ARTICLE · 1306085

微软把AI编程账单砍了23.6%:3694星TokenEconomizer我读完论文,两个组我劝别装

发布时间：2026-11-04 11:29:29 最近访问：2026-11-04 11:29:29

# 微软把AI编程账单砍了23.6%：3694星TokenEconomizer我读完论文，两个组我劝别装

先摆一个让我改了判断的数字：微软研究院和 UC Berkeley 上周放出的 TokenEconomizer，在 SWE-Bench 的 277 个任务上把 AI 编程的平均成本压了 18.4% 到 30.9%。看到这个数我先嘀咕了一句「又是实验室数据」，直到我翻到它的统计口径：5 组 agent 加模型的组合、6 个仓库、30 个仓库乘组合的格子里全部变便宜，而且成本算上了插件自己调模型的开销。我上个月刚拆过自己 504 块的 AI 编程账单，83% 是思考、超时重试、重复喂料这些「不干活的钱」，这个插件砍的正好是这三样。但把它的机制读完，我反而要先泼冷水：它省的钱来自「跨会话学习」，你要是每个任务都换仓库，它一分钱都省不下来。

口径先说清：TokenEconomizer，microsoft/TokenEconomizer，Apache-2.0，星数我按 11 月 2 日凌晨拉的 GitHub API 算是 3694 星，10 月 13 日建仓，13 个 open issues，最近一次推送 10 月 31 日。论文挂在 arXiv 2610.22732，作者是 Aaron J. Li 那一串 UC Berkeley 加微软研究院加微软安全的人，不是社区爱好者攒的玩具。

PART

先算三笔账：它到底砍掉了什么

SAVE

它的出发点跟我拆账单时的结论撞上了：coding agent 是为「干完活」设计的，不是为「省钱」设计的。每个 turn 你都在重复付三笔钱——指令重读、加载了但没用的工具定义、以及上文历史。你在同一个仓库里反反复复用同一个 agent，这三笔钱就反反复复地重复付。TokenEconomizer 不动模型、不动权重、不动 agent 本体，它只做一件事：把上一个会话学到的东西用到下一个会话。三个机制对应三笔浪费：

✨ 微技能（micro-skills）：仓库里的事实只该被发现一次。python -m pytest 在这个仓库里才有用、某个命令要先设环境变量、生成文件在哪——这类事实从「跨会话重复的失败」和「每 3 个会话一次的模型复盘」里学出来，3 个会话确认过才写进会话开头，后来的会话反驳了就删掉。

✨ 工具剪枝（tool pruning）：每个加载的工具的定义都随每次请求发出去。一个工具在 10 个 prompt、跨至少 2 个会话里都没被用到（或者连续 5 个会话没用到），就从后续会话里拿掉。一条命令能还回来。

✨ 失败循环干预（loop guard）：一个 turn 反复撞同样的错，判定模型确认它卡住了（置信度 0.7 以上），就往上下文里加一句「换个思路试试」，一个 turn 最多推 1 次。推不动它只告诉你怎么停，它从不自己停你的 turn。

注意第三个机制的分寸感，这是我读完对这个项目好感度最高的地方：劝一句就收手，停不停是你的事。对比一下那些直接把 agent 杀掉重来的「省钱工具」，这个设计把决定权留在人手里。

PART

论文里的数字，我把口径核了一遍

MONEY

277 个 SWE-Bench 任务、6 个仓库、5 组 agent 加模型的组合，每个任务一个会话，同一个仓库的任务按顺序跑，从零开始学。成本按缓存计价算——这一点很实在，因为会话里大部分 token 是缓存重读，按原价算就是虚报节省。我把五组组合的结果摆出来：

组合	成本变化	Pass@1 变化
Claude Code + Sonnet 5	降 23.6%	加 1.3
Claude Code + Opus 4.8	降 30.9%	减 1.0
Codex + GPT-5.6 Terra	降 24.7%	加 0.9
Codex + GPT-5.6 Sol	降 26.1%	加 1.6
Copilot CLI + Sonnet 5	降 18.4%	加 2.6

