
TOON, resums compactes i un patró pràctic per publicar ja sense regalar tokens.
Sèrie:
- Part 1: Introducció
- Part 2: Estratègies tècniques
- Part 3: Més reducció de tokens
Taula de continguts
Obrir taula de continguts
De la Part 2 a la Part 3
A la Part 2 vam veure com bloquejar, permetre i servir contingut alternatiu als bots. Aquí tanco la sèrie amb una pregunta concreta: si ja mostraré un resum a la IA, com ho faig de manera que consumeixi els mínims tokens possibles sense perdre context?
Aquest article proposa un format simple (TOON) i un flux de publicació que pots aplicar avui mateix.
L’objectiu: menys tokens, mateix context
No busquem ocultar-ho tot: busquem optimitzar què veu la IA. L’objectiu és que un bot pugui:
- entendre de què va l’article,
- enllaçar-lo correctament,
- i evitar ingerir el text complet.
Això implica resums molt compactes i una estructura pensada per reduir tokens.
Què és TOON (Token-Oriented Object Notation)
TOON és un format compacte i llegible que codifica el model de dades JSON per a prompts de LLM, amb l’objectiu de reduir tokens sense perdre estructura. La documentació oficial el defineix com una representació “compacta i llegible” del model JSON per a prompts. TOON: Token-Oriented Object Notation
Tot i que TOON no es va dissenyar específicament per compartir contingut a internet, sí que es va pensar per reduir tokens i millorar la comprensió per part dels models. Per això és ideal per publicar continguts que consumiran màquines.
A més, hi ha benchmarks públics que mesuren comprensió i recuperació de dades: TOON assoleix un 73,9% de precisió davant del 69,7% en JSON i fa servir un 39,6% menys de tokens en els datasets provats. Benchmarks de TOON
Pensa en TOON com un equivalent ultra-resumit del teu article: títol, URL canònica, resum mínim, punts clau i etiquetes. Tota la resta sobra.
Principis de disseny TOON
- Camps curts i estables: claus breus, valors compactes.
- Res de prosa llarga: el resum és màxim 1-2 línies.
- Sense duplicació: evita repetir el mateix amb altres paraules.
- Sense farciment: adjectius i context superflu fora.
- Canònic sempre: un enllaç clar a la URL completa.
Plantilla TOON mínima (exemple)
Els camps TOON recomanats estan dissenyats per ser fàcilment comprensibles pels models de llenguatge, però com que no és un estàndard tancat, pots incloure qualsevol camp o estructura que necessitis per descriure el teu contingut: author, modified, title, category o qualsevol altra clau o estructura de dades TOON que tingui sentit en el teu cas.
Exemple realista per a un article:
ver: 1
type: article
lang: es
url: https://tusitio.com/post/estrategia-hibrida
use: index=1,cite=1,train=0,derive=0
sum: Estrategia híbrida para controlar crawlers IA sin perder visibilidad ni regalar contenido completo.
k: [bloqueo_selectivo|feed_compacto|control_semantico|menos_tokens]
ent: [robots.txt|nginx|ai_crawlers]
ts: 2026-01-15
Noms de camps (per què aquests i no altres)
ver: més clar quev, més curt queversion.type: universal en datasets.lang: estàndard reconegut pels LLMs.url: universal i esperat.use: semàntica directa.sum: molt comú en datasets.k: abreviatura àmpliament usada.ent: estàndard informal per a entitats.
Mínim viable real:
type: context immediat del contingut.lang: interpretació lingüística correcta.url: font canònica per a citació.sum: resposta immediata sense inferència.
Amb aquests 4 camps, un LLM pot respondre, resumir i citar.
Camp use (nucli ètic-tècnic)
És una proposta sense efecte vinculant: el bot pot ignorar-la, però també podria fer-la servir en el futur per entendre el context i respectar les teves preferències.
Format compacte:
use: index=1,cite=1,train=0,derive=0
Interpretació natural per a qualsevol LLM:
index=1: es pot indexar.cite=1: es pot citar amb enllaç.train=0: no entrenar.derive=0: no persistir derivats.
TOON per a un article vs TOON per a llistats
Un TOON d’article és útil per explicar un contingut concret amb el mínim de tokens. Un TOON de llistat (per exemple, darrers articles, guies o productes) és encara més valuós perquè estalvies tokens en bloc: comparteixes camps una sola vegada i redueixes molta repetició.
En llistats, TOON brilla pel patró tabular: declares els camps una vegada i després només envies files. Això baixa moltíssim el cost quan hi ha 10, 50 o 200 entrades.
Exemple: llistat compacte d’articles
toon: 1
list: articles
articles[3]{id,url,tit,summary,updated}:
parte-1,/blog/limitar-acceso-ia-contenido-sin-desaparecer-parte-1,Intro,Ideas base y contexto,2026-01-10
parte-2,/blog/limitar-acceso-ia-contenido-sin-desaparecer-parte-2,Estrategias,Control técnico para bots,2026-01-14
parte-3,/blog/limitar-acceso-ia-contenido-sin-desaparecer-parte-3,TOON,Más reducción de tokens,2026-01-18
Si publiques un feed o un índex de continguts, un TOON de llistat redueix tokens de manera molt més agressiva que un per article.
