研究：让 LLM 用 1866 年电报体压缩输出，token 省 40% 以上
一项可复现实验（50 篇文本、约 1300 道题）显示，让模型用 19 世纪电报文体（cablese）输出，可节省 40.4%–48.9% 的 token，且下游模型读取压缩记录的准确率不低于原文（恢复比 0.99–1.10）。GLM-5.3-Flash 自身节省 48.4%，qwen3.8-27b 省 48.9%，gemma-4-31b 省 40.4%。但 gpt-5-mini 例外：它无法关闭推理，压缩反而让它思考更多，写入成本约为普通文本的两倍，仅省 17.7%。若不加小写指令，模型会用全大写电报体，风格开销…
推荐理由想省 token 成本可直接照搬：加小写指令让模型输出电报体，多数模型省 40% 以上且不影响下游读取。