AIエージェントの利用料の大部分は、考えることではなく読むことから生じています。エージェントはウェブページやPDF、ツールの応答を開くと、たいてい中身を丸ごと取り込み、その文章がその後のモデル呼び出しのたびに付いて回ります。新しいプレプリントが引用する先行研究によれば、エージェントが処理するトークンの60%から80%は外部から読み込んだ内容です。SparseReadは、エージェントに人間と同じような読み方をさせようという提案です。必要なものを決め、関係する箇所を見て、それで足りないときだけ文書全体を開くのです。
SparseReadはエージェントと情報源の間に入る仕組みで、モデル自体を変える必要はありません。エージェントは探しているものを短い「読む意図」として伝え、この層は情報源と結び付けた範囲限定の証拠のまとまりと、どこを確認しどこをまだ見ていないかの記録を返します。それで十分かどうかはエージェントが判断します。テキストとPDF、表とJSON、複数ファイルの集まり、コードを、それぞれ別の読み取り方式が扱います。予算のゲートが1回の作業で読み込める生の内容の量に上限を設け、小さなファイルのように部分的に読むほうが高くつく場合は、全体を表示する方式に切り替えます。
著者らは、Claude Opus 5、GLM-5.1、Kimi-K2.5を含む6つのモデルを5つの場面で試し、30通りの設定で検証しました。トークンは15.7%から92.9%、実時間は23.0%から89.0%減り、中央値はそれぞれ61.4%と53.7%でした。品質は30通りのうち29通りで維持または向上し、例外は科学のタスクでのGLM-5.1でした。最も大きく節約で きたのは長い文書です。最もなじみのあるウェブの深掘り検索では、トークンが31.0%から43.0%、時間が23.0%から37.0%減る一方で、スコアは5から14ポイント上がりました。余計な情報が減ると答えが良くなりうることを示しています。検索や文脈の削減に基づく比較手法と比べても、試したすべての設定でスコアを維持または向上させたのはSparseReadだけでした。
Claude Code、Codex、APIを通じてエージェントの費用を払っている人にとって、これは実際のお金にかかわる話です。Opus 5のような強力なモデルでも41.0%から89.0%のトークンを節約できたことは、モデルが良くなっても問題は消えないことを示唆しています。エージェントの基盤が、文脈の窓を広げる方向から、そこに何を入れるかを賢く制御する方向へ移っているという、より大きな流れにも沿っています。
注意点はプレプリントによくあるものです。場面とエージェントの枠組みNanoBotは著者らが選んだもので、見出しの92.9%は、この考え方に最も有利な長文の読解から来ています。実際のウェブページはベンチマークのタスクより雑然としており、肝心の1段落を見落とす読み取り方式は、何も知らせずに失敗します。査読はまだ受けていません。