Agen pemrograman beroperasi dengan riwayat sesi yang terus bertambah, output alat yang berulang, dan biaya token yang meningkat seiring panjang loop, bukan kualitas model. Inilah mengapa peluncuran ini menonjol. @somasubnet baru saja memasukkan kompresi konteks ke dalam GitHub Copilot, dimulai dengan DeepSeek V4 Pro dengan penghematan token sekitar 10%. Lapisan ini mengompres file, jejak alat, dan keadaan usang sebelum mencapai model, lalu memungkinkan agen Copilot yang sama terus bekerja. Konteks berulang menjadi biaya yang bisa dipotong. Pengeluaran inferensi berpindah dari membayar sesi penuh dua kali menjadi membayar hanya apa yang masih dibutuhkan tugas. Jika ini dapat diskalakan, tim pemrograman akan berkembang menjadi operator loop agen yang lebih murah, di mana kinerja berasal dari seberapa sedikit konteks yang sia-sia mereka kirim—bukan hanya dari model mana yang mereka pilih.