RTK ติดดาว 80,000 ดวงเพราะอ้างว่าลดโทเคนได้ 60–90% — Quesma รัน Terminal-Bench 1,740 ครั้งแล้วพบว่า rtk gain รายงานว่าประหยัด 349 ล้านโทเคน แต่บิล DeepSeek กลับแพงขึ้น 5%

RTK (Rust Token Killer) คือเครื่องมือยอดนิยมของสาย coding agent ปีนี้ — ไบนารี Rust ตัวเดียวที่ดักคำสั่งเชลล์ของเอเจนต์ผ่าน hook แล้วบีบเอาต์พุตก่อนส่งเข้าคอนเท็กซ์ เช่น git status แบบย่อ, cargo test/pytest ที่แสดงแต่เทสต์ที่ fail, git log ที่เหลือแค่ hash ผู้เขียน และหัวข้อ รีโป rtk-ai/rtk (Apache-2.0, สร้างเมื่อ 22 ม.ค. 2026) มี 80,001 ดาว ตอนที่เราตรวจเมื่อเช้านี้ คำอธิบายรีโปยังเขียนว่า “ลดการใช้โทเคนของ LLM ได้ 60–90% บนคำสั่งนักพัฒนาทั่วไป” และติดตั้งกับ Claude Code, Codex, Gemini CLI, Cursor, Windsurf, Cline และอีกหลายตัวได้ด้วยคำสั่งเดียว

เมื่อ 11 ก.ย. 2026 Bartosz Kotrys กับ Jacek Migdal จาก Quesma — บริษัทที่ทำเบนช์มาร์กเรื่องต้นทุนของ coding agent — เผยแพร่ผลทดสอบที่ถามคำถามที่ตรงกว่า “ลดโทเคนได้กี่เปอร์เซ็นต์”: มันทำให้บิลถูกลงจริงไหม? คำตอบในหัวข้อบทความคือ “RTK ไม่ได้ทำให้การเขียนโค้ดด้วย AI ถูกลง”

ทดสอบอย่างไร

Quesma ใช้ Terminal-Bench 2.1 กับสองชุด: Claude Code + Fable 5.0 บน 85 งาน และ OpenCode + DeepSeek V4 Pro 0813 บน 89 งาน แต่ละงานรัน 5 ครั้งแบบมี RTK และ 5 ครั้งแบบไม่มี รวม 1,740 attempts โดยใช้เส้นทางโมเดล แพลตฟอร์ม และ timeout เดียวกัน เวอร์ชันที่ทดสอบคือ RTK 0.45.0 (ตอนนี้รุ่นล่าสุดคือ v0.49.0 ที่ออกเมื่อ 11 ก.ย. เช่นกัน)

	Fable 5.0 (Claude Code)	DeepSeek V4 Pro (OpenCode)
ต้นทุนรวม ไม่มี → มี RTK	$731 → $698 (−5%)	$51 → $54 (+5%)
ต้นทุนเฉลี่ยต่องาน	+1%	+17%
อัตราผ่าน ไม่มี → มี RTK	84% → 83%	71% → 69%

ฝั่ง Fable: ประหยัดจริง แต่มาจากงานเดียว

ตัวเลข −5% ของ Fable ดูดี จนกว่าจะแยกดูรายงาน: เงินที่ประหยัดได้ เกือบทั้งหมดมาจากงานเดียวชื่อ winning-avg-corewars ที่ทั้งสองแบบผ่านทุกครั้ง แต่แบบมี RTK จบในจำนวนเทิร์นประมาณครึ่งหนึ่ง ส่วนงานที่เหลือประหยัดได้ ไม่ถึง 1% และถ้าเฉลี่ยต่องาน แบบมี RTK แพงกว่า 1% ด้วยซ้ำ

ฝั่ง DeepSeek: เอาต์พุตสั้นลง แต่เทิร์นมากขึ้น

ฝั่ง DeepSeek คือจุดที่เห็นกลไกชัดที่สุด RTK ลดจำนวนอักขระจากเทอร์มินัลได้ 9% แต่ prompt tokens รวมกลับเพิ่มขึ้น 9% — uncached input ลดลงแค่ 1% ขณะที่ cached input เพิ่มขึ้น 9% เหตุผลคือแต่ละเทิร์นมี input น้อยลง 7% จริง แต่ จำนวนเทิร์นรวมเพิ่มขึ้น 18% มี 58 งานที่แบบมี RTK ใช้เทิร์นมากกว่า และ 44 งานที่แพงกว่า Quesma สรุปว่า “เทิร์นที่เล็กลงไม่ได้รวมกันเป็น input ที่น้อยลง”

