JSON es el formato que usamos para casi todo: APIs, configuración, intercambio de datos y comunicación entre sistemas. Pero cuando esos datos se envían a un modelo de lenguaje, aparece un coste oculto: cada llave, coma, comilla y repetición consume tokens.
TOON nace precisamente para ese escenario. No pretende reemplazar JSON en todo, sino reducir el ruido cuando la información va dirigida a una IA.
El impuesto por token
En los modelos de lenguaje, cada fragmento de texto que se procesa cuenta. Y cuenta dos veces: en coste y en tiempo de respuesta.
JSON es muy legible para máquinas tradicionales, pero puede ser redundante para un LLM. En listas grandes, muchas claves se repiten una y otra vez, y esa sintaxis termina ocupando espacio que no aporta demasiado contexto real.
A pequeña escala puede parecer un detalle. A gran escala, puede ser la diferencia entre una integración barata y una factura difícil de justificar.
Qué es TOON
TOON significa Token-Oriented Object Notation: una notación de objetos orientada a tokens. La idea es adaptar la representación de datos a la forma en que los modelos de lenguaje consumen información.
Su enfoque combina dos ideas conocidas: la limpieza visual de formatos basados en indentación y la eficiencia de estructuras tipo tabla cuando hay muchos datos repetidos.
En lugar de repetir las mismas claves en cada objeto, TOON puede declarar una estructura una vez y luego listar los valores de forma más compacta.
Dónde está el ahorro
El ahorro aparece especialmente cuando trabajamos con listas de objetos similares: repositorios, productos, usuarios, tickets, registros, métricas o cualquier conjunto de datos con columnas repetidas.
En el ejemplo del vídeo, una misma información sobre repositorios de GitHub pasa de más de 15.000 tokens en JSON a menos de 9.000 en TOON. No es una microoptimización: es una reducción superior al 40%.
Menos tokens significa menos coste, menos latencia y, en algunos casos, también una lectura más clara para el modelo.
No es un reemplazo universal de JSON
La parte importante es no exagerar. JSON sigue siendo el estándar para APIs, almacenamiento, configuración y compatibilidad con herramientas existentes.
TOON tiene más sentido como una capa de traducción antes de enviar datos a un LLM. El flujo práctico sería: la aplicación trabaja internamente con JSON, convierte a TOON justo antes de llamar al modelo y recibe una respuesta optimizada para ese contexto.
Así se aprovecha la eficiencia sin romper el ecosistema que ya funciona.
Idea central
TOON representa una tendencia clara: la inteligencia artificial nos está obligando a repensar formatos que antes dábamos por definitivos.
Si tu aplicación envía grandes volúmenes de datos estructurados a un modelo de lenguaje, merece la pena explorar formatos más compactos. Si solo estás construyendo una API tradicional, JSON sigue siendo la opción segura.
Si quieres revisar costes, latencia o arquitectura de una integración con IA antes de que los tokens se desmadren, escríbeme a ajra@ajra.es.