TokenEconomizer: плагин Microsoft для снижения затрат на токены в кодинг-агентах

30 октября 2026 года Microsoft Research и UC Berkeley представили TokenEconomizer — открытый контроллер затрат для кодинг-агентов. Это плагин, который учится на прошлых сессиях в репозитории и сокращает лишние расходы в последующих. Работает с Claude Code, Codex, GitHub Copilot CLI и Pi. Не трогает веса модели и код агента.

Каждый ход агента заново оплачивает системный промпт, схемы загруженных инструментов и всю историю. Исследователи проанализировали 60 задач SWE-Bench в 6 репозиториях с Claude Code и Opus 4.8 и нашли три повторяющихся источника трат. Точные формулировки этих источников в исходном тексте обрываются, поэтому данных нет.

TokenEconomizer — внешний контроллер, который считает агента чёрным ящиком. Он хранит состояние для каждого репозитория, построенное на завершённых трейсах (traces — записях выполненных шагов). Перед каждой задачей он задаёт три политики: через промпт, настройки инструментов и поток событий.

LLM-предлагающий (proposer) превращает дайджесты трейсов в однострочные факты, например рабочую команду для тестов. Каждый факт снабжён regex-детекторами, которые проверяют последующие трейсы без вызова модели. Факт попадает в промпт после трёх подтверждений на задачах с непересекающимися изменёнными файлами. Его коэффициент необходимости (need rate) должен оставаться не ниже 0,4. Одно противоречие аннулирует факт, поэтому ошибочные факты быстро отсеиваются.

Инструменты shell, read, write и edit сохраняются всегда. Остальные маскируются после трёх подряд задач, где они не использовались, или когда LLM-судья признаёт их нерелевантными. Полный каталог возвращается каждые пять задач для повторной проверки. На Django с Claude Code первый запрос на второй задаче упал с 43 351 до 16 295 токенов промпта.

На 277 задачах SWE-Bench TokenEconomizer снизил среднюю стоимость на 18,4–30,9% в пяти комбинациях «агент–модель». Тестировались и три фиксированные открытые стратегии: RTK, Serena и Aider's RepoMap. Ни одна не была дешевле везде. Не все три снижали стоимость на Django и повышали на SymPy.

Главное отличие от альтернатив — адаптивность. RTK, Serena и RepoMap применяют фиксированные правила. TokenEconomizer же накапливает факты о конкретном репозитории и обновляет политики на основе подтверждений и противоречий. Он не требует правок в агенте, что упрощает внедрение. Однако он не заменяет собой инструменты вроде Serena: те могут работать из коробки, но без обучения на трейсах.

Кому не подходит: если вы работаете с одним репозиторием недолго, эффект обучения может не успеть проявиться. Также плагин не поможет, если агент уже оптимизирован вручную или использует модели с фиксированной ценой за запрос без учёта токенов. Нет данных о поддержке других агентов, кроме перечисленных.

Итог: TokenEconomizer — практичный способ снизить счёт за токены без переписывания агента. Он не обещает чудес, но на тестах показывает умеренное снижение затрат. Решение открытое, цена не раскрыта — как и условия лицензии в исходном тексте.