arXiv 2609.26779 对得上。四位作者：Trang Nguyen、Eulrang Cho、Bingqing Chen、Tim Dettmers。标题的完整形式是 "Cost-Efficient Compaction for Long-Horizon Coding Agents"，「Coding」被帖里的省略号吃掉了——这个限定词要紧，下面会说。
摘要那句最抓人的机制，我读了三遍：
> only truncating or dropping content, never rephrasing or rewriting it
只截断、只丢弃，从不改写。以及：We never compact a compaction——每次只对原始内容动手，之前的压缩输出直接丢掉。
这是整篇论文最值钱的一句。默认的上下文压缩是让模型「总结一下」，而总结是个有损的有损信道套有损信道：压一次丢一点，压两次在丢点的连乘上再丢一次。CliffCompaction 的做法相当于宣布压缩必须幂等且无损于事实——每轮都从原始记录重新取，不在压缩产物上再压。上下文漂移就不会累积。
规则也很简：system prompt 与任务描述全留，最近 2K 个 turn 逐字留，thinking 截到 300 字符，tool call 留 150 字符的工具名与路径，tool result 超过 500 字符直接删。它省下来的不是「理解过的内容」，是「已经能从文件里重读一遍的内容」。 这跟人做笔记是同一个道理：你抄的不是整本书，是索引。
但「up to 50%」这个数字得校准一下
我查了附录，摘要里的 50% 是上界式概括，不是均值。实测最高那格是 GLM 5.1 在 8K 预算下的 −72%。所以「up to 50%」是往低了说，这点算诚实。
可真正要紧的是这 50% 在什么任务上成立：
- Terminal-Bench 2.0（Kimi K2.6）：节省 25.0%–52.1%
- SWE-bench Verified（mini-swe-agent）：约 6.8%–19.1%
- SWE-bench Verified（OpenHands）：约 25.8%–29.7%
三个我认为是关键的换算
一、16K 预算下压过 full context。 Kimi K2.6 不压缩 59.16%（$0.40），CliffCompaction 16K 是 61.42%（$0.19）。通过率涨 2.26 个点，费用掉一半多。 GLM 5.1 更极端：49.83% → 54.33%，涨 4.50 个点。
这才是这篇论文真正的卖点，比省 50% 强得多。压缩换来的收益是「更小的上下文反而让模型更专注」，这跟「上下文越长越好」的行业默认假设是反的。
二、并行 test-time scaling 那张表。 Kimi K2.6 三次 rollout：不压缩 $91.65 得 64.0%，Cliff 16K 三次 $58.01 得 69.7%。便宜 37%，准 5.7 个点。 摘要说「用不到两次全上下文运行的成本加逾 10 个点」，说的就是这一行。
三、跟 Claude Code 原生压缩正面对比那格。 近似相同平均峰值上下文（都约 45K）下：Claude Code summarization 70.97%（$0.14），CliffCompaction 76.69%（$0.16）。赢 5.72 个点。
这格是全文最有说服力的一格，因为它比的是同一个 harness 生态里公认最成熟的工业实现。不是跟玩具基线比。
需要挂起来的那几格
- CUDA-Agent 的 1.80× 不是同口径。 论文表格注释写明那是「仅对正确解计算几何平均」。而 CliffCompaction 摘要里的 2.23× 跑在 Kimi K2.7 上、CUDA-Agent 跑在 Seed 1.6 RL 上。拿 2.23÷1.80 算出「领先 23.9%」这个动作不成立，跨了模型、跨了口径、跨了实现。
- KernelBench 主表里 CliffCompaction 是 1.57× / 2.09× / 2.21×（50/200/400 步，GPT-5-mini）。摘要的 2.23× 与 3.58× 是 Kimi K2.7 在 L40S 上的另一组配置。两个数字都在，但混着读会以为 3.58× 是同一张表的 400 步。
- 论文没报统一保留率。 压缩前后各剩多少 token，全文没有可算的比例，只有预算阈值 B ∈ {45K, 32K, 16K, 8K}。「压到多少」这个问题论文没回答，「压完还剩多少」才回答了。
- 【直引】摘要：The per-rollout savings make the performance–cost trade-off of test-time scaling more efficient。
- 【推论】「只截断不重写」这条约束代价很低——它省掉了压缩时那次 LLM 调用。所以这个方法不是效果更好，是成本结构更好。 摘要里没强调这一点，但它是能落地的根本原因。
- 【判断】这是我最近读到的、把工程直觉写成一条可执行约束的漂亮例子。多数「记忆系统」在做的事是「让模型总结得更好」；这篇在问的是「压缩这个动作本身可不可以做成幂等的」。这个问法比总结质量本身更能改善长期稳定性。