Prompt de avaliação: TOON vs JSON para economia de tokens

Objetivo: avaliar a afirmação de que TOON poupa tokens em relação ao JSON e propor uma metodologia prática reproduzível. Instruções:
1) Defina critérios objetivos: contagem de tokens (utilizando um tokenizer como tiktoken ou estimativa equivalente), legibilidade, facilidade de uso, interoperabilidade e custo de parsing.
2) Desenhe uma metodologia de teste que possa ser executada por um usuário comum com ferramentas de IA, incluindo formatos JSON minificado, JSON formatado e TOON, para dados com estruturas diversas (arrays, objetos, estruturas aninhadas, tabelas representadas como listas de objetos).
3) Crie um conjunto de dados de exemplo que explore esses cenários, incluindo casos com strings repetitivas para testar compressão.
4) Execute as comparações e apresente resultados em uma tabela com: formato, tamanho em tokens, economia relativa em % em relação ao JSON minificado, tempo de processamento estimado, e observações de legibilidade/robustez.
5) Forneça recomendações práticas: quando TOON é vantajoso, quando não vale a pena, e armadilhas comuns.
6) Inclua um playground simples de exemplo com pseudocódigo para gerar dados, converter entre formatos e contar tokens.
7) Liste pontos de verificação para validação de claims de benchmarks TOON vs JSON.
8) Discuta limitações: variações de tokenização entre modelos, codificações de caracteres, impacto de compactação de strings, e possíveis armadilhas ao interpretar TOON.
Dado o post de referência e o link json2toon.de, incentive a validação com dados reais antes de tirar conclusões.