Uber ograniczył koszty agentów AI do programowania, nie odbierając ich inżynierom. Firma zmieniła cztery domyślne ustawienia narzędzi takich jak Claude Code: kompaktuje kontekst przy 400 tys. tokenów, ustawia średni poziom rozumowania, wydłuża cache głównego agenta do godziny i nie ładuje na starcie definicji narzędzi MCP. Według wpisu inżynierskiego Ubera z 27 sierpnia 2026 roku koszt jednej sesji spadł o 52 proc. od czerwcowego szczytu. Szczegóły przedstawił autor wpisu, inżynier Ubera Uday Kiran Medisetty, a 19 listopada opisał je VentureBeat.
Dlaczego Uber musiał zająć się kosztami agentów kodu
Problem pojawił się wiosną 2026 roku. Dyrektor technologiczny Ubera Praveen Neppalli Naga powiedział w kwietniu serwisowi The Information, że firma zużyła roczny budżet na AI w pierwszych miesiącach roku. Głównym źródłem kosztów były narzędzia do programowania, przede wszystkim Claude Code od Anthropic.
Uber nie zareagował zakazem ani dziennym limitem na pracownika, jak zrobiły to inne duże firmy. Zmienił ustawienia, z którymi agenci startują u każdego inżyniera. Wszystkie narzędzia instaluje i konfiguruje wewnętrzna nakładka, więc jedna zmiana obejmuje cały zespół. Na konferencji VentureBeat 28 października Medisetty, który ma w Uberze stanowisko distinguished engineer, mówił, że wydatki od kwietnia są płaskie, choć liczba zapytań do agentów wciąż rośnie.
Cztery ustawienia, które zmienił Uber
Każde z ustawień dotyczy innego źródła kosztów. Tokeny to jednostki tekstu, za które rozlicza się korzystanie z modeli, a długie sesje agenta przesyłają do modelu coraz więcej historii przy każdym kroku. Poniżej zestawienie zmian na podstawie wpisu Ubera i wystąpienia Medisetty'ego.
- Kompaktowanie kontekstu przy 400 tys. tokenów, także w modelach z oknem 1 mln tokenów. Kompaktowanie to automatyczne streszczenie dotychczasowej rozmowy, które zastępuje jej pełny zapis. Według Medisetty'ego powyżej 700-800 tys. tokenów rosną koszty przez nietrafienia w cache i dużą liczbę tokenów wejściowych w każdym zapytaniu.
- Średni poziom rozumowania jako domyślny. Medisetty twierdzi, że nowsze modele radzą sobie lepiej przy średnim poziomie niż przy wysokim, ale nie podał nazw modeli ani rodzajów zadań.
- Godzinny cache dla głównego agenta i pięciominutowy dla subagentów. Programiści często odchodzą od sesji na dłużej niż 5 minut, a po wygaśnięciu cache cała historia jest przesyłana ponownie po pełnej stawce. Subagenci, czyli pomocnicze agenty uruchamiane do krótkich zadań, zostali przy krótszym czasie.
- Brak definicji narzędzi MCP w kontekście na starcie. Przy ponad 100 zainstalowanych narzędziach same ich opisy zajmowały 50-70 tys. tokenów, wysyłanych w każdej turze. Uber udostępnia agentom ponad 1000 serwerów MCP przez jedną bramę jako polecenia wiersza poleceń albo przez wyszukiwanie narzędzi na żądanie.
Ile kosztuje cache i dlaczego godzina się opłaca
Uber przytacza stawki cache stosowane przez Anthropic. Odczyt z cache kosztuje 0,1 stawki za tokeny wejściowe, zapis z pięciominutowym czasem życia 1,25 stawki, a zapis godzinny 2 stawki. Godzinny cache jest droższy przy zapisie, ale gdy programista wraca do sesji po kwadransie, cała historia nadal jest tania w odczycie.