5 组里 4 组 Pass@1 是涨的，唯一跌的是 Claude Code 配 Opus 4.8 那组，跌了 1.0。30 个仓库乘组合的格子里成本全部下降，单仓库单组合的降幅在 5% 到 40% 之间。另外两组验证也做了：Web-Bench 上便宜 16% 到 21%，两个安全审计类基准（特点是每个任务都在新仓库里）便宜 6% 到 20%。

等等，「每个任务都在新仓库」还能省 6% 到 20%？跨会话学习在新仓库里学不到东西，那省的是什么？我回头又看了一遍机制，想明白了：靠的是工具剪枝和失败循环干预，这两个不吃仓库经验。但 6% 这个下限也说明了没仓库经验时它的真实水位。这个数字我算完不信，又核了一遍论文的汇总页，没抄错。

PART

管理账：三分钟装完，但你要接受三件事

JUDGE

安装走各家的插件市场，以 Claude Code 为例，三条命令：

CODE

git clone https://github.com/microsoft/TokenEconomizer.git

claude plugin marketplace add "$PWD/TokenEconomizer"

claude plugin install tokeneconomizer@tokeneconomizer

装完跑 /tokeneconomizer:status 看状态块，每台机器再跑一次 /tokeneconomizer:toolprune refresh-catalog 把工具目录记下来。日常不用管它，它每个动作在会话里报一行。想动它的时候，命令在四个 agent 上同名，只是敲法不同：

CODE

/tokeneconomizer:status # 这个仓库里它学了什么、做了什么、花了多少

/tokeneconomizer:toolprune # 剪掉了哪些工具、证据是什么

/tokeneconomizer:toolprune restore # 还回来，且不会再被剪

/tokeneconomizer:config set microskills=on # 微技能默认是关的，要自己开

作为管过团队工具链的人，我签一个进团队主干前看三样东西：默认行为可逆、失败不拖累干活、管理成本可量化。它三条都占：事实被后来的会话反驳就删、任何一部分出错你的会话照常跑、学到的东西只存本机 ~/.tokeneconomizer。但有三件事你得先接受：

✨ 版本锁得很紧。Claude Code 只支持 2.1.300 到 2.1.310，Codex 0.153.1 到 0.164.0，Copilot CLI 1.0.83 到 1.0.102，Pi 1.2.0 到 1.3.0，新版本没测过。团队里 agent 版本一乱，就有人的插件在裸奔。

✨ 微技能默认关闭，因为它自己的模型调用也要花钱，省多少看仓库和工作性质。它的报告把这部分开销算进去，诚实，但也说明白了：不是开了就赚。

✨ 剪枝是「写 deny list」这种黑盒动作，落在各家自己的配置文件里（Claude Code 是 .claude/settings.local.json，Codex 是 .codex/config.toml，Copilot CLI 是整个 MCP server 不加载）。它只加自己的条目，不动你写的规则，还把自己创建的文件挡在 git 外面——这些细节都对，但排障的时候你要知道去哪看。

PART

我的判断：五种人，三种签两种砍

DECIDE

结论我先放前面：这个东西我会装，但我会挨个仓库开，不会全局放开。下面是我给团队的判断标准。

你的情况	判断	理由
长期维护 1 到 2 个大仓库	签	跨会话学习的复利在这里，论文收益主要来自这种用法
每个任务都换新仓库	砍掉微技能	新仓库学不到事实，留着只多付复盘的模型钱
用 Pi 或 opencode	等	剪枝对这两个根本不动，等于只买了三分之一的功能
受强合规约束	看配置再定	数据不出机器，但它改 agent 配置文件这件事要过你的审计
agent 版本月月追新	砍	版本窗口这么紧，追新等于反复装反复断