Tècniques addicionals de reducció de tokens
TOON és el contenidor. Aquestes tècniques ajuden a compactar el contingut:
- Resum jeràrquic: un titular + 3 punts clau.
- Llistes en lloc de paràgrafs: menys tokens i més densitat informativa.
- Entitats i conceptes clau: anomena l’essencial (tecnologies, normes, riscos).
- Eliminar redundàncies: no repeteixis la mateixa idea amb sinònims.
- Zero cites llargues: enllaça la font en lloc de copiar.
Proposta pràctica perquè funcioni avui
Això funciona avui de forma segura i seria molt positiu continuar treballant en aquesta direcció, creant formats i propostes estandarditzades per a la compartició d’informació cap a màquines, amb l’objectiu clar de reduir el consum energètic i la quantitat de tokens necessaris.
Aquest és un flux mínim viable i realista:
-
Crea un fitxer TOON per article
- Ruta suggerida:
/ia-content/slug.toon - Format: text pla
- Ruta suggerida:
-
Afegeix-lo al teu
llms.txt
# /llms.txt (ejemplo, formato Markdown)
# Mi sitio
> Contenido técnico con alternativas compactas para IA.
Aquí publico TOONs por artículo y listados compactos para IA.
## Contenido alternativo
- [TOON Parte 3](https://tu-dominio.com/ia-content/limitar-acceso-ia-contenido-sin-desaparecer-parte-3.toon): Resumen TOON del artículo.
- [TOON Listado](https://tu-dominio.com/ia-content/indice.toon): Índice compacto de artículos.
- Enllaça el TOON des de l’HTML
<link rel="alternate" type="text/plain" href="/ia-content/limitar-acceso-ia-contenido-sin-desaparecer-parte-3.toon">
- Ajusta
robots.txtper permetre als bots d’IA accedir a/ia-content/i limitar l’HTML complet (com a la Part 2).
Amb aquest flux ja tens una versió accessible per a bots amb un cost de tokens molt baix i sense canviar el contingut humà.
Quant es pot reduir?
Depèn de la mida de l’article, però l’ordre de magnitud és clar: passes de milers de tokens a desenes o pocs centenars. És a dir, menys cost energètic, menys còmput i menys exposició del contingut complet.
Si vols mesurar-ho, usa qualsevol tokenitzador del teu model objectiu i compara l’HTML o l’article complet amb el TOON resumit. El salt és immediat.
Eines per mesurar tokens
- TOON Playground: enganxa el teu JSON i compara tokens entre JSON i TOON en temps real. TOON Playground
- OpenAI Tokenizer: eina oficial per comptar tokens en textos i prompts. OpenAI Tokenizer
- Chase Adams Tokenization Playground: compara tokens entre formats amb presets. Format Tokenization Exploration
Límits i advertències
- TOON no és un estàndard: fes-lo servir com a format pràctic, no com a garantia d’adopció. A la documentació proposen utilitzar el MIME type
text/toon(tot i que encara no està registrat oficialment a IANA) i l’extensió.toon. - Mentre no existeixi un estàndard comú: és l’aproximació més raonable avui per reduir tokens sense perdre context.
- Alternatives vàlides: pots publicar també JSON, Markdown o text pla si encaixen millor amb el teu flux, encara que TOON ofereix la millor relació entre reducció de tokens i comprensió per part dels models (especialment en llistats estructurats).
- Evita cloaking amb cercadors clàssics si la teva prioritat és SEO (no serveixis contingut diferent a Googlebot llevat que ho controlis bé).
Checklist ràpid
- Tinc un TOON per article a
/ia-content/. - El meu
llms.txtapunta a aquests fitxers. - El meu HTML enllaça el TOON amb
rel="alternate". - El meu
robots.txtsepara entrenament vs cerca. - El meu servidor web separa entrenament vs cerca.
Si finalment no et preocupa el consum energètic però tens un servei en producció (sobretot si utilitza llistes d’objectes amb JSON), fer servir TOON t’estalviarà diners. I a qui sí ens preocupa l’impacte mediambiental, ens tindràs més contents.
Referències i recursos
- Part 1: Com limitar l’accés de la intel·ligència artificial al teu contingut sense desaparèixer de la web (Part 1 - Introducció)
- Part 2: Com limitar l’accés de la intel·ligència artificial al teu contingut sense desaparèixer de la web (Part 2 - Estratègies tècniques)
- llms.txt (proposta): https://llmstxt.org/
- ai-robots-txt (repositori): https://github.com/ai-robots-txt/ai.robots.txt
- TOON (documentació oficial): https://toonformat.dev/
- TOON Benchmarks (precisió i tokens): https://toonformat.dev/guide/benchmarks
- TOON Playground (comparació JSON vs TOON): https://toonformat.dev/playground.html
- OpenAI Tokenizer: https://platform.openai.com/tokenizer
- Chase Adams Tokenization Playground Format Tokenization Exploration