Семантическая плотность: почему сжатый контекст для AI обходится дороже

Сократил контекст на 17% — заплатил на 67% больше. Звучит как ошибка в формуле, но это реальный эксперимент: модель получила данные с аббревиатурами и потратила огромное количество токенов на расшифровку, предположения и оговорки вместо самой задачи. Принцип семантической плотности позволяет строить промпты так, чтобы модель шла прямо к делу, а не сначала угадывала, что вы имели в виду под «ЦА» и «КП». Суть не в том, чтобы написать меньше — суть в том, чтобы каждое слово несло смысл, а не занимало место.