«Будь кратким» заставляет ИИ генерировать больше токенов — эксперимент на 5 моделях

Долгое время я вставлял в промпты «будь краток» и думал, что экономлю. Пока однажды не замерил реальный расход токенов, а не прикинул на глаз.

На двух из пяти протестированных моделей эта инструкция заставила нейросеть выдавать больше токенов, чем если не писать ничего.

Эксперимент

Пять одинаковых задач выполнялись в двух вариантах:

• Без системного промпта.
• С системным промптом «Будь краток. Отвечай коротко».

Считались именно выходные токены — то, что модель генерирует и за что вы платите в 5 раз дороже. Тестировали пять актуальных моделей Claude через CLI.

То есть «будь краток» не всегда вредит, но результат непредсказуем. Иногда объём сокращается, иногда растёт — всё зависит от модели.

Моя гипотеза: на некоторых моделях инструкция «отвечай коротко» вызывает внутренний преамбулу вроде «Вот краткое резюме:» или повтор вопроса, и на изначально коротких задачах эти накладные расходы перевешивают выгоду.

Почему это важно: выходные токены — самая дорогая часть. У всех текущих моделей Claude они стоят в 5 раз дороже входных. Если ваш «экономный» промпт незаметно добавляет токены на той модели, которую вы используете, вы платите больше, чувствуя себя эффективным.

Что реально сокращает вывод

Если нужно стабильно уменьшать число токенов, одной стилистической правкой не обойтись. Придётся менять то, что вообще попадает в ответ.

Для этого я набросал небольшой инструмент — NoYap. Вместо «пиши короче» это свод правил о том, что должно быть в ответе:

• Ответ — сразу. Результат — в первой строке.
• Целиком удаляй разделы, которые не несут пользы (повторы, пересказы, дежурные «могут быть исключения»), прежде чем ужимать формулировки.
• Утверждай, что что-то проверено, только если это действительно выполнилось.
• Указывай риск только если он конкретен и реален.
• Если что-то непонятно — задай один вопрос и остановись.

Те же пять задач, те же замеры. Я сравнил с пустым промптом и с двумя существующими инструментами для краткости: Caveman (сжимает текст через персонаж) и Ponytail (заставляет модель писать меньше кода).

NoYap оказался ниже базовой линии на всех пяти моделях. (Обратите внимание: эти замеры делались отдельно от первой таблицы, поэтому не сравнивайте их по столбцам — это разные эксперименты.)

Как это выглядит

Задача про миграцию: миграция удаляет устаревшую колонку, код изменён, тесты не запускались, старые клиенты API v1 всё ещё читают эту колонку.

Обычный агент — 158 токенов:

Миграция неполная и сломает клиентов API v1.

Проблемы:

1. Тесты не запущены — мы не проверили, что изменения работают.
2. Совместимость с API v1 — клиенты всё ещё читают колонку status, которую вы удалили; они будут получать null или ошибки.

Что делать:

• Если это контролируемое устаревание: добавьте окно депрекации, оставьте колонку заполненной на один релиз, сообщите клиентам.
• Если API v1 должен оставаться совместимым: верните колонку или добавьте прослойку совместимости.
• В любом случае: сначала запустите тесты.

Какой подход подходит под ваш график?

NoYap — 35 токенов:

Миграция удаляет устаревшую колонку status. Код обновлён, не выполнен.

Риск: клиенты API v1 всё ещё читают status, они сломаются до обновления.

Те же факты. Указано, что произошло, отмечен единственный реальный риск с механизмом (кто ломается и почему), и признано, что тесты не запущены. Никаких двух вариантов решения, о которых не просили.

Попробуйте

Раннер, сырые результаты и сам инструмент — на GitHub: https://github.com/pedrosantospt/noyap

В Claude Code это две команды: