9 contenus
Un proxy local (RTK) affiche 4,4 M de tokens « économisés » (45,3 %) sur 9 892 commandes cumulées (scope global). Ce chiffre se lit comme une facture réduite ; c'est une lecture incomplète. Cette « économie » n'existe que parce qu'un harnais (hooks, gates, routing) la produit et la maintient. Une part assumée de mon budget IA doit financer cet entretien, pas seulement des tokens de génération en plus.
Un compteur intégré à l'outil ne peut pas mesurer l'économie de l'outil : il ne voit ni le contrefactuel, ni le cache, ni les retries. Mesuré contre ma facture, le gain réel de quatre outils de compression tombe entre 0 et 15 %, pendant que le cache read, lui, pèse 97 % des tokens et relit chaque token ~36 fois.
À l'été 2026, les leaderboards LLM de référence ont gelé ou pivoté, et ce qui reste à jour est auto-rapporté par les constructeurs ou recopié par des agrégateurs non vérifiés. Un seul harnais indépendant tient encore — et il sature en haut de tableau. Résultat : la source de vérité qui reste, c'est ton propre codebase. Voici comment je tranche sans m'appuyer sur des chiffres que personne ne peut plus vérifier.
Sous un abonnement à budget plafonné comme opencode Go, choisir un modèle ne se fait pas au prix du token mais aux requêtes par 5 h, à la seule source qualité encore vivante (vals.ai) et à la fiabilité du tool-calling — le critère décisif qu'aucun benchmark ne mesure. Le résultat : un modèle par preset, un frontier délégué hors de l'agent, et des outils contraints plutôt qu'instruits.
Router les tâches mécaniques sur des modèles budget ou gratuits (MiniMax 2.5 via Kilo Gateway, Gemini Flash), réserver les modèles premium pour le raisonnement. Résultat : les tâches mécaniques (~65% du volume) ne coûtent plus rien, sans dégradation perçue.
Sur les tâches mécaniques et répétitives en PHP/TypeScript, les modèles budget (MiniMax 2.5 via Kilo Gateway, Gemini Flash) produisent des résultats indistinguables de Claude Sonnet. Sur les tâches de raisonnement complexe, Claude garde une avance réelle. La conclusion n'est pas "utilise le moins cher" — c'est "utilise le bon modèle pour chaque type de tâche".