Перейти к содержимому
НейроКуб
Открытый материал · 2 мин
Даниил Баланс

Агент тратит меньше после прошлых задач: TokenEconomizer проверили на 277 исправлениях

Плагин учится на истории репозитория и снижает среднюю стоимость в авторском тесте. Но результат по качеству не вырос во всех сочетаниях агента и модели.

Microsoft Research 16 ноября рассказала о TokenEconomizer — открытом плагине, который использует прошлые сессии в репозитории, чтобы сокращать расходы следующих. В авторской оценке на 277 задачах исправления ошибок из шести репозиториев средняя стоимость снизилась на 18,4–30,9% для пяти сочетаний агента и модели.

Экономия из повторяющейся работы

Плагин не меняет базовую модель. Он накапливает короткие заметки о проекте, убирает редко используемые описания инструментов и вмешивается, когда агент застревает в повторяющихся неудачах. Например, подтверждённый способ запуска тестов можно сохранить для следующей задачи вместо нового поиска по репозиторию.

В расчёт экономии авторы включили собственные модельные вызовы TokenEconomizer. История сначала пуста: на ранних задачах обучение может добавить расходы. В проверенных репозиториях накопленная стоимость стала ниже базовой к шестой задаче; переносить этот срок на любой проект нельзя.

Диаграмма: Microsoft Research, 277 задач SWE-Bench, шесть репозиториев. На графике авторов Pass@1 вырос в четырёх сочетаниях, а у Claude Code с Opus 4.8 снизился на один процентный пункт.

Кому имеет смысл пробовать

Код доступен в репозитории Microsoft. Проверка относится к последовательной работе в выбранных проектах, а не к гарантированному снижению счёта на произвольной одиночной задаче.

Для команды с повторяющимися исправлениями разумный критерий — стоимость успешно принятой задачи вместе с результатом тестов. Если токенов меньше, но исправления хуже, экономия ещё не доказана. Это следует проверять на своём наборе задач, сохранив условия сравнения.

Комментарии

Пока нет комментариев. Начните обсуждение.