W naszej ocenie to ustawienie najłatwiej przenieść do mniejszej firmy. Nie zmienia ono jakości odpowiedzi modelu, a jedynie sposób rozliczania powtarzanego kontekstu. Opłaca się tam, gdzie programiści pracują z agentem z przerwami, czyli w większości zespołów.
Wyniki oszczędności i ich ograniczenia
Najważniejsze liczby pochodzą z sierpniowego wpisu Ubera i dotyczą okresu od lutego do lipca 2026 roku przy niezmienionym modelu. Koszt 1000 zapytań do modelu spadł o prawie 34 proc. od szczytu, a koszt jednej sesji o 52 proc. od czerwcowego szczytu. Uber nie podał kwot budżetu ani rzeczywistych wydatków w dolarach.
Firma nie rozbiła też oszczędności na poszczególne ustawienia. Medisetty powiedział jedynie, że testy różnych modeli obniżyły koszt jednego typu zadania, czyli usuwania nieużywanych flag funkcji w kodzie, o 90 proc. Wpis Ubera wskazuje kierowanie subagentów do tańszego modelu jako najskuteczniejszą dźwignię, ale bez liczb.
Uber dodał także widoczność kosztów. Licznik wydatków jest wyświetlany na pasku stanu narzędzia, a powiadomienia w Slacku przychodzą po przekroczeniu 50, 80 i 100 proc. oczekiwanych wydatków. Wewnętrzny panel wykrywa 16 typów nieefektywnych wzorców, np. użycie najdroższego modelu do prostych zadań.
Czego nie wiadomo
Dane o oszczędnościach podaje sam Uber i nie zostały one niezależnie sprawdzone. Twierdzenie, że średni poziom rozumowania daje lepsze wyniki niż wysoki, opiera się na wewnętrznych testach firmy, bez opublikowanej metodologii. Wyniki mogą być inne przy innych modelach i rodzajach kodu.
Uber zaznacza, że wpływ agentów na produktywność mierzy liczbą dokumentów projektowych, pull requestów i wdrożeń oraz wskaźnikami jakości, takimi jak liczba incydentów i wycofanych zmian. Według Medisetty'ego wyraźny trend w liczbie dostarczonych funkcji pojawił się dopiero niedawno, ale firma nie pokazała tych danych.
Co może zrobić polska firma korzystająca z agentów kodu
Przykład Ubera pokazuje, że koszt agentów kodu zależy w dużej mierze od ustawień domyślnych, a nie tylko od wyboru modelu. Firmy płacące za Claude Code, Codex czy Cursor według zużycia mogą sprawdzić podobne parametry bez rezygnacji z narzędzi. Zmiany najlepiej wprowadzać centralnie i porównywać grupy pracowników, tak jak robi to Uber.
- Sprawdź w panelu dostawcy, które sesje są najdroższe i ile trwają. Bez tych danych trudno wybrać właściwy próg kompaktowania.
- Ustal domyślny poziom rozumowania na średni, a wysoki zostaw dla zadań, które tego wymagają.
- Jeśli korzystasz z API Anthropic, porównaj koszt zapisu godzinnego cache z kosztem ponownego wysyłania historii po przerwach.
- Ogranicz liczbę serwerów MCP ładowanych na starcie i włącz wyszukiwanie narzędzi, jeśli narzędzie je obsługuje.
- Kieruj subagentów i proste zadania do tańszego modelu, a droższy zostaw do głównej pracy.
- Pokaż programistom bieżący koszt sesji i ustaw powiadomienia o przekroczeniu budżetu.
Źródła i data sprawdzenia
- Running a Software Factory Efficiently at Uber ScaleUber Engineering, publikacja: 2026-08-27, sprawdzono: 2026-11-20
- Uber blew through its AI budget, then dialed back context and reasoning in its AI coding toolsVentureBeat, publikacja: 2026-11-19, sprawdzono: 2026-11-20
Artykuł ma charakter informacyjny. Przy decyzjach prawnych, finansowych lub organizacyjnych warto zweryfikować wnioski w odniesieniu do konkretnej sytuacji.



