Video wird geladen...
Video konnte nicht geladen werden
Netflixのエンジニアが、AIのトークンを最大95%カットするOSSを公開した。 しかも精度は落ちない。元に戻せる「可逆圧縮」だから。 ClaudeやCursorを使っていると、地味にきついのがトークン消費。 長いログ、RAGで取得したテキスト、複数ファイルの読み込み。 AIに渡すたびにトークンが溶けていく。 その問題を、AIに渡す前に解決するのが「Headroom」。 AIエージェントが読み込むあらゆるデータ(ツール出力、ログ、取得テキスト、ファイル内容)を、AIに届く前に整理する。同じ意味のまま、ずっと少ないトークンで渡せるようになる。 実測値がこれ。 → トークン削減: 60〜95% → 圧縮アルゴリズム: 6種類(コード専用・ログ専用・汎用など用途別) → 精度: 可逆圧縮のため元に戻せる(情報の欠落なし) → 対応ツール: Claude Code、Codex、Cursor、Aider、Copilot CLI これまでトークンを削るために要約したり、プロンプトを削ったりしていたところを、 Headroomが自動で圧縮してくれる形に変わる。 特に長期エージェント実行や、大きなコードベースに向き合う作業では体感が変わるはず。 導入もシンプル。 ライブラリ、プロキシ、MCPサーバーの3通りで導入できる。 ・100%ローカル動作(データを外に出さない) ・Apache 2.0ライセンス(商用利用も可) ・クラウド依存なし GitHubで34,000スター超えなのも納得。 詳しくは下に置きます。
145,629 Aufrufe • vor 3 Monaten •via X (Twitter)
16 Kommentare

少し補足すると、Headroomが「可逆圧縮」と言っているのがポイント。 よくある要約系のツールは情報を削って小さくするが、Headroomは処理前の状態に戻せる設計になっている。 つまり、AIが必要なときは元の情報にアクセスできる、という構造。 6つのアルゴリズムが用途に応じて使い分けられていて、 コード用、ログ用、汎用テキスト用と、対象ごとに最適な処理が走る。 AIへの入力を「小さくする」のではなく、「渡す前に最適化する層を追加する」という発想。

GitHubはこちら👇

この投稿が参考になったら、 @so_ainsight をフォロー。 いいね、リポストもよろしく。

昔、ファイルのデータ容量を気にして、画像をJPEGに変換していたように、これからは、AIのトークンを圧縮する時代なのね!

長いログや資料を短くして渡せるなら、長文を扱う場面ほど相性がよさそうです。こういう用途には助かりますね。

长日志党看到这类工具真的会松口气

This token efficiency is remarkable—exactly what AI agents need. For managing multiple personas like the 16 in SOUL.md, precision and reduced overhead are key. Great innovation.

要約して削るのではなく、必要なら元に戻せる形で圧縮するのが強い。AI活用ってプロンプトの工夫に目が行きがちだけど、実務では「何を、どの粒度で、いつ渡すか」の設計の方が差になりやすい。

トークン、AIが読み書きする量のことだから、そこを減らせたらそのままコストが浮くって話ですよね。毎日AIに仕事させてると、長い記録を読ませる時が一番減りが早いの実感してます

トークン食うログ処理に効きそう。俺の懸賞スクリプトも試してみるわ

これがホントなら凄すぎる...

Reversible compression with no accuracy drop is the detail that makes headroom actually trustworthy to use

Netflixのエンジニアが公開したAIのトークン圧縮技術、注目だな。 自分もClaudeを使う中で、特に長いテキストやRAGのデータを扱うときに、トークン消費がやばいと感じてた。 我が家では月に3000円のプランを使ってるが、トークン管理は大事だと実感してる。 このOSSの登場で、コストダウンと効率化が進むのかも。もしかしたら可逆圧縮が一番コスパ良い選択肢になるかもしれないな。

可逆压缩这点挺关键,长日志有救了

これ俺も注目しています!可逆圧縮の技術が進めば、さらに多くの可能性が広がりますよね!!

可逆圧縮で精度を維持できるのは正気じゃないレベルで衝撃的ですね。自分もCursorでコンテキストを詰め込みすぎてトークンを溶かすことが日常茶飯事なので、この手の最適化は実装コストを下げつつ開発効率を上げる必須スキルになると感じます。
