Original en inglés: https://argusic.com/subject/tokeneconomizer
TokenEconomizer
Control de costos de caja negra impulsado por la experiencia para coding agents
Funcionafuente: GitHubPythonApache-2.0commit c53a4a6dcdeb
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agentic ai, agentic coding, ai coding, ai coding assistant, anthropic, artificial intelligence, claude code y codex.
TokenEconomizer funciona. Un agent de Argusic lo instaló en 0,3 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
tokeneconomizer package installed in venv, all 420 tests pass, te CLI outputs status and doctor diagnostics, and the plugin bundle builds to /tmp/test_bundle
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 6 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python -m pytest tests exited 0, 424 passed, 7 skipped; python -m pytest tests experiments/tests exited 0, 820 passed, 8 skipped; te doctor reported all ok; te --help printed usage; te status reported state correctly
- Tokens de modelo usados
- 127.911
- Commit exacto probado
- c53a4a6dcdeb
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Tests**: `pytest tests` → 424 passed, 7 skipped, 0 failed. `pytest tests experiments/tests` → 820… **CLI**: `te --help`, `te doctor`, `te status` all work. `te doctor` reports Python 3.12.3, writabl… **Plugin bundle**: `scripts/build_plugin.py` built successfully to `/tmp/test_bundle`. No third-party keys required — the package is stdlib-only; all tests are offline. tokens used 127,911 Everything works end-to-end without a single error. Here's the summary: **Install**: `pip install -e ".[test]"` in a fresh venv (system Python was externally managed) — su… **Tests**: `pytest tests` → 424 passed, 7 skipped, 0 failed. `pytest tests experiments/tests` → 820… **CLI**: `te --help`, `te doctor`, `te status` all work. `te doctor` reports Python 3.12.3, writabl… **Plugin bundle**: `scripts/build_plugin.py` built successfully to `/tmp/test_bundle`. No third-party keys required — the package is stdlib-only; all tests are offline.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 0,3 minutos, más rápido que la mediana de los 37 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, TokenEconomizer fue el 3.º más rápido en llegar a funcionar, y 27 de 38 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 0,3 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agentic-aiagentic-codingai-codingai-coding-assistantanthropicartificial-intelligenceclaude-codecodexcoding-agentcoding-agentscost-optimizationcost-reductiondeveloper-toolsgithub-copilotllmopen-sourceopenaiproductivitytoken-optimization
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/tokeneconomizer)Preguntas
- ¿Funciona TokenEconomizer?
- Sí. TokenEconomizer funciona. Argusic lo instaló y lo inició en una máquina limpia en 0 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic TokenEconomizer?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit c53a4a6dcdeb. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar TokenEconomizer?
- La ejecución que produjo este veredicto costó 0,02 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda TokenEconomizer en instalarse?
- 0,3 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita TokenEconomizer una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar TokenEconomizer?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara TokenEconomizer con las alternativas?
- De los 38 proyectos de agentic-ai que Argusic ha instalado y cronometrado, TokenEconomizer fue el 3.º más rápido en llegar a funcionar, y 27 de 38 llegaron a funcionar.
- ¿Dónde está la evidencia de TokenEconomizer?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.