ส่วนที่ย้อนแย้งที่สุด: ตลอด 445 attempts ของ DeepSeek ที่เปิด RTK คำสั่ง rtk gain รายงานว่าประหยัดไป 349.2 ล้านโทเคน หรือลดลง 89% — ในการทดลองเดียวกับที่บิลจริงแพงขึ้น 5%

rtk gain นับอะไร

Quesma อธิบายว่าตัวเลขของ rtk gain คือ (ขนาดเอาต์พุตดิบ − ขนาดหลังกรอง) หน่วยไบต์ หารด้วย 4 ไม่ใช่โทเคนที่ถูกเรียกเก็บเงิน และ “การถือว่า rtk gain เป็นเงินที่ประหยัดได้ คือการสมมติว่าส่วนที่เหลือของ attempt จะเหมือนเดิม ทั้งที่ RTK เปลี่ยนเทิร์นถัดไปของเอเจนต์ได้” ตัวอย่างที่เขายกคือกรณีหนึ่งที่ 69% ของตัวนับการประหยัดมาจากคำสั่ง head สองครั้ง ซึ่งปกติก็ไม่มีทางคืนไฟล์ทั้งไฟล์อยู่แล้ว

ต้องให้เครดิต RTK ด้วยว่า README ของโปรเจกต์เองปรับคำเคลมไว้ตั้งแต่ 22 ก.ค. ให้แคบลงเป็น “ตัดได้ถึง 90% ของ เอาต์พุต bash ที่เอเจนต์อ่าน” พร้อมเขียนชัดว่า “นั่นไม่เท่ากับการลดบิลลง 90%” และตัวเลขโทเคนเป็นค่าประมาณจาก bytes / 4 เพราะ RTK ไม่มี tokenizer — แต่คำอธิบายรีโปบรรทัดแรกที่คนส่วนใหญ่เห็นยังเป็น “60–90%“

มุมมอง AI Curator

บทเรียนของงานนี้ใหญ่กว่า RTK: ต้นทุนของ coding agent ไม่ได้ถูกกำหนดโดยขนาดของเอาต์พุตแต่ละครั้ง แต่โดยจำนวนรอบที่เอเจนต์ต้องวน ทุกเทิร์นส่งคอนเท็กซ์ทั้งก้อนกลับไปใหม่ และด้วย prompt caching ของผู้ให้บริการหลายเจ้า เอาต์พุตเก่าที่อยู่ในคอนเท็กซ์แล้วถูกคิดในราคา cache read ซึ่งถูกกว่า input ปกติมาก การบีบเอาต์พุตจึงประหยัดได้น้อยกว่าที่ตัวเลขดิบบอก และถ้าการบีบนั้นตัดข้อมูลที่เอเจนต์ต้องใช้จนมันต้องรันคำสั่งซ้ำหรือค้นต่ออีกรอบ มันก็ขาดทุนทันที ตัวเลข “cached input เพิ่ม 9%” ฝั่ง DeepSeek คือภาพของเหตุการณ์นั้นพอดี

อีกข้อที่ควรจำคือ ฮาร์เนสสมัยใหม่จัดการเรื่องนี้เองอยู่แล้วส่วนหนึ่ง — Claude Code มีเพดานเอาต์พุต bash ที่ปรับได้ (bashOutputMaxChars ที่เราเขียนถึงตอน /skill-doctor) และเอเจนต์รุ่นใหม่ถูกเทรนให้ใช้ head, grep, --oneline เองเป็นนิสัย ชั้นบีบอัดที่สองจึงมีพื้นที่ให้ทำงานน้อยกว่าที่คิด ผลที่ Fable ได้ประโยชน์น้อยกว่า DeepSeek เสียประโยชน์ก็สอดคล้องกับภาพนี้ แม้การทดลองกับสองชุดยังไม่พอจะสรุปเป็นกฎ

สำหรับนักพัฒนาไทยที่จ่ายค่า API เป็นดอลลาร์ ข้อแนะนำเชิงปฏิบัติคือ อย่าวัดเครื่องมือลดต้นทุนด้วยตัวเลขที่เครื่องมือรายงานเอง ให้วัดด้วย “ต้นทุนต่องานที่สำเร็จ” บนงานจริงของทีม — รันงานชุดเดิมซ้ำหลายรอบทั้งแบบเปิดและปิด แล้วดูทั้งบิลและอัตราผ่าน อย่างที่ Quesma ทำ งาน 85–89 ข้อของ Terminal-Bench ไม่ใช่ทุกอย่าง และอาจมีเวิร์กโฟลว์ที่ RTK คุ้มจริง เช่น โปรเจกต์ที่ log เทสต์ยาวมหาศาลทุกครั้ง แต่ Quesma ใช้คำว่ามันเป็น “การปรับแต่งเฉพาะกรณี ไม่ใช่แหล่งประหยัดทั่วไป” และ 80,000 ดาวไม่ได้เปลี่ยนข้อสรุปนั้น — ดาวบน GitHub วัดความหวัง ไม่ได้วัดใบแจ้งหนี้

แหล่งข่าว

• Quesma — Does RTK make AI coding cheaper? (11 ก.ย. 2026)
• rtk-ai/rtk — GitHub (README และ release v0.49.0)