TokenEconomizer查核：省18.4%～30.9%是成本，不是每次少用三成token

先看結論：研究有根據，但不是安裝後每次都省30%

TokenEconomizer是真實的Microsoft組織下開源專案，作者名單包括UC Berkeley、Microsoft Research與Microsoft Security研究者。它不更換模型權重，而是根據過往任務經驗，減少重複探索、無用工具介面與失敗迴圈的成本。這不等於Microsoft替Claude Code或Codex提供官方折扣或帳單保證。[1][2][3]

原帖提到的18.4%～30.9%是特定實驗中的平均cache-aware成本降幅，不是原始token個數一律少這麼多。應讀成具條件的研究結果，而非對任何模型、方案、專案及短任務保證省錢。本篇沒有安裝外掛、變更Agent設定或呼叫付費模型。[2][3]

原帖與評論：另一個AI的解釋也要查

已讀主文及可見回覆，來源指向microsoft/TokenEconomizer。有讀者表示簡單任務測不出效果，也有人提醒快取的重要性；這些是使用觀察與提醒，不是獨立控制實驗。原帖的OS／PS評論與工具效果沒有可核因果，本文不展開。

留言中Meta AI把機制解釋為記住規則、剪工具及打斷迴圈，還將降幅說成token減少、成功率沒掉。這些說法不能因來自AI帳號或獲得按讚就升格為證據。以下以論文、固定版本文件與指定程式碼核對；留言coverage為partial，相關推薦串不是本帖留言。[1]

論文實際測什麼：277題、6個repo、5組模型／Agent

本次讀取arXiv:2610.22732的PDF，文件標示v1、日期2026-10-15。SWE-Bench實驗使用277個任務、6個倉庫，依倉庫串成任務序列，每題是獨立session，從沒有學到經驗的狀態開始；五個agent–model設定各跑三個seeds。這不是作者拿自己真實日常帳單做出的前後對照，也不是完整所有SWE-Bench任務的保證。[3]

論文Appendix E的成本把未快取輸入、快取讀取與輸出分開加權，權重是適用價格或價格比，並計入提出規則、工具判斷、迴圈判斷與redirect等控制器呼叫。總token數、加權成本、訂閱剩餘額度與實際帳單，是不同單位；不能任意互換。[3]

Table1的成本與品質，要一起看

• Claude Code／Sonnet 5：平均成本降低23.6%；Pass@1由74.7%到76.0%，增加1.3個百分點。
• Claude Code／Opus 4.8：平均成本降低30.9%；Pass@1由74.0%到73.0%，下降1.0個百分點。
• Codex／GPT-5.6 Terra：平均成本降低24.7%；Pass@1由73.8%到74.7%，增加0.9個百分點。
• Codex／GPT-5.6 Sol：平均成本降低26.1%；Pass@1由80.1%到81.7%，增加1.6個百分點。
• Copilot CLI／Sonnet 5：平均成本降低18.4%；Pass@1由75.0%到77.6%，增加2.6個百分點。

因此是五組中四組Pass@1上升，一組下降1.0個百分點，不是「成功率完全沒掉」。這裡列的是研究者報告，百分點差已用程式核算，沒有重新執行那些benchmark。論文另稱六個repo乘五組設定的30個彙總格都降低成本；這不表示每個個別任務都更便宜。[3]

其中的Codex結果使用GPT-5.6 Terra／Sol等特定模型，不能直接套到別的模型代次或使用設定。原文研究基準是high-effort default execution，也不能把它當成任意現有最佳化工作流的同等對照。Web-Bench及安全稽核另有不同樣本、品質指標與對照範圍，本文不將數字相加或挑最高值當普遍收益。

三個機制：論文與目前外掛不是一模一樣

1. Micro-skills：跨session學操作常識，但目前預設關閉

它嘗試從歷史任務確認正確測試指令、缺少的環境設定等，再在未來session注入。這不是所有既有skills都會被自動學走，也不是看到一次成功就永久當事實。固定版本的runtime設定明確是microskills=off；開啟後的proposer會額外呼叫模型，另一種envfacts模式則只學不需模型呼叫的環境事實。[2][4]

所以留言中的「每三次自動回顧、確認三次直接塞prompt」不能當安裝後必然全程啟用的描述。手寫穩定的專案操作規則可以覆蓋部分重複探索問題，但不等於已實現工具遮蔽、歷史證據管理和迴圈判斷，更沒有證明手寫規則與整套控制器的效果完全等價。