出来事の日付：2026年10月7日

独立した実験は、かつて料金の高かった電報で使われた簡潔な文体で、完成済みの情報を書き直すよう指示すると、言語モデルの従量課金対象となる出力を大幅に減らせる可能性を示している。「Telegraph Test」プロジェクトは、試した複数のシステムで約40％から49％の削減を報告した。その一方で、別のモデルは、短縮された記録から普通の文章とほぼ同じ割合で情報を取り出すことができた。

Cableseまたはtelegrapheseと呼ばれるこの手法は、冠詞や冗長な語句を除き、略語を使いながら、事実、数値、固有名詞を残す。あらかじめ定めた単語でフレーズ全体を置き換えるコードブックとは異なる。報告されたテストでは、コードブック式の置換による削減は約10％だったのに対し、モデルに簡潔な電報文体を使わせると、提供事業者自身のトークン計測で、はるかに大きな削減が得られた。すべて大文字にするとトークン使用量が増えたため、小文字で出力することも重要だった。

プロジェクトの説明によると、このベンチマークには50の文章と約1,300の質問が使われた。異なる系列のモデルを組み合わせたテストでは、あるモデルが圧縮した記録を別のモデルに渡し、それに基づいて質問に答えさせた。通常のテキストに基づく回答と比べた情報復元の比率は、0.99から1.10の範囲だったと報告されている。これは、その比較表の中で試した比較のいずれも、非圧縮版が有利という結果にはならなかったことを意味する。筆者は結果を再現できるよう、実験用ハーネス、変更を固定した記録台帳、ノートブックを公開している。

ワークフローのどこに組み込むかが重要だった。実験では、モデルに電報文体で直接推論し、文章を作るよう指示すると、結果が悪化した。まず通常の形式で内容を確定させ、それを別の機械が読むための記録に圧縮すると、性能が改善した。そのため、想定される用途はエージェントの記憶、作業用の記録、システム間の引き継ぎであり、利用者向けの文章作成や通常の推論の代替ではない。

また、試したモデルの少なくとも一つでは、費用面でこの手法はうまくいかなかった。報告によると、GPT-5 miniは推論を無効にできず、圧縮版の生成にかなり多くの処理を費やしたため、目に見える文章は短くなっても、課金対象の出力は増えた。この結果は、表示される語数が少なければ必ず料金も下がると考えるのではなく、提供事業者による請求総額を測る必要性を浮き彫りにする。

重要な限界もある。これは独立して公開されたベンチマークであって、査読済みの知見ではない。また筆者によれば、「できる限り簡潔に書く」といった一般的な指示を用いた厳密な対照実験は行っていない。その比較があれば、歴史的な電報という枠組みが、通常の簡潔さを求める指示以上の効果を持つのかを判断しやすくなる。結果は、提供事業者、モデルのバージョン、言語、素材の種類によっても変わる可能性がある。

開発者にとって、実務上の示唆は限定的だが検証可能だ。情報を確定した後であれば、挙動を制御できるモデルを使って、検索・取得の精度を実質的に落とすことなく、費用の低い機械可読の記録を作れるかもしれない。本番環境で利用する場合は、実際に使うモデルで、内容の理解度とトークン料金全体の両方を検証すべきである。