Стоимость кода: как стиль пишется в токены
Работая с Claude, разработчик заметил странность: модель генерирует длинный код там, где платформа уже всё решила. Парсинг параметров руками, 140 токенов, встроенный URL API, 12. Обработка форм: ручной state для каждого поля, 200, 250 токенов, встроенный FormData, 14. Fetch с отменой через setTimeout, 90 токенов, встроенный AbortSignal.timeout(), 12. Таких примеров десяток: Promise.allSettled, встроенные
Ключевые факты
- Встроенные Web API (URLSearchParams, FormData, AbortSignal) экономят 85, 90% выходных токенов против ручных реализаций
- LLM генерирует устаревшие паттерны, потому что они доминируют в его training data (Node.js, Express, multer)
- Новые платформы (Deno, Cloudflare Workers) реализуют Web API нативно, но модель об этом не знает без явного указания
- Встроенные компоненты (
- Стейл-комментарии деградируют LLM-понимание; ценны только комментарии про intent и constraints
Почему это важно
Выходные токены Claude стоят в 3, 5 раз дороже входных. Если модель генерирует 400 токенов боilerplate вместо 60, это прямой удар по бюджету API и скорости. Плюс ручные реализации хрупче и менее безопасны, URLSearchParams защищает от prototype pollution, встроенный fetch не течёт таймеры.
Кому это важно
Разработчикам на Deno и Cloudflare Workers, которые платят за API Claude. Также всем, кто писал custom timeouts, query parsing, form handlers вместо встроенных API.
Как это применить
- Прочитай актуальную спеку встроенных API своей платформы. 2. Когда просишь у LLM код, явно скажи какую платформу используешь (Deno, Cloudflare Workers, browser). 3. Удаляй стейл-комментарии перед заливом в промпт. 4. Если видишь в output ручную реализацию давно решённой задачи, правь в промпт, укажи встроенный API.
Можно ли доверять
Цифры основаны на практической работе автора и его оценке длины кода, не на формальном исследовании. Но про комментарии и форматирование есть peer-reviewed работы (MITRE 2025, ACL 2024, Pan & Sun 2025). Сама суть, что встроенные API дешевле и безопаснее, не оспаривается.
Риски и подводные камни
Полагаться на оценки токенов на глаз опасно; используй actual API usage dashboard. Не все платформы одинаково богаты на встроенные API (Node.js хуже Deno). Переход на новые паттерны требует явной переподготовки LLM в каждом промпте, модель сама не переучится.