Microsoft Research plugin TokenEconomizer cuts AI coding agent costs
Nội dung này chưa có bằng ngôn ngữ của bạn; đang hiển thị bằng English.
Bắt đầu từ đây
Microsoft Research, with UC Berkeley and Microsoft Security, released TokenEconomizer, an open-source plugin that reduced costs by 18.4–30.9% across five AI coding agent and model combinations on 277 SWE-Bench tasks from six repositories, while task success rates stayed broadly stable. The plugin learns from an agent's past sessions in a repository through three mechanisms: micro-skills that add one-line repository notes, pruning of unused tools, and failure-loop intervention that suggests a different approach when a judge model finds the agent stuck. Savings also reached 16.0–21.2% on Web-Bench and 6.4–19.6% on security auditing, and cumulative costs fell below the default in every repository by the sixth task.
Tạo từ các bài viết · cập nhật 22 phút trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- Microsoft ResearchTuyển chọnTokenEconomizer: Plugin của Microsoft Research cắt giảm 18,4–30,9% chi phí cho AI coding agent trên SWE-Bench
TokenEconomizer, một plugin mã nguồn mở từ UC Berkeley, Microsoft Research và Microsoft Security, đã giảm chi phí 18,4–30,9% trên năm tổ hợp AI coding agent và model với 277 tác vụ SWE-Bench từ sáu repository, trong khi tỷ lệ thành công của tác vụ nhìn chung ổn định. Nó học từ các phiên làm việc trước đó của agent trong một repository thông qua ba cơ chế: micro-skills bổ sung ghi chú repository một dòng, cắt tỉa các công cụ không dùng đến, và can thiệp vòng lặp thất bại để gợi ý một cách tiếp cận khác khi một judge model phát hiện agent bị kẹt. Mức tiết kiệm cũng đạt 16,0–21,2% trên Web-Bench và 6,4–19,6% trên kiểm toán bảo mật, và chi phí tích lũy giảm xuống dưới mức mặc định ở mọi repository tính đến tác vụ thứ sáu.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.