Outil d'IA

Paritok Review

Paritok est une passerelle de compression non destructive pour les agents de codage IA qui réduit les coûts de tokens d'entrée et prolonge la durée des sessions sans altérer la fonctionnalité de l'agent.

shipped 10 août 2026agentspaid

agents

Pourquoi c'est important

1Réduit les coûts de tokens d'entrée de 25 % dès le premier tour et de plus de 85 % dans les sessions saturées de contexte.

2Permet environ 3 fois plus de tours dans la même fenêtre de contexte pour les agents de codage IA.

3Utilise un modèle de compression 4B natif au code et un filtre d'outils basé sur l'intégration (BAAI/bge-small-en-v1.5, ~130 Mo).

4Prend en charge l'intégration avec Claude, Code Cursor, Codex, OpenHands et tout système amont compatible OpenAI via une variable d'environnement.

Spécifications

Documentation API

Voir la documentation →

API disponible

Oui, API publique

overview

Qu'est-ce que Paritok ?

Paritok est un outil de passerelle de compression non destructive développé par Paritok qui permet aux développeurs et aux équipes utilisant des agents de codage IA de réduire les coûts de tokens d'entrée et de prolonger la durée des sessions. Il agit comme une couche intermédiaire, optimisant les requêtes avant qu'elles n'atteignent l'API du Large Language Model (LLM), permettant ainsi des sessions de codage significativement plus longues et plus complexes dans la même fenêtre de contexte.

Paritok réalise sa fonction principale grâce à trois mécanismes : le filtrage de schémas d'outils, la compression de contenu et la résumé de l'historique. Le filtrage de schémas d'outils, implémenté dans la v1.2.0 (19 juillet 2026), filtre sémantiquement les schémas d'outils, réduisant un bloc d'outils typique d'environ 29 000 tokens à 8 000 tokens par tour. La compression de contenu, utilisant le modèle 4B open-source de Paritok, natif au code (publié le 14 juillet 2026), réduit les lectures de fichiers, la sortie d'outils et l'historique des messages à environ 26 % de leur taille originale. Pour les sessions longues et multi-tours, Paritok résume l'historique obsolète pour éviter le débordement de la fenêtre de contexte. La passerelle Paritok v1.0.0 a été publiée en open-source le 15 juillet 2026, sous la licence Apache-2.0.

features

Fonctionnalités clés de Paritok

Paritok offre une suite de fonctionnalités conçues pour optimiser les interactions des agents de codage IA avec les LLM, en se concentrant sur l'efficacité des tokens et la longévité des sessions. Sa fonctionnalité principale repose sur la compression non destructive et la gestion intelligente du contexte.

Compression non destructive des schémas d'outils, des lectures de fichiers, des sorties d'outils et de l'historique des conversations.
Compression à la volée pour les agents de codage IA, agissant comme une passerelle transparente.
Intégration simple via une variable d'environnement (par exemple, ANTHROPIC_BASE_URL) pour une compatibilité avec diverses API LLM.
Filtrage sémantique des schémas d'outils, conservant les outils pertinents dans leur schéma complet et 'tronquant' les autres, réduisant l'utilisation de tokens d'environ 29 000 à environ 8 000 tokens par tour.
Compression de contenu des lectures de fichiers et des sorties d'outils à environ 26 % de leur taille originale, préservant les informations critiques comme les signatures de fonctions et les chaînes d'erreur.
Résumé de l'historique obsolète pour gérer la capacité de la fenêtre de contexte dans les sessions longues et multi-tours.
Prise en charge des principaux agents de codage, y compris Claude, Code Cursor, Codex, OpenHands et tout système amont compatible OpenAI.
Capacité à récupérer le contenu original en utilisant read_original(ref) pour une récupération exacte des octets.
Utilise un petit modèle d'intégration ouvert (BAAI/bge-small-en-v1.5, ~130 Mo) pour le filtrage d'outils basé sur le CPU local.

use cases

Qui devrait utiliser Paritok ?

Paritok est principalement conçu pour les développeurs et les équipes qui utilisent des agents de codage IA et cherchent à optimiser leurs coûts opérationnels et l'efficacité de leurs sessions. Ses avantages sont les plus prononcés dans des scénarios spécifiques impliquant une interaction étendue avec les agents IA.

Les développeurs utilisant des agents de codage IA qui visent à réduire les coûts de tokens d'entrée pour les LLM comme Claude Sonnet (3 $/M tokens), Opus (5 $/M tokens) ou GPT-5 (10 $/M tokens).
Les équipes et les individus nécessitant des sessions d'agents IA plus longues et multi-tours, en particulier lorsque la capacité de la fenêtre de contexte est un facteur limitant.
Les utilisateurs d'agents IA avec un grand nombre d'outils (par exemple, plus de 40 outils), où le filtrage des schémas d'outils permet des économies de tokens significatives.
Les professionnels engagés dans des tâches à forte lecture ou mixtes telles que l'audit, les questions-réponses ou le débogage de grandes bases de code avec des agents IA.
Les organisations cherchant à optimiser les performances et l'efficacité des agents IA sans altérer la fonctionnalité principale de l'agent.

how to use

Comment utiliser Paritok

Paritok s'intègre comme un proxy "drop-in" pour les agents de codage existants, nécessitant une configuration minimale. La méthode principale d'intégration implique la configuration d'une variable d'environnement pour diriger les appels API via la passerelle Paritok.

