结论
卡内基梅隆大学团队公开的预印本 CliffCompaction 提出一种面向长程编码智能体的低成本上下文压缩方法，核心是只截断或丢弃、不改写重述，并且每次压缩都丢弃上次压缩结果，只从最近窗口原文重新构造。作者报告在 Terminal-Bench 2.0 上保持或提升成功率的同时总成本最高降低50%，在 KernelBench 持续学习上达到3.58倍加速。以下数字均为作者自报，尚未经过同行评审与独立复现，不应视为普遍或已确立的事实。
研究状态与对象
该工作状态为预印本，arXiv 提交历史为 UTC 2026年9月22日17时55分59秒，对应 Asia/Shanghai 2026年9月23日1时55分59秒，属于当日窗口内首次公开。责任主体为 Carnegie Mellon University，研究对象是长程编码智能体在数百万 token 上下文下的容量与成本问题，特别是工具调用与工具结果占主导的上下文膨胀、前缀缓存失效，以及测试时扩展和持续学习中的成本收益权衡。验证基座包括 Kimi K2.6、GLM-5.1 等模型与 OpenHands 等脚手架，未声称覆盖全部智能体形态。
方法与评估条件
CliffCompaction 为免训练、模型无关的规则式方法。上下文自然增长至预设阈值才触发压缩，压缩时主要处理工具相关内容：超过500字符的工具结果直接丢弃并保留短结果，工具调用压缩为保留工具名、目标文件与关键参数的签名，智能体思考截断至300字符，系统提示与任务描述完整保留。关键设计是高压缩精度优先于完整召回：从不压缩压缩结果，每次丢弃历史压缩块，只用压缩后新增轮次的原文构造新块，需要历史信息时可通过保留签名重新调用工具恢复。评估条件为 Terminal-Bench 2.0、SWE-bench Verified 与 KernelBench Level 3，SWE-bench 上下文阈值仅16K与32K，成本按未缓存输入、缓存读取与输出区分核算，缓存读取虽单价最低但在长会话中占比最高。
数据范围与主要结果
作者报告的范围限于上述三项基准与受控配置：一、在 Terminal-Bench 2.0 上实现更高成功率且总成本降低50%，缓存读取成本最高降低90%；二、在 SWE-bench Verified 上以32K阈值保持 GLM-5.1 全上下文成功率，以16K阈值保持 Kimi K2.6 全上下文成功率；三、测试时扩展更经济，三次压缩的 Kimi K2.6 rollout 以约1.9倍单次未压缩成本提升10.5个百分点，并行扩展下追平 Opus 4.7、超越 Opus 4.6 与 GPT-5.3 Codex 且成本更低；四、在 KernelBench Level 3 的50题持续学习中，200步达到2.23倍、400步达到3.58倍 CUDA 加速，作者称在同等评测设置下超越专用搜索算法与训练智能体约25%。作者同时开源了与 Claude Code、Codex 等兼容的脚手架无关 API 代理实现，以上均为论文摘要与正文自报结果。
局限与待验证事项
第一，该工作为预印本，未经同行评审，需独立复现才能确认。第二，结果强依赖基准、模型、脚手架、阈值与成本口径，未验证开放域对话、多轮协作或长上下文问答等迁移能力。第三，方法主动牺牲完整历史召回，两次压缩间隔之外的直接信息不再可检索，依赖按需重调工具恢复，对无法重演的外部状态可能不适用。第四，每次压缩仍会使前缀缓存失效并触发重填，开销大小取决于压缩后体积与触发频率，不同厂商缓存定价与硬件下的实际节省需要求结合自身负载复测。第五，与 Opus、GPT 等前沿模型的对比为特定基准与特定花费口径下的作者结论，不构成通用能力排名。
潜在意义
编辑解释：如果后续独立复现成立，该思路的意义在于把保真度放在召回之前，用可丢弃、可重取的截断策略换取更少的重填与更长的缓存复用，使多次 rollout 的测试时扩展和超百万 token 的持续改进在成本上可行。这对需要跑长程终端任务与内核优化的工程团队有直接参考价值。但在当前证据下，读者应将其视为特定基准与特定配置上的作者结论，而非机构宣传或行业普遍结论，选型前需在自身模型、任务与计费条件下验证精度与成本。