Ang coding agents ay gumagana gamit ang lumalaking session history, paulit-ulit na output ng tool, at mga token bill na tumataas batay sa haba ng loop kaysa sa kalidad ng model. Dito nagkakaroon ng pagkakaiba ang paglunsad na ito. Si @somasubnet ay isinama ang context compression sa loob ng GitHub Copilot, nagsisimula sa DeepSeek V4 Pro na may ~10% na savings sa token. Ang layer na ito ay kumokompres ng mga file, tool traces, at stale state bago ito makarating sa model, at pinapahintulutan ang parehong Copilot agent na patuloy na magtrabaho. Ang paulit-ulit na context ay naging isang gastos na maaaring tanggalin. Ang inference spend ay nagbabago mula sa pagbabayad para sa buong session nang dalawang beses, patungo sa pagbabayad lamang para sa kailangan ng task. Kung ito ay magsasakatuparan, ang mga coding team ay magiging operator ng mas mura mong agent loops, kung saan ang performance ay nanggagaling sa kung gaano ka kaunti ang nasayang na context na ipinapadala—hindi lamang kung anong model ang pinipili.