Pular para o conteúdo

A busca não está disponível agora.

EN EnglishFuadNext

Menos contexto para programar: a conta caiu?

Laboratório21 min de leitura

Nos agentes que desenvolvem o Fuad Next, contexto menor e prefixo novo