como «control del coste de los agentes de programación basado en la experiencia acumulada». La «caja negra» significa que la herramienta funciona desde fuera y no exige reescribir el propio agente.

¿Qué se sabe sobre Qué muestran las mediciones?

Los autores presentan resultados en SWE-Bench. El coste bajó entre un 18,4 y un 30,9 % en cinco configuraciones distintas de agentes y modelos. La dispersión es notable: en una combinación el ahorro es inferior a una quinta parte, en otra casi un tercio. Por tanto, la ganancia concreta depende del agente y del modelo que use. Para tener una escala: si un equipo gasta, por ejemplo, 1000 dólares al mes en agentes, un ahorro del 18–31 % equivale a unos 180–310 dólares con las mismas tareas.

¿Qué se sabe sobre Limitaciones y qué hacer?

Hay varias advertencias honestas. En primer lugar, las cifras las publican los propios autores y, por ahora, no existen verificaciones independientes. En segundo lugar, SWE-Bench consiste en corregir errores en repositorios conocidos. Su monorepositorio cerrado con una compilación poco habitual puede dar otro resultado. En tercer lugar, por la descripción disponible no se sabe cómo se almacena exactamente la «experiencia»: dónde están las notas, cómo se actualizan y qué ocurre si el proyecto cambia mucho.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

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.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…