1Téléchargez et installez la passerelle Paritok et le modèle 4B open-source (disponible sur Hugging Face Hub sous le nom Paritok-4B-v1).
2Configurez le point d'accès API de votre agent de codage IA pour qu'il pointe vers la passerelle Paritok en définissant une variable d'environnement, telle que ANTHROPIC_BASE_URL.
3Assurez-vous que la passerelle auto-hébergée est en cours d'exécution, respectant l'exigence de mémoire d'environ 2,5 Go à Q4 pour le modèle 4B (compatible avec toute carte GPU de 8 Go) et utilisant le CPU pour le filtre d'outils.
4Pour le service GPU hébergé, dirigez les appels API de votre agent vers le point d'accès Paritok géré.
5Surveillez l'utilisation des tokens et les améliorations de la durée des sessions via le tableau de bord Paritok (pour le service hébergé) ou en observant la facturation de l'API LLM.
6Utilisez l'appel API read_original(ref) si le contenu complet et non compressé est requis par l'agent à tout moment.

pricing

Tarifs et plans Paritok

Paritok propose un double modèle de tarification, offrant à la fois une option auto-hébergée gratuite et un service hébergé basé sur l'utilisation. L'option auto-hébergée permet aux utilisateurs d'exécuter la passerelle et le modèle 4B localement, tandis que le service GPU hébergé fournit un point d'accès géré.

Auto-hébergement : Gratuit. Comprend la passerelle open-source et le modèle 4B (licence Apache-2.0), nécessitant environ 2,5 Go à Q4 (toute carte GPU de 8 Go) et un CPU pour le filtre d'outils. Le support est disponible via GitHub et Discord.
GPU hébergé : 0,30 $ par million de tokens (gratuit jusqu'à fin août). Ce point d'accès géré et toujours actif élimine le besoin pour les utilisateurs d'acquérir ou de louer des GPU, offrant des performances environ 5 fois plus rapides qu'une RTX 4060. Il comprend un tableau de bord d'utilisation et un support via GitHub et Discord, sans carte de crédit requise pour l'accès initial.

Pros

+Achieves significant input token savings, from 25% on the first turn to over 85% in context-saturated sessions.
+Extends the effective context window, allowing up to three times more turns within the same LLM context.
+Employs non-destructive compression, ensuring that original data can always be recalled and nothing is permanently lost.
+Offers flexible deployment options, including a free, open-source self-hosting solution and a managed hosted GPU service.
+Integrates easily with existing AI agent setups via a single environment variable, supporting various OpenAI-compatible upstreams.
+Features an embedding-based tool filter that substantially reduces tool block tokens, improving efficiency for agents with many tools.

Cons

−Requires an additional layer (gateway) in the AI agent's communication flow, potentially introducing minimal latency.
−The hosted GPU service, while offering performance benefits, incurs a usage-based cost after the initial free period.
−Self-hosting requires managing the gateway and the 4B model, including hardware resources (e.g., an 8GB GPU card).
−Primarily focused on AI coding agents, which may limit its applicability for other types of LLM interactions or agent frameworks.
−The compression model (Paritok-4B-v1) is a specialized 4B model, which might have specific performance characteristics compared to larger, general-purpose LLMs.

Outils similaires

Paritok vs Concurrents

Paritok se distingue dans le paysage de l'optimisation des tokens IA par son approche de passerelle "drop-in" non destructive, spécifiquement adaptée aux agents de codage IA. Alors que d'autres outils offrent une compression, la solution intégrée de Paritok pour les outils, les fichiers et l'historique, combinée à sa conception architecturale, offre une proposition de valeur distincte.

Headroom↗

Compresses various AI agent inputs like tool outputs, logs, RAG chunks, files, and conversation history before they reach the LLM.

Offers similar on-the-fly compression to Paritok but is open-source and can be integrated as a library or proxy, providing more control over the deployment environment.

LLMLingua↗

A prompt compression library that achieves significant compression ratios and speedups for LLM inputs.

Provides a programmatic library for prompt compression, offering a more direct, code-level integration compared to Paritok's potentially more integrated 'drop-in' approach, but requires more manual implementation.

OptScale AI↗

Compresses LLM inputs, trims system-prompt overhead, aligns prompt caches, and routes requests to optimize cost via a gateway.

Similar to Paritok in offering a compression engine and cost optimization, but also includes features like model routing and cache alignment, potentially providing a broader suite of cost-saving features.

Mem0On Stork

Provides persistent memory for LLM agents, storing durable facts and retrieving only relevant context to reduce repeated token usage across sessions.

Unlike Paritok's direct compression, Mem0 reduces token usage by intelligently managing and retrieving relevant context from external memory, which is a different mechanism to achieve cost savings for agents.

Plus sur Stork

Outils IA connexes

Autres outils de cette catégorie, rapprochés par tags communs

PrismCortex prism.rkitect.ai: Real-time SketchUp Renders Pintasly bitpull.ai by NEOB Technology Qurifix

Visiter Paritok↗