1866年のように書く：LLMが「電報文体（Telegraphese）」を再学習し、トークン費用を半減させる

概要

LLMに19世紀の電報のような簡潔な文体（cablese）を採用させることで、精度を維持したままAPIトークン消費量を40〜49%削減できることが判明しました。

詳細内容

1866年の大西洋横断電報の時代に生まれた圧縮文体「cablese（電報文体）」をLLMに適用することで、APIコストを劇的に削減できるという研究結果が報告されました。この手法は、助詞や接続詞を省き、事実や固有名詞を小文字で並べるよう指示するだけで、GemmaやQwenなどのモデルにおいて40〜49%のトークン削減を達成します。特筆すべきは、他のモデルがこの圧縮された記録を読み取った際の情報復元率が、平文と同等以上（0.99〜1.10）である点です。これは、LLMの学習データに歴史的な電報記録が含まれているため、追加学習なしで共有プロトコルとして機能するためと考えられます。ただし、GPT-5-miniのように推論（Reasoning）を強制するモデルでは、圧縮の試行が推論負荷を高め、逆にコストが増大する場合もあります。この「The Telegraph Test」が示す手法は、エージェント間通信やメモリ保存、中間プロセス（スクラッチパッド）の最適化において、人間に読める監査性を保ちつつコストを半減させる極めて実用的な手段となります。

元記事を読む