微软开源 TokenEconomizer：为编程智能体降本最高 30.9%

一句话看懂：微软研究院与加州大学伯克利分校的研究团队发布开源成本控制器 TokenEconomizer，它从仓库的历史会话中学习，减少编程智能体在后续任务中的无效 token 消耗。在论文的 SWE-Bench 测试中，成本最高下降 30.9%。

事件核心：发生了什么

2026 年 10 月 30 日，研究团队公开 TokenEconomizer。它是一个标准库 Python 包及配套插件，兼容 Claude Code、Codex、GitHub Copilot CLI 和 Pi，不需要 GPU，也不需要自备 API key，并且不改动模型权重或智能体代码。它包含三类可切换机制：微技能、工具裁剪和失败循环干预。

在 277 个 SWE-Bench 任务和 5 组智能体与模型的组合中，平均成本降低 18.4% 至 30.9%，Pass@1 在 4 组组合中提升。表现最好的是 Claude Code 搭配 Opus 4.8，成本降低 30.9%；叠加 RTK 后为 33.2%。不过在 ReposVul 审计任务上，降幅只有 6.4% 至 9.3%，而 Opus 4.8 的 Pass@1 下降 1.0 分。

为什么重要

编程智能体的成本浪费有明确来源：研究团队分析 60 个任务后发现，一旦前面已有 5 个任务，约 30% 的工具调用会重复之前的动作；每轮加载 23 个工具描述，其中 16 个从未被调用；失败的运行只占 17% 的任务，却吞掉 32% 的总开销。TokenEconomizer 的思路是从过去的运行轨迹中提炼出每个仓库的策略，并以外部控制器的形式介入，把“省钱”变成可以持续学习和调整的机制，而不是一次性压缩或裁剪。

作为对照，RTK、Serena 和 Aider RepoMap 这三种固定策略都做不到处处更便宜：它们在 Django 上降本，在 SymPy 上反而更贵。TokenEconomizer 在 30 个仓库与设置的组合中全部更便宜，但多数仓库在初期会变贵，直到第 6 个任务才出现成本优势，这说明它的收益依赖同一仓库的长期使用。

对用户/开发者/创作者的影响

目前公开信息显示，它更像一项研究工具而非成熟商业产品。对频繁在固定代码库上使用 Claude Code 或 Codex 的开发者，节省来自三处：工具裁剪单独贡献 13.2% 至 17.7%，微技能贡献 11.8% 至 14.3%，循环拦截贡献 5.4% 至 7.1%。这意味着开销敏感的小团队可以先看“是否长期在同一仓库工作、是否常遇失败循环”，再决定是否试用。