10 月 30 日，微软研究院与加州大学伯克利分校团队开源了编码智能体成本控制器 TokenEconomizer。它以插件形式接入 Claude Code、Codex、GitHub Copilot CLI 与 Pi，不改动模型权重也不改智能体本身的代码。在 277 个 SWE-Bench 任务、5 组智能体与模型组合下，它把平均任务成本压低了 18.4% 到 30.9%。
钱究竟花在哪里
团队用 Claude Code 搭配 Opus 4.8 剖析了 6 个仓库的 60 个任务，归纳出三类重复性浪费。前一个是重复探索，当前任务之前已积累 5 个任务时，30% 的工具调用与更早的动作完全重复。第二个是未使用的工具，每轮固定加载 23 个工具 schema，其中 16 个从未被调用，而 3 个工具就覆盖了 98% 的调用量。第三个是失败循环，占任务总数 17% 的失败运行吃掉了 32% 的总开销。
三个可独立开关的机制
微技能把执行轨迹摘要转成一行事实，例如测试命令该怎么写，一条事实需要三次确认才会进入提示词，出现一次矛盾即按五次确认计并迅速淘汰。工具剪枝会保留 shell、读、写、编辑四个基础工具，其余工具在连续三个任务未被使用或被 LLM 判为无关时屏蔽，每五个任务做一次全量复审。失败循环干预则设定 1.25 倍于成功运行长度 90 分位数的回合预算，由 LLM 判定智能体卡死并给一次纠偏，仍复现就停止。
实测数字与代价
在 Django 项目上配合 Claude Code，第二个任务的首次请求提示词 token 从 43351 降到 16295。30 个仓库与组合的单元全部更便宜，5 组设置中有 4 组 Pass@1 提升，Opus 4.8 上下降 1.0 分。Web-Bench 上成本下降 16.0% 到 21.2%，两个安全审计基准为 16.5% 到 19.6%，而 ReposVul 审计只有 6.4% 到 9.3%，因为执行周期短，微技能难以积累。插件以 Apache 2.0 发布，学习到的仓库状态保存在本地 ~/.tokeneconomizer 目录。这类把经验留在仓库侧的思路，和 GitHub Copilot Fusion 令牌减半 属于同一方向，都在压智能体的重复开销。
延伸阅读
- Endor Labs 智能体安全基准：功能正确率 87.2%，安全正确率仅 37.4%1 周前
- Pika 开源 H3 Flex，7 秒出 15 秒 4K 视频1 天前
- Meta 开源 Muse Spark Open：8160 亿参数对标 Qwen3.82 周前
- 英伟达开源 Run:ai 深度：KAI Scheduler 与 3 至 6 倍加载加速1 周前
继续读
同一批更新里这几篇值得一看：
- Cursor 插件市场曝 Claude Code 后门 5000 用户中招2026-11-01
- 国产开源 OXR 仅 1.3B 参数 登顶文档解析三大榜2026-11-01
- 商汤开源 SenseNova Loop-9B：9B 模型媲美 27B 效果2026-11-01
想快速查定义？对应的词条在这里：
- Claude词条 · AI 自学笔记