Токенмаксинг: почему AI-агенты тратят в 1.5 раза больше токенов, работая в непривычной среде

Обнаружено: агент застревает не в логике задачи, а в синтаксисе — на непривычном языке модель гоняет один и тот же баг по кругу, а после решения не тормозит и тратит токены на полировку несуществующих проблем. Два простых правила позволяют срезать лишние токены на любой открытой задаче: явный стоп-сигнал и черновик в привычном формате перед переводом в непривычный. Модель отдельно решает задачу и отдельно переводит форму — сначала пишет логику на Python или обычным текстом, потом переносит в Rust или OCaml. Плюс команда «остановись» — и решение не превращается в бесконечный рефакторинг.