AI Aulis

AI-NYHETER PÅ SVENSKA · 17 november 2026

De viktigaste AI-nyheterna varje morgon. AI skriver och granskar artiklarna mot originalkällorna – kontrollera viktiga uppgifter i källorna.

← Numret 17 november 2026Tidningen

TokenEconomizer sänkte kodningsagenters kostnader med 18,4–30,9 procent i författarnas SWE-Bench-test

AI-genererat innehållSkriven av AI

msft.it, x.com · 2 källor · Källornas publiceringsdatum: 16 november 2026

Ett tillägg med öppen källkod från Microsoft Research och UC Berkeley lär sig av kodningsagentens tidigare sessioner i samma kodförråd och minskar onödigt arbete. I författarnas test sjönk kostnaderna, medan andelen lyckade uppgifter i stort sett förblev oförändrad.

Microsoft Research presenterade tillägget TokenEconomizer den 16 november på sin blogg och sitt X-konto. Organisationen utvecklade tillägget tillsammans med UC Berkeley och Microsoft Security. Tillägget körs vid sidan av kodningsagenten och ändrar varken agenten eller dess modell.

Forskarnas utgångspunkt är att agenten ofta börjar en session från noll. Samtidigt arbetar utvecklaren i samma kodförråd dag efter dag. Forskarna körde Claude Code på 60 uppgifter ur benchmarket SWE-Bench, som består av verkliga buggrättningar i Python-projekt med öppen källkod. När minst fem uppgifter hade utförts i ett kodförråd upprepade 30 procent av verktygsanropen en åtgärd från en tidigare uppgift. I varje tur fick agenten beskrivningar av 23 verktyg. Av dem anropade den 16 inte en enda gång. Av uppgifterna misslyckades 17 procent, men de stod för 32 procent av kostnaderna.

Tre sätt att minska slöseriet

Efter varje session läser TokenEconomizer sessionens logg och uppdaterar sin kunskap om kodförrådet. Det sker på tre sätt:

  • Enradiga anteckningar, micro-skills, beskriver kodförrådets särdrag. Tillägget infogar en anteckning i agentens inledande kontext först när flera sessioner har bekräftat iakttagelsen. Om senare sessioner vederlägger iakttagelsen raderar tillägget anteckningen.
  • Verktygsgallringen tar bort verktyg som agenten enligt tidigare sessioner knappast använder. Basverktygen för att köra kommandon och redigera filer behålls, och borttagna verktyg kan återställas.
  • När agenten upprepade gånger stöter på samma fel avgör en bedömningsmodell om agenten har fastnat. I så fall får agenten ett kort förslag att pröva ett annat angreppssätt. Om agenten fortfarande sitter fast meddelar versionen med öppen källkod utvecklaren i stället för att själv avbryta arbetet.

Kostnaderna sjönk, andelen lyckade uppgifter i stort sett oförändrad

Författarna testade tillägget på 277 SWE-Bench-uppgifter i sex kodförråd med fem kombinationer av agent och modell. I varje kodförråd började testet utan sessionshistorik. Den genomsnittliga kostnaden per uppgift sjönk med 18,4–30,9 procent jämfört med standardinställningarna, och siffrorna inkluderar kostnaden för tilläggets egna modellanrop. Resultaten är författarnas egna.

Andelen uppgifter som löstes på första försöket (Pass@1) steg i fyra av fem kombinationer. Enligt författarna förblev andelarna lyckade uppgifter i stort sett oförändrade. Att sänka resonemangsnivån sparade lika mycket eller mer men försämrade resultaten tydligt.

Besparingen kommer inte direkt. I början kan uppgifterna kosta mer, eftersom tillägget fortfarande lär sig. Med Claude Code blev de ackumulerade kostnaderna i varje kodförråd lägre än med standardinställningarna senast vid den sjätte uppgiften. I webbutvecklingsuppgifterna i benchmarket Web-Bench sjönk kostnaderna med 16,0–21,2 procent. Vid säkerhetsgranskningar, där varje uppgift låg i ett nytt kodförråd, var minskningen 6,4–19,6 procent.

Tillägget finns som öppen källkod på GitHub. Det kräver ingen egen API-nyckel och lagrar sin inlärda kunskap på utvecklarens dator.

Anmäl ett fel i artikeln