AI Briefing#token-efficiency
#token-efficiency와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#token-efficiency와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
SparseRead가 모델 수정 없이 에이전트 토큰 비용을 92.9%까지 절감했다
Google이 A2UI 1.0을 공개하며 에이전트 UI 생성 시 입력 토큰을 45.4% 절감했다.
Tessera-27B-B-CJK-RL이 사고 토큰 0.67배로 고난도 수학 문제를 해결했다
Particle-1이 OpenClaw에서 DeepSeek V4.1 Flash 대비 출력 토큰을 45% 절감했다.
Swift GLM-5.3-Flash가 MMLU-PRO에서 사고 토큰을 61.4% 줄였다
ThinkingCap-Qwen3.8-Flash-Next가 88.8% 정확도를 유지하며 토큰을 22~51% 절감했다
HELIX Engine이 SWE 벤치마크에서 토큰 사용량을 77.73% 줄였으나 해결 작업 수는 38개에서 34개로 감소했다.
Zellige AI가 사고 토큰을 절반으로 줄인 오픈 웨이트 코딩 에이전트 Tessera-27B-B-CJK를 공개했다.
Apple이 제안한 SELFCOMPACT로 LLM 에이전트 성능을 높이고 토큰 비용을 30~70% 줄였다.
GitHub Copilot이 토큰 수 감소가 아닌 전체 작업 효율성을 높이기 위해 출력 압축 및 컨텍스트 관리 방식을 최적화했다.
Google이 Gemini 모델에 동적 영상 분석 기능을 도입해 토큰 소비를 최대 88% 줄이고 정확도를 7% 높였다.
작업 간 /clear 사용과 파일 @멘션으로 컨텍스트를 관리하고, 모델과 effort 선택 시 프롬프트 캐시를 유지해 토큰 비용을 절감한다.
Deep Agents v0.7은 컨텍스트 엔지니어링 최적화를 통해 성능 저하 없이 기본 입력 토큰을 65% 절감했다.
에이전트 기반 소프트웨어 개발 시 코드 리뷰 단계가 토큰 소비의 약 60%를 차지한다는 연구 결과가 발표되었다.
에이전트의 코드 검색 시 토큰 사용량을 98% 줄이고 검색 속도를 높인 Semble이 공개되었습니다.
Claude Code와 Codex의 설정을 조정해 토큰 낭비를 줄이는 방법을 정리한다.