TokenEconomizer: cortar de 18% a 31% da conta sem tocar no modelo

Eis uma conta familiar. Você roda um agente de código no mesmo repositório todos os dias. Ele reaprende que os testes precisam de python -m pytest em vez de pytest. Carrega uma ferramenta de navegador que nunca chama. Bate três vezes seguidas no mesmo erro, tenta a mesma correção quatro vezes e então diz que travou.
Nada disso é problema de modelo. É problema de memória, e o TokenEconomizer — da Microsoft Research, da UC Berkeley e da Microsoft Security — ataca isso sem tocar no modelo.
O que ele mede
O paper (arXiv 2610.22732) relata, em tarefas do SWE-Bench, custo médio de 18,4% a 30,9% menor em cinco combinações de agente e modelo. Mais barato nas trinta células de repositório × combinação. Pass@1 maior em quatro das cinco.
Os números por combinação são os que merecem leitura atenta, porque mostram de onde vem a economia:
- Claude Code com Sonnet 5: custo −23,6%, Pass@1 +1,3
- Claude Code com Opus 4.8: custo −30,9%, Pass@1 −1,0
- Codex com GPT-5.6 Terra: custo −24,7%, Pass@1 +0,9
- Codex com GPT-5.6 Sol: custo −26,1%, Pass@1 +1,6
- Copilot CLI com Sonnet 5: custo −18,4%, Pass@1 +2,6
Uma regressão, quatro melhoras, tudo mais barato. Esse padrão — mais barato em quase todo lugar, qualidade estável a levemente melhor — é a cara de uma ferramenta de remoção de desperdício bem mirada. Ela não deixa o modelo mais inteligente. Impede que ele pague duas vezes pela mesma lição.

Três mecanismos, uma ideia
A frase de enquadramento no README é a tese inteira: agentes de código são construídos para terminar tarefas, não para mantê-las baratas. Cada turno paga de novo pelas instruções do agente, por cada ferramenta carregada e pela conversa até ali.
Micro-skills: lembrar como o repositório funciona. As sessões redescobrem os mesmos fatos. Um passo de build que precisa rodar primeiro. A grafia de um comando que funciona aqui. Uma variável de ambiente que um comando exige. Onde ficam os arquivos gerados. O Micro-skills aprende isso de duas fontes: falhas que se repetem entre sessões, e um modelo que revisa as sessões recentes a cada três sessões e propõe fatos. Um fato só é promovido ao contexto depois que três sessões o confirmam.
Esse limiar de confirmação é o detalhe de projeto de que mais gosto. É a diferença entre uma memória e um boato.
Poda de ferramentas: parar de enviar ferramentas que este repositório nunca usa. Agentes de código vêm com um conjunto grande de ferramentas. Um repositório que nunca toca num notebook nunca precisa da ferramenta de notebook, e toda ferramenta não usada é paga em todo turno. A poda as remove pelas próprias configurações do agente, e é por isso que funciona sem o agente saber de nada.
Intervenção em loop de falha: notar o loop. O mesmo erro três vezes dispara um empurrão para tentar outra abordagem. É o mecanismo mais barato e provavelmente o mais valioso, porque loops de falha são onde agentes queimam mais dinheiro pelo menor resultado.
O detalhe contábil que ninguém mais faz
Uma linha na seção “como funciona” explica por que o número de manchete é crível: a maior parte dos tokens numa sessão é releitura de cache, então o custo é calculado com preço de cache, e inclui as próprias chamadas de modelo do plugin.
É um raro momento de honestidade. Uma ferramenta que relata economia enquanto cobra a própria sobrecarga fora da contabilidade é marketing, não medição. Contar releituras de cache a preço de cache também reenquadra o problema: a parte cara de uma sessão de agente não são os tokens novos, é o acúmulo.
Instalar
É um plugin para o agente que você já usa, rodado a partir de um clone. Python 3.10 ou mais novo no PATH, nenhuma chave de API própria, e ele nunca toca em credenciais.
git clone https://github.com/microsoft/TokenEconomizer.git
claude plugin marketplace add "$PWD/TokenEconomizer"
claude plugin install tokeneconomizer@tokeneconomizer
Codex e a CLI do Copilot têm equivalentes — codex plugin marketplace add, copilot plugin install — e o opencode também é suportado. Depois verifique o status com /tokeneconomizer:status dentro do agente. Duas notas de configuração importam: a pasta tem que ficar onde você clonou, porque o plugin roda a partir do clone, e no Claude Code você precisa rodar /tokeneconomizer:toolprune refresh-catalog uma vez por máquina e de novo depois de cada atualização do Claude Code, porque o catálogo de ferramentas é específico da versão.
No Codex você será solicitado a confiar na pasta e depois a revisar hooks. Os hooks passam a valer a partir da sessão seguinte, então saia e reinicie. É a parte menos elegante da instalação, e vale fazer direito em vez de clicar em tudo.
O que ele não faz
Não muda o modelo, os pesos nem o código do agente. É o sentido de chamá-lo de caixa-preta: tudo o que ele faz passa pelo contexto no início da sessão e pelas configurações do próprio agente.
Não ajuda num repositório que você toca uma vez só. A economia é explicitamente “paga ao longo das sessões seguintes”, o que significa que as duas ou três primeiras sessões são investimento. Se seu trabalho é um repositório diferente a cada semana, é a ferramenta errada, e o paper concordaria com você.
E não resolve o problema de qualidade. Uma combinação ficou um pouco pior. Remover desperdício muda o que o agente gasta, não quão bem ele pensa, e não há razão para esperar almoço grátis nos dois eixos sempre.
Um cuidado com medição. Rode uma semana de controle antes de acreditar em tudo isso. Contagens de tokens em sessões de agente são ruidosas, e um repositório com uma semana excepcionalmente produtiva vai parecer vitória de custo, não importa que plugin você instalou. Compare custo por tarefa concluída, não custo por dia, e mantenha a lista de tarefas mais ou menos constante. As trinta células do paper são um prior útil, não substituto para a sua própria linha de base.
Por que esse é o formato do próximo ano
O preço de agente tem sido uma história sobre custo de modelo caindo. É a alavanca errada para a maioria dos times, porque a conta é dominada por quanto o agente relê, não pelo preço por token. Um corte de 25% vindo de um modelo mais barato é bom; um corte de 25% vindo de não redescobrir seu comando de build é estrutural, e compõe com o modelo barato em vez de competir com ele.
Passamos dois anos otimizando prompts. Os números aqui sugerem que os próximos dois são sobre otimizar sessões: o que entra no contexto, quais ferramentas são carregadas e quando interromper um loop. Nada disso exige um modelo melhor, e é exatamente por isso que provavelmente funciona.
Se você roda um agente num único repositório mais de dez vezes por mês, instale e meça a sua própria conta por uma semana. O número interessante não é o 18–31% do paper. É quantas das suas sessões estavam redescobrindo algo que você já sabia.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.