微软研究院发布 TokenEconomizer：编码智能体成本最高降 30.9%

核心事实

据 MarkTechPost 报道，微软研究院与加州大学伯克利分校的研究团队发布了 TokenEconomizer，一款面向编码智能体的开源成本控制器。它以插件形式工作，可从仓库中过往的会话记录学习，减少后续任务中的 token 浪费。该工具支持 Claude Code、Codex、GitHub Copilot CLI 和 Pi，不修改模型权重，也不改动智能体代码。据论文数据，在 277 项 SWE-Bench 任务、5 种智能体与模型组合下，平均成本下降 18.4% 至 30.9%；在全部 30 个“仓库×配置”单元中成本均下降。

背景与影响

研究团队称，编码智能体每一轮都会重新计费系统提示、已加载的工具 schema 与完整历史，由此产生三类浪费：重复发现、未被调用的工具，以及失败循环。TokenEconomizer 通过三项可切换机制应对：微技能（把历史轨迹提炼为一行事实）、工具裁剪（连续 3 个任务未使用即屏蔽，每 5 个任务重新审计）和失败循环干预（学习轮次预算并判定是否卡住）。单独使用时，工具裁剪节省 13.2% 至 17.7%，微技能节省 11.8% 至 14.3%，循环防护节省 5.4% 至 7.1%。论文称 Pass@1 在 5 种设置中的 4 种上升，在 Opus 4.8 上下降 1.0 个百分点；ReposVul 审计场景仅节省 6.4% 至 9.3%。

限制与来源

上述数字均来自论文与厂商披露，尚未获独立复现验证。该工具需要 Python 3.10 及以上版本，并依赖上述四款智能体之一；学习数据保存在本地 ~/.tokeneconomizer，微技能默认关闭。许可证、安装方式与支持范围请以官方仓库和项目页当前信息为准。本文信息源自 MarkTechPost 报道及所引 arXiv 论文（2610.22732），不构成任何采购或投资建议。