Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизКод / SDK · В работуX: @TechScopeAR→ оригинал

Microsoft выпустила TokenEconomizer: кодинг-агенты тратят на 18,4–30,9% меньше денег

Кодинг-агент в каждой сессии заново изучает проект и грузит ненужные описания инструментов — вы платите за эти токены. Бесплатный плагин Microsoft TokenEconomizer запоминает факты о проекте и не подгружает лишнее. На тесте SWE-Bench, где агенты чинят реальные баги, стоимость упала на 18,4–30,9% в пяти связках агентов и моделей. Если быстро упираетесь в лимиты, проверьте плагин на своём репозитории.

AI-обработка оригинала X: @TechScopeAR; редакция Hamidun News
Microsoft выпустила TokenEconomizer: кодинг-агенты тратят на 18,4–30,9% меньше денег
Источник: X: @TechScopeAR. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @TechScopeAR ↗
Главный редактор
Ключевой факт #1Работает с Claude Code, Codex, Copilot CLI и Pi
Ключевой факт #2Экономия 18,4–30,9% получена в 5 конфигурациях на SWE-Bench
Код открытрепозиторий microsoft/TokenEconomizer на GitHub

Кто часто работает с кодинг-агентами, знает это чувство: лимит тарифа заканчивается к середине недели, а счёт за API растёт быстрее, чем число закрытых задач. Заметная часть расходов — повторы: агент открывает новую сессию и снова выясняет, как устроен проект, где лежат тесты и какой менеджер пакетов используется, а ещё подгружает описания инструментов, которые вам не нужны. За всё это идёт оплата токенами, то есть кусочками текста, которые считает провайдер модели. Microsoft выложила в открытый доступ бесплатный плагин TokenEconomizer, который убирает именно такие повторы. По данным авторов, на SWE-Bench, популярном тесте, где агенты исправляют реальные баги из open-source-проектов, стоимость работы снизилась на 18,4–30,9%. Проще говоря: на каждые 100 долларов расходов выходит на 18–31 доллар меньше при тех же задачах.

Что делает TokenEconomizer

Это плагин с открытым исходным кодом. Он совместим с Claude Code, Codex, Copilot CLI и Pi, то есть не привязан к одной экосистеме. Подзаголовок репозитория на GitHub — «Experience-Driven Black-Box Cost Control for Coding Agents», что можно перевести как «управление стоимостью кодинг-агентов на основе накопленного опыта». «Чёрный ящик» здесь означает, что инструмент работает снаружи и не требует переписывать самого агента.

Идея строится на трёх механизмах из описания проекта:

  • Плагин учится на прошлых сессиях в вашем проекте и запоминает информацию о нём. Агенту не нужно каждый раз открывать её заново.
  • Он перестаёт загружать определения инструментов, которыми вы не пользуетесь. Каждое такое определение занимает место в контексте и оплачивается при каждом запросе.
  • В итоге в каждый запрос уходит меньше токенов.

Бытовая аналогия: новый сотрудник на каждом утреннем созвоне просит заново объяснить, где что лежит в репозитории. Можно платить за эти объяснения снова и снова, а можно дать ему заметки. TokenEconomizer пытается вести такие заметки автоматически.

Что показали измерения

Авторы приводят результаты на SWE-Bench. Стоимость снизилась на 18,4–30,9% в пяти разных конфигурациях агентов и моделей. Разброс заметный: в одной связке экономия меньше пятой части, в другой почти треть. Значит, конкретный выигрыш зависит от того, какой агент и какая модель стоят у вас.

Для масштаба. Если команда тратит на агентов, скажем, 1000 долларов в месяц, экономия 18–31% — это примерно 180–310 долларов при тех же задачах. Для одиночного разработчика на подписке выгода выглядит иначе: лимиты расходуются медленнее, и можно дольше работать без паузы.

Ограничения и что делать

Есть несколько честных оговорок. Во-первых, цифры опубликованы самими авторами, независимых проверок пока нет. Во-вторых, SWE-Bench — это исправление багов в известных репозиториях. Ваш закрытый монорепозиторий с нестандартной сборкой может дать другой результат. В-третьих, из доступного описания не видно, как именно хранится «опыт»: где лежат заметки, как они обновляются и что происходит, если проект сильно изменился. Устаревшая память может быть хуже её отсутствия, поэтому за этим стоит следить.

Практический вывод:

  • Если вы упираетесь в лимиты Claude Code, Codex или Copilot CLI, поставьте плагин на одном нестратегическом проекте и сравните расход токенов за неделю с обычным.
  • Фиксируйте не только стоимость, но и качество: доля решённых задач не должна падать. Экономия, за которую вы платите ошибками, ничего не стоит.
  • Посмотрите в репозитории, какие данные плагин сохраняет о проекте. Для коммерческого кода это вопрос политики безопасности.
  • Если у вас много подключённых MCP-серверов и инструментов, эффект от отказа от лишних определений, вероятно, будет заметнее.

Новость показательна и сама по себе: стоимость работы с кодинг-агентами постепенно становится отдельной инженерной задачей. Раньше её решали выбором более дешёвой модели. Теперь появляются инструменты, которые экономят на повторяющемся контексте, не меняя ни модель, ни агента. Для команд, у которых счёт за токены уже заметная строка бюджета, это повод включить такую проверку в обычную оценку инструментов.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что делает TokenEconomizer?

Это плагин с открытым исходным кодом. Он совместим с Claude Code, Codex, Copilot CLI и Pi, то есть не привязан к одной экосистеме. Подзаголовок репозитория на GitHub — «Experience-Driven Black-Box Cost Control for Coding Agents», что можно перевести как «управление стоимостью кодинг-агентов на основе накопленного опыта». «Чёрный ящик» здесь означает, что инструмент работает снаружи и не требует переписывать самого агента.

Что известно по теме: что показали измерения?

Авторы приводят результаты на SWE-Bench. Стоимость снизилась на 18,4–30,9% в пяти разных конфигурациях агентов и моделей. Разброс заметный: в одной связке экономия меньше пятой части, в другой почти треть. Значит, конкретный выигрыш зависит от того, какой агент и какая модель стоят у вас. Для масштаба. Если команда тратит на агентов, скажем, 1000 долларов в месяц, экономия 18–31% — это примерно 180–310 долларов при тех же задачах.

Что известно по теме: ограничения и что делать?

Есть несколько честных оговорок. Во-первых, цифры опубликованы самими авторами, независимых проверок пока нет. Во-вторых, SWE-Bench — это исправление багов в известных репозиториях. Ваш закрытый монорепозиторий с нестандартной сборкой может дать другой результат. В-третьих, из доступного описания не видно, как именно хранится «опыт»: где лежат заметки, как они обновляются и что происходит, если проект сильно изменился. Устаревшая память может быть хуже её отсутствия, поэтому за этим стоит следить.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…