Como Reduzir Seus Custos de Token do Claude Code Sem Diminuir a Velocidade

O Claude Code cobra por token, e a conta aumenta sem que você perceba. Não por causa do código que ele escreve, essa parte é barata. O dinheiro vai para tudo que o modelo relê a cada turno: uma janela de contexto cheia de mensagens antigas, um diff de 40 arquivos que ninguém pediu, um PDF silenciosamente transformado em imagens, o mesmo CLAUDE.md enviado cem vezes por dia.

Aqui está para onde os tokens realmente vão, e como gastar menos deles sem escrever um código pior ou esperar mais.

Primeiro, olhe para o medidor

Você não pode cortar o que não pode ver. Antes de mudar qualquer coisa, descubra quanto custa realmente uma sessão.

Cada mensagem que você envia reenvia toda a conversa até agora. O turno 30 não é um prompt, são trinta prompts empilhados um sobre o outro, além de cada arquivo que o agente leu ao longo do caminho. É por isso que uma sessão longa fica cara perto do final, mesmo quando sua última pergunta foi uma linha.

No AgentsRoom, você pode acompanhar isso ao vivo com a visualização de uso de token do Claude Code: a contagem de tokens em execução e o custo da sessão atual, diretamente na interface, para que você pare de adivinhar. Dê um zoom no painel de estatísticas do projeto e você verá o custo por projeto, por agente e por dia. Uma vez que você pode ver o número subir, as correções abaixo deixam de ser abstratas.

Mantenha a janela de contexto apertada

A maior alavanca é o tamanho do contexto. Uma janela inchada é um imposto que você paga a cada turno pelo resto da sessão.

Inicie uma nova sessão quando mudar de tarefa. Não depure uma configuração do webpack no mesmo thread onde você acabou de refatorar a autenticação. Execute /clear e comece do zero. As mensagens antigas não estavam ajudando na nova tarefa, elas estavam apenas aumentando a fatura.

Cuidado também com a deriva lenta. Sessões longas não apenas ficam caras, elas ficam mais burras: o modelo começa a perder o fio da meada, repetindo-se, esquecendo o que decidiu vinte mensagens atrás. O AgentsRoom tem um detector de deriva de contexto que avisa quando um agente está se degradando, que geralmente é o momento exato para compactar ou reiniciar. Nós escrevemos sobre o truque por trás disso no método canário para detectar degradação de agentes de IA. Sessões mais curtas são mais baratas e mais precisas ao mesmo tempo.

Pare de alimentar com PDFs brutos

Esse é quase dinheiro fácil. Quando você coloca um PDF no Claude, cada página também é transformada em uma imagem, e os tokens de visão custam muito mais do que texto. Uma especificação de 20 páginas pode queimar dezenas de milhares de tokens antes que sua pergunta seja lida.

Converta o arquivo para Markdown primeiro. Um comando com uma ferramenta gratuita reduz o custo em até 80% e o modelo responde tão bem, muitas vezes melhor, porque lê uma estrutura limpa em vez de ficar tentando decifrar imagens de páginas. Passo a passo completo aqui: converter PDF para Markdown para economizar tokens. Converta uma vez, comite o .md no repositório, e cada turno futuro lê texto barato.

Use o modelo mais barato que pode fazer o trabalho

Usar Opus para tudo é como as contas explodem. Renomear uma variável, escrever uma mensagem de commit ou corrigir um erro de digitação não precisa do seu modelo mais caro. Um modelo menor faz isso por uma fração do preço e você não sentirá a diferença.

O hábito é simples: combine o modelo com a tarefa. Trabalhos pesados de arquitetura recebem o grande modelo, edições mecânicas recebem o pequeno. O Modo Adaptativo do AgentsRoom torna isso automático, sugerindo o modelo mais barato capaz para o que você está realmente fazendo, para que você pare de pagar tarifas premium por trabalho repetitivo.

Delegue o trabalho pesado a um agente mais barato

Algumas tarefas são grandes, mas superficiais: escrever testes para um módulo, verificar cem arquivos por um padrão, gerar boilerplate. Você não quer que seu agente caro passe por tudo isso dentro de um único contexto gigante.

Deixe que ele passe o trabalho adiante. Com a delegação de agentes, um agente de desenvolvimento pode passar uma subtarefa para um segundo agente que executa um modelo mais barato, que faz o trabalho repetitivo em seu próprio contexto limpo e reporta de volta. O agente caro permanece focado e pequeno, o agente barato cuida do volume. Sua conta segue a divisão.

Pare de reexplicar a si mesmo

Se você digita o mesmo prompt de três parágrafos toda vez que começa uma revisão de código, você está pagando para enviá-lo toda vez. Salve-o uma vez.

Mantenha suas instruções recorrentes em uma biblioteca de prompts e seus procedimentos repetíveis como habilidades que o agente carrega apenas quando precisa delas. Você reutiliza a redação em vez de reescrevê-la e reenviá-la, e uma habilidade mantém seus passos detalhados fora do contexto base até o momento em que são realmente necessários. Mesmo resultado, menos tokens movidos.

Observe o custo de executar agentes em paralelo

Agentes paralelos são um superpoder, e eles multiplicam seu gasto de tokens exatamente pelo número de agentes que você executa. Cinco agentes lendo o mesmo contexto compartilhado é cinco vezes as leituras.

Isso é aceitável desde que você possa ver. Mantenha as estatísticas do projeto abertas quando você escalar, aponte seus agentes para referências leves em .md em vez de documentos brutos, e mate aqueles que já foram concluídos em vez de deixá-los ociosos em uma janela cara. O paralelismo deve lhe proporcionar velocidade, não uma fatura surpresa. Se você está executando agentes de codificação em paralelo, um contexto compartilhado e convertido mantém toda a frota acessível.

A versão curta

A maior parte da sua conta do Claude Code não é pelo código, é pela releitura. Então:

• Observe o contador de tokens ao vivo para que o número nunca seja uma surpresa.
• Execute /clear entre tarefas e mantenha as sessões curtas.
• Converta PDFs para Markdown antes de perguntar.
• Use o menor modelo que pode fazer o trabalho, ou deixe o Modo Adaptativo escolher por você.
• Delegue trabalho superficial e de alto volume a um agente mais barato.
• Reutilize prompts e habilidades em vez de reescrevê-los.

Nada disso o atrasa. Um contexto mais curto e o modelo certo geralmente tornam o agente mais rápido e preciso, e a conta mais barata é o bônus.

Quer o medidor, o roteamento do modelo e a delegação em um só lugar? Baixe o AgentsRoom e veja seu custo de token cair na visualização de uso de tokens.