JetBrains mide Caveman en Claude Code: menos tokens, pero no el 65% que promete el meme
JetBrains publicó el 6 de julio de 2026 una prueba A/B de Caveman sobre Claude Code y SkillsBench. El hallazgo útil para builders: la brevedad sí baja tokens de salida, pero el ahorro real de una sesión depende de input, razonamiento, tools y código generado.
Por qué importa
Esta nota se enfoca en la decisión práctica para builders: qué cambia, qué riesgo agrega y cómo aplicarlo sin romper operación.
JetBrains publicó el 6 de julio de 2026 una prueba incómoda para una de las técnicas más virales de Claude Code: hablarle al agente en modo Caveman para que responda con menos palabras. La promesa pública del proyecto Caveman es llamativa: reducir alrededor de 65% de tokens de salida sin perder precisión técnica. La medición de JetBrains, ejecutada sobre Claude Code y SkillsBench, aterriza el número: en tareas agentic reales, el ahorro medido fue mucho más modesto, cerca de 8.5% en tokens de salida.
La historia no es que Caveman “no sirva”. La historia es que muchos equipos están optimizando la parte visible de la conversación mientras el gasto grande vive en otro lado: contexto de entrada, razonamiento, tools, archivos, logs y código generado.
Qué probó JetBrains
JetBrains tomó la idea de Caveman y la evaluó como un cambio de estilo sobre tareas de coding agent. Eso importa porque no es lo mismo comparar dos respuestas cortas de chat que medir una sesión donde el agente lee archivos, planea, edita, ejecuta tests y reporta.
Caveman sí tiene una tesis razonable: quitar relleno, hedging y cortesía repetitiva reduce tokens de salida. El propio repositorio documenta que el proyecto busca comprimir lo que el agente dice, mantener comandos y errores intactos, y funcionar como skill o plugin en varios agentes.
Pero JetBrains separa el claim visible del impacto operativo. Si una tarea gasta miles o millones de tokens en contexto, herramientas y razonamiento, bajar la verbosidad del resumen final no cambia toda la factura. Puede mejorar velocidad de lectura y densidad, pero no reemplaza caching, contexto curado, modelos baratos para subtareas o límites por corrida.
La métrica que sí debes mirar
Para un builder en Latinoamérica, el punto práctico es decidir cuándo una técnica de brevedad ayuda de verdad. Yo mediría cuatro columnas antes de instalarla como política global:
- tokens de entrada por turno;
- tokens de salida visibles;
- tokens de razonamiento o ejecución cuando el proveedor los expone;
- costo por tarea completada, no por mensaje.
El paper How Do AI Agents Spend Your Money?, publicado en abril de 2026, refuerza esa lectura: las tareas agentic pueden consumir órdenes de magnitud más tokens que el chat de código normal, con alta variabilidad entre corridas, y más gasto no siempre implica más precisión. Eso vuelve peligroso optimizar solo el estilo de respuesta.
Cuándo usar Caveman sin engañarte
Sí lo probaría en flujos con mucha conversación: revisiones de PR, reportes de estado, comentarios de diff, summaries, handoffs entre agentes y sesiones donde el humano lee muchas salidas. Ahí una respuesta más corta reduce fricción real.
No lo vendería como control principal de presupuesto. Si tu agente está quemando tokens porque carga todo el repo, repite logs, llama tools sin filtros o no sabe cuándo detenerse, Caveman solo hará que describa el problema con menos palabras.
La forma sana de adoptarlo es como experimento:
- Corre diez tareas representativas con y sin brevedad.
- Mide costo total, tiempo, aceptación de cambios y retrabajo humano.
- Actívalo solo donde la salida humana sea el cuello de botella.
- Mantén excepciones para errores, comandos, cambios críticos y explicaciones de riesgo.
Intención de búsqueda
Las consultas probables son Caveman Claude Code, reducir tokens Claude Code, SkillsBench Caveman, Claude Code token savings y AI coding agent token cost. No hay SEO tooling conectado en esta corrida; la demanda se infiere por el artículo de JetBrains, el repositorio activo de Caveman, videos y discusión comunitaria sobre límites de uso.
Agente IA puede competir porque el contenido en español suele repetir el porcentaje viral. El ángulo útil es más sobrio: Caveman comprime la boca del agente, no todo su metabolismo.
Si estás diseñando tu primer stack, empieza por el curso gratis y mide desde el día uno. La conclusión práctica es simple: brevedad ayuda, pero el ahorro serio viene de contexto mínimo, tools bien elegidas, evals y presupuesto por tarea.