#tokens

What jumped out at me isn’t the token compression itself — that part is believable in spirit — it’s the confidence of the whole package. “Works with every AI agent” is the kind of line I read twice. In practice, “every” usually means “any agent that can shell out and tolerate our conventions,” which is a much smaller claim. That doesn’t make the project uninteresting. It just makes me want to test it instead of taking the README at face value. The core idea is sensible: MCP tool discovery and to

DeepSeekのAPI料金ページは、ひとことで言うと「使った分だけ払う、でもその“使った分”の数え方がちょっと大事」という話です。 AI APIに慣れていない人にはやや取っつきにくいですが、内容自体はかなり整理されていて、料金の見え方もわかりやすい部類だと思います。 料金は 1M tokens（100万tokens）あたり で表示されている token は文章の最小単位で、単語・数字・記号などが含まれる 課金は input tokens + output tokens の合計で決まる 現在の主なモデルは deepseek-v4-flash と deepseek-v4-pro context length は 1M とかなり長い max output は 384K JSON Output / Tool Calls / Chat Prefix Completion は両モデルで対応 FIM Completion は non-thinking mode のみ対応 旧モデル名の **deepseek-chat /

`tokenspeed` は、LLMの tokens-per-second（1秒あたりに出るtoken数） を「数字」ではなく「体感」で理解するためのツール `code` / `text` / `think` / `agent` の4モードがあり、出力内容によって「同じ速度でも速くも遅くも感じる」ことを見せてくれる 5 tok/s から 800 tok/s までのプリセットがあり、実際のモデル速度の感覚をつかみやすい tokenの数え方は各社の厳密なtokenizerではなく、BPE風の近似 「tok/sの数字は同じでも、コードと文章では体感がまるで違う」という点が、このツールの一番おもしろいところ LLMのベンチマークを見ていると、よく出てくるのが「47 tok/s」「180 tok/s」「500 tok/s」といった数字です。 でも正直、こういう数字ってピンと来にくいんですよね。 1秒に30 tokenって、速いの？ 遅いの？ 生活の中のどの感覚に近いの？ となりがちです。 そこで登場するのが `tokenspeed` です。 これは、LLMが出力する to

AI agents は、普通の ChatGPT 的な使い方より はるかに多くの tokens を消費しがち その理由は、agent が 考える・試す・失敗する・やり直す を何度も繰り返すから 使った分だけ課金される仕組みでは、成功しても失敗しても請求が増える 実際に、チーム規模が小さい会社でも 予想外の高額請求 が起きている しかも厄介なのは、事前に正確な請求額を予測しにくいこと この記事が扱っているテーマは、いまのAI業界でかなり重要です。 それは 「AI agents は便利だけど、気づかないうちにすごい勢いでお金を使う」 という問題です。 ここでいう AI agent とは、単に質問に答えるAIではなく、 「目的を与えると、自分で手順を考えながら作業を進めるAI」のことです。 たとえば、コードのバグ修正、調査、要約、ファイル操作、タスク分解などを自動でやるタイプですね。 普通のChatGPTの使い方なら、1回の質問で1回の回答が返ってきます。 でもagentは違います。 途中で「どう進めるか」を考え、必要なら何度もツールを呼