TOON es un formato de serialización de datos innovador diseñado específicamente para optimizar las llamadas a grandes modelos de lenguaje. A diferencia de JSON, que requiere una sintaxis verbosa con comillas y llaves repetitivas, TOON reduce drásticamente el consumo de tokens, un recurso directamente facturable en las interacciones con LLM. El proyecto demuestra reducciones del 30 al 60% en tokens en comparación con JSON, alcanzando en algunos escenarios hasta un 65% de ahorro según la estructura de los datos.

La arquitectura del formato combina conceptos de YAML (indentación para la jerarquía) con CSV (formato tabular para datos uniformes). Este enfoque híbrido resulta especialmente eficaz para estructuras repetitivas: colecciones de objetos idénticos donde cada registro comparte los mismos campos. La sintaxis mínima elimina los delimitadores redundantes, utilizando únicamente espacios para indicar el anidamiento y comas para las separaciones internas.

Técnicamente, TOON codifica metadatos críticos en los encabezados de los arrays: key[N]{field1,field2}: indica N elementos con los campos especificados. Este enfoque explícito mejora la validación por parte de los LLM y facilita el análisis de estructuras complejas. Los benchmarks revelan una precisión de recuperación de datos del 86,6% frente al 83,2% de JSON, lo que demuestra que la compacidad no compromete la comprensión del modelo.

Los casos de uso van desde exportaciones de datos analíticos hasta listas de repositorios de GitHub, pasando por pedidos anidados de comercio electrónico. Para las organizaciones que gestionan volúmenes masivos de solicitudes a LLM, esta optimización genera ahorros sustanciales en los costes de API, mientras que los desarrolladores se benefician de una sintaxis más legible que la compresión binaria convencional.

El proyecto, creado el 22 de octubre de 2025 por Johann Schopplich, representa una respuesta pragmática a un problema económico concreto: cada token consumido en una interacción con un LLM tiene un coste financiero directo. Al reducir a la mitad la verbosidad de JSON manteniendo—e incluso mejorando—la comprensión del modelo, TOON ofrece una ventaja competitiva inmediata para las aplicaciones intensivas en IA.

La innovación reside en el equilibrio entre la optimización técnica y la legibilidad humana. A diferencia de los formatos de compresión binaria, que resultan opacos, TOON permanece interpretable, lo que facilita la depuración y el mantenimiento. Esta característica resulta crucial en entornos de producción donde la transparencia de los datos intercambiados con los LLM se convierte en una cuestión de gobernanza y cumplimiento normativo.