Microsoft и Berkeley выложили TokenEconomizer: агенты кодят на 18–31% дешевле

Счёт за кодинг-агентов растёт быстрее, чем кажется. Один запуск Claude Code или Codex на нетривиальной задаче — это десятки шагов, и на каждом модель снова читает накопленный контекст. Поэтому любое обещание срезать расходы, не меняя модель, привлекает внимание команд, у которых токены уже стали отдельной строкой бюджета.

Именно такое обещание дают Microsoft и UC Berkeley: они открыли TokenEconomizer, инструмент для удешевления агентов.

Что заявлено

По данным поста в X, команда прогнала инструмент на 277 задачах SWE-Bench. Рассматривались пять связок агента и модели. Средняя стоимость выполнения снизилась на 18,4–30,9% в зависимости от связки. Верхняя цифра, 30,9%, вынесена в заголовок, но это лучший случай, а не гарантия для любого стека.

Ключевая формулировка — «не трогая модель». Оптимизация работает снаружи: ни дообучения, ни подмены модели на более дешёвую, ни доступа к весам не требуется. Для тех, кто пользуется закрытыми моделями через API, это единственный реалистичный рычаг: цену за токен вы не контролируете, а количество токенов — отчасти да.

Автор поста пишет, что весь приём умещается в один репозиторий и три шага. Какие именно это шаги, в самом посте не раскрыто, там только ссылка на репозиторий. Поэтому честнее не гадать о механике, а читать код.

Почему это важно на практике

В агентных сценариях стоимость складывается не из одного запроса, а из цепочки. Контекст, вывод инструментов, повторные попытки — всё это оплачивается снова и снова. Сэкономить 20–30% на таком потоке — не косметика. Для команды, которая тратит на агентов несколько тысяч долларов в месяц, разница заметна, а для стартапа с кодинг-агентом в основе продукта она может сдвинуть юнит-экономику.

Есть и второй аспект. Работа Microsoft и Berkeley показывает, что у агентной обвязки ещё много неэффективности. Пока все спорят о том, какая модель лучше, часть денег утекает на уровне оркестрации. Это сигнал продактам: оптимизировать стоит не только выбор модели, но и то, как агент обращается с контекстом.

Что стоит проверить

Первое — метрики. В посте говорится о стоимости, но ничего не сказано о проценте решённых задач. Если экономия достигается ценой падения качества, выигрыша нет. Нужно смотреть, остался ли показатель успешного решения на прежнем уровне.

Второе — перенос на реальность. SWE-Bench — это аккуратно оформленные задачи по популярным open-source-репозиториям. Ваш закрытый монорепозиторий с кривой историей коммитов устроен иначе, и 18–31% там могут превратиться в 10% или, наоборот, в 35%.

Третье — источник. Пост набрал немного просмотров, а цифры пересказаны из вторых рук. Прежде чем закладывать экономию в бюджет, откройте репозиторий и, если она есть, статью, и проверьте условия эксперимента: версии агентов, цены, способ подсчёта стоимости.

Что делать

Практический план простой. Склонируйте репозиторий, прогоните его на 20–30 ваших типовых задач с включённым и выключенным инструментом, сравните стоимость и долю успешных решений. Если экономия подтвердится хотя бы на половине заявленной, внедрение окупится за считаные дни. Если нет, вы потеряете пару часов и получите собственные данные вместо чужих процентов.