← Каталог

· AI Engineer World's Fair 2026

От tokenmaxxing к доверенной производительности

From Tokenmaxxing to Trusted Throughput — Mingsheng Hong, Ironclad

Расходы на AI-кодинг имеет смысл оценивать через trusted throughput: объём кода, прошедшего автоматические проверки, ревью и проверку у клиентов.

  • Дашборд как детектор дыма — расходы по командам и людям нужны, чтобы находить пробелы во внедрении и неожиданные всплески, но не как лидерборд, иначе появится стимул максимизировать токены.
  • Ценность рядом с расходами — прежде чем резать бюджет, по словам спикера, нужно измерить отдачу: merged PR взвешиваются по сложности, которую оценивает LLM по шкале t-shirt size, а не считаются по числу строк.
  • Ревью и CI как узкие места — AI-ревью первым отсекает стилевые замечания и отсутствие тестов, а людям достаются архитектура и безопасность. Метрики: время от готовности PR до слияния и число перезапусков из-за флакающих тестов.
  • Ограничители расходов — бюджеты, квоты и алерты на аномалии, лимит шагов в агентном цикле, чтобы зацикливание не сжигало токены, фиксированный system prompt в начале промпта для prompt caching и компакция контекста в длинных сессиях.

Кому полезно: тем, кто уже раздал AI-инструменты разработчикам и видит рост счетов без понимания, что за них получено.

Статья по теме

Главы

Похожие доклады