Microsoft และ UC Berkeley เปิด TokenEconomizer — ปลั๊กอินลดค่า coding agent 18.4–30.9% แต่ค่าเริ่มต้นไม่ใช่ชุดเดียวกับในงานวิจัย

นักวิจัยจาก Microsoft Research, Microsoft Security และ UC Berkeley ปล่อย TokenEconomizer v0.1.0 เมื่อ 26 ต.ค. 2026 เป็นปลั๊กอินสัญญาอนุญาต Apache-2.0 สำหรับ Claude Code, Codex, GitHub Copilot CLI และ Pi ส่วน opencode ยังเป็นการรองรับแบบทดลอง ไอเดียคือไม่แตะตัว agent หรือโมเดล แต่เรียนรู้จาก session ที่ผ่านมาใน repo เดิม แล้วตัดของที่สูญเปล่าใน session ถัดไป

ข่าวนี้เราเขียนช้ากว่าวันปล่อย 5 วัน แต่ยังคุ้มเล่า เพราะโครงการติดดาวเกิน 2,200 ดวงแล้ว และเรื่องค่า token กำลังเป็นต้นทุนจริงของทีม ตัวเลขทั้งหมดด้านล่างมาจากทีมผู้สร้าง ยังไม่มีผู้ทดสอบอิสระ

สามกลไกที่ใช้ลดต้นทุน

• Micro-skills จำข้อเท็จจริงของ repo เช่นต้องใช้ python -m pytest แทน pytest ข้อเท็จจริงจะถูกแจ้งตอนเริ่ม session หลังได้รับการยืนยันจาก 3 session
• Tool pruning เอาเครื่องมือที่ไม่ได้ใช้ออกผ่านการตั้งค่าของ agent เอง เพราะ schema ของทุกเครื่องมือถูกส่งไปทุก request สั่งคืนได้ด้วยคำสั่งเดียว
• Loop guard ให้ judge model ตรวจว่า agent ติดลูปหรือไม่ ถ้ามั่นใจอย่างน้อย 0.7 จะแทรกข้อความให้เปลี่ยนวิธีได้สูงสุด 1 ครั้งต่อ turn และไม่เคยหยุด turn เอง

ข้อมูลที่เรียนรู้เก็บใน ~/.tokeneconomizer บนเครื่อง และปลั๊กอินไม่ต้องใช้ API key ของตัวเอง

ผลทดลอง

ทีมวิจัยทดสอบกับ 5 คู่ agent-โมเดล บน 277 งาน SWE-Bench จาก 6 repo โดยนับต้นทุนแบบรวมราคา cache และรวมการเรียกโมเดลของปลั๊กอินเองด้วย

ชุดทดสอบ	ต้นทุนลดลง	Pass@1 เปลี่ยน
Claude Code + Opus 4.8	30.9%	−1.0
Codex + GPT-5.6 Sol	26.1%	+1.6
Codex + GPT-5.6 Terra	24.7%	+0.9
Claude Code + Sonnet 5	23.6%	+1.3
Copilot CLI + Sonnet 5	18.4%	+2.6

ต้นทุนลดลงครบทั้ง 30 ช่องของ repo คูณชุดทดสอบ ขณะที่การลด reasoning effort เป็นทางเลือกที่ทำ Pass@1 ตกลง 1.8–10.3 จุด ส่วนงานตรวจความปลอดภัยที่ทุกงานอยู่ใน repo ใหม่ ประหยัดได้น้อยลงเหลือ 6–20% และ Web-Bench อยู่ที่ 16–21%

จุดที่ต้องอ่านก่อนติดตั้ง

ค่าเริ่มต้นไม่ใช่ชุดในงานวิจัย ตัวเลข 18.4–30.9% มาจากการเปิดครบสามกลไก แต่ปลั๊กอินเปิดเฉพาะ tool pruning กับ loop guard ส่วน micro-skills ปิดอยู่เพราะมีค่าเรียกโมเดลเพิ่ม และผลขึ้นกับ repo เมื่อแยกทดสอบใน Claude Code ทั้งสองชุด tool pruning อย่างเดียวลดได้ 13.2% และ 17.7% micro-skills อย่างเดียวลดได้ 11.8% และ 14.3% ถ้าใช้ค่าเริ่มต้น จึงไม่ควรคาดหวังตัวเลขหัวข่าว

รุ่นที่ทดสอบตามหลังของจริง README ระบุรองรับ Claude Code 2.1.300–2.1.310 และ Codex 0.153.1–0.164.0 พร้อมบอกว่ารุ่นใหม่กว่านั้นยังไม่ได้ทดสอบ ขณะที่ Claude Code ล่าสุดอยู่ที่ 2.1.316 และ Codex อยู่ที่ 0.166.0 แล้ว

ได้ผลดีสุดกับ repo ที่ใช้ซ้ำ ระบบเรียนรู้จาก session เก่าใน repo เดิม ถ้างานเปลี่ยน repo ตลอด ส่วนที่ประหยัดจะลดลงตามผลชุด security ด้านบน

มุมมอง AI Curator

ค่าที่สุดของงานนี้อาจไม่ใช่ตัวปลั๊กอิน แต่เป็นการวัดว่าเงินรั่วตรงไหน จากการ profile 60 งานบน Claude Code กับ Opus 4.8 มี 10 run ที่ล้มเหลว คิดเป็น 17% ของงานแต่กินงบ 32% และ schema เครื่องมือ 23 ตัวถูกโหลดทุก turn ทั้งที่ไม่เคยถูกเรียกถึง 16 ตัว ทีมไทยที่จ่ายค่า agent เป็นดอลลาร์สามารถตรวจสองเรื่องนี้ได้เองทันที โดยยังไม่ต้องติดตั้งอะไร เริ่มจากตัด MCP server ที่ไม่ได้ใช้ และเขียนคำสั่ง build กับ test ที่ถูกต้องลง CLAUDE.md หรือ AGENTS.md

ส่วนระยะยาว ถ้าการจำ repo ข้าม session และการตัดเครื่องมือได้ผลจริง ผู้ผลิต agent คงทำเองในตัวผลิตภัณฑ์ไม่ช้า ปลั๊กอินภายนอกแบบนี้จึงอาจเป็นต้นแบบมากกว่าของที่อยู่ยาว แนะนำให้ลองใน repo ที่ใช้ทุกวันโดยดูตัวเลขจากคำสั่ง status ก่อนเชื่อว่าประหยัดจริง และจำไว้ว่า tool pruning ไปแก้การตั้งค่าของ agent จึงควรรู้วิธีคืนค่าไว้ตั้งแต่ต้น

แหล่งข่าว

• microsoft/TokenEconomizer — GitHub
• arXiv 2610.22732 — TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents
• TokenEconomizer — Project page