Спочатку було проаналізовано Caveman. Задекларована економія в 65% токенів на практиці виявилася на рівні 8,5%, без суттєвої економії коштів та змін у якості коду.
Далі під аналіз потрапив RTK, який оптимізує виконання команд, таких як
git status та pytest. Замість обіцяної економії в 60–90% спостерігалося наступне: для завдань із низьким рівнем складності витрати зросли на 7,6%, а для завдань із високим рівнем складності різниця зникла. Якість при цьому не змінилася.Нарешті, перша навичка, яка хоча б наближається до заявлених виробниками показників, — Ponytail.
Ponytail бореться з надмірним інжинірингом. Перед написанням коду агент перевіряє: чи взагалі необхідна реалізація, чи рішення вже не існує в проєкті, чи можна використати стандартну бібліотеку, можливості платформи або готову залежність.
JetBrains провели тестування на 80 парних завданнях у Claude Sonnet 5. Результати:
1. Кількість коду зменшилася на 15% замість обіцяних 54%. У великих завданнях економія сягала 31%, а в компактних рішеннях вона майже зникла.
2. Витрати знизилися приблизно на 10%, час виконання — на 11%.
3. Якість не змінилася: у 65 завданнях результати збіглися, у 6 Ponytail показав кращий результат, у 9 — гірший.
Проте простого розміщення SKILL.md у папці недостатньо: Claude Code не активував його жодного разу за десять сесій. Необхідний плагін, який автоматично додає правила в контекст.
Хоча заявлені 54% економії не були досягнуті, Ponytail став першою навичкою в серії JetBrains, яка реально скоротила обсяг коду та витрати без помітної втрати якості.
Джерела:
https://blog.jetbrains.com/ai/2026/07/ponytail-skill-claude-tested/
https://blog.jetbrains.com/ai/2026/07/speak-to-ai-agents-like-cavemen-tosave-tokens/
https://blog.jetbrains.com/ai/2026/07/rtk-claude-code-token-savings/