微软研究院插件让编程智能体少花 18% 到 31%

给编程智能体省钱，过去的办法是换便宜模型或者把推理档位调低。微软研究院和加州大学伯克利分校的一篇论文换了个地方下手：模型不动，修剪模型外面那层。按 arXiv 上的论文，这个叫 TokenEconomizer 的插件在测试题上把平均花费降了 18.4% 到 30.9%。

我们的判断是：编程智能体的账单里，有两到三成花在用不上的工具说明和重复操作上，砍这部分比调低推理档位更划算。但这些数字都出自作者自测，换到真实工作流会缩水多少，还没人测过。

钱花在用不上的工具和重复操作上

论文先给智能体记了一笔账。在 Claude Code 的默认配置下，每轮都要发给模型的 23 个工具说明里，有 16 个从没被调用过。失败的任务只占 17%，却用掉 32% 的花费。

插件对应做了三件事：记下代码库里反复用到的事实，下次直接给；把用不上的工具从清单里拿掉；发现智能体卡在失败循环里就出手打断。论文附录举的一个例子里，拿掉 19 个工具后，首轮请求的提示词从约 4.3 万个词元降到约 1.6 万个。

这三件事都只通过智能体已经开放的接口来做。据 TokenEconomizer 项目页，插件可用于 Claude Code、Codex、GitHub Copilot CLI 和 Pi。

降幅已经算进插件自己调用模型的成本。论文测了 6 个代码库的 277 道 SWE-Bench 题，覆盖 Claude Code、Codex 和 Copilot CLI 的 5 种组合，30 个代码库与配置的组合全部变便宜。

省下的钱没有拿通过率去换

拿来对照的是调低推理档位。论文的数据是，降档同样能省钱，但通过率要掉 1.8 到 10.3 个百分点。装插件后，5 种组合里有 4 种通过率反而略升，只有搭配 Opus 4.8 的那组掉了 1.0 个点。

10 月 29 日，Factory 发布 Droid 1.0，博文写的也是外壳。它让模型写一段脚本、一次调用多个工具，在 Opus 5.5 上省 15%；基础提示词从 20,887 个词元减到 13,055 个，开局就发给模型的工具说明从 11 个减到 2 个。

Factory 还称，在它 10 月 23 日到 28 日跑的 Terminal-Bench 4 对比里，Droid 得分比 Cursor、Claude Code 等高 3.0 到 7.6 分，花费最多低 24%。

两组数都还缺第三方复跑

两组数字的来源都是作者自己。Harel Asaf 10 月 30 日在个人网站上的点评指出，Factory 的数字都是它自己测的，没有独立结果，脚本模式例子里的直接调用花费是估算值。

论文也写明了局限：SWE-Bench 的题目彼此独立，不是真实用户的连续会话；实验也没有覆盖项目页列出的 Pi。插件头几道题会更贵，到第六道才在每个代码库都转为省钱。The AI Loadout 11 月 1 日的简报收录了这个插件，引用的同样是作者测得的 18% 到 31%。

如果有团队在自己的代码库上复跑，降幅仍能保住一成以上且不掉分，这个判断就站得住；如果降幅在真实会话里归零，钱就还得回到模型那边去省。