Original em inglês: https://argusic.com/subject/tokeneconomizer
TokenEconomizer
Controle de custos de caixa-preta orientado por experiência para Coding Agents
Executafonte: GitHubPythonApache-2.0commit c53a4a6dcdeb
Python, licença Apache-2.0. O projeto se descreve como: agentic ai, agentic coding, ai coding, ai coding assistant, anthropic, artificial intelligence, claude code e codex.
TokenEconomizer executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,3 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
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
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 6 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- c53a4a6dcdeb
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 0,3 minutos, mais rápido que a mediana dos 37 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 38 projetos de agentic-ai que a Argusic instalou e cronometrou, TokenEconomizer foi o 3º mais rápido a chegar a um estado de execução, e 27 de 38 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 0,3 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
agentic-aiagentic-codingai-codingai-coding-assistantanthropicartificial-intelligenceclaude-codecodexcoding-agentcoding-agentscost-optimizationcost-reductiondeveloper-toolsgithub-copilotllmopen-sourceopenaiproductivitytoken-optimization
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/tokeneconomizer)Perguntas
- TokenEconomizer executa?
- Sim. TokenEconomizer executa. A Argusic o instalou e iniciou em uma máquina limpa em 0 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou TokenEconomizer?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit c53a4a6dcdeb. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar TokenEconomizer?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar TokenEconomizer?
- 0,3 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- TokenEconomizer precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar TokenEconomizer?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como TokenEconomizer se compara às alternativas?
- Dos 38 projetos de agentic-ai que a Argusic instalou e cronometrou, TokenEconomizer foi o 3º mais rápido a chegar a um estado de execução, e 27 de 38 chegaram a esse estado.
- Onde estão as evidências de TokenEconomizer?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.