微软与UC Berkeley发布TokenEconomizer

微软研究院与 UC Berkeley 团队发布开源编码智能体成本控制插件 TokenEconomizer，称在 277 个 SWE-Bench 任务、5 种智能体与模型组合下，平均成本降低 18.4% 至 30.9%，最高降幅 30.9%，且不改动模型权重和智能体代码。 该插件需搭配指定的 4 种智能体之一，并要求 Python 3.10 或更高版本；学习数据保存在本地 ~/.tokeneconomizer 目录。工具剪枝和循环防护默认开启，微技能（micro-skills）默认关闭，因为其提议器会增加模型调用。上述降本幅度为研究团队公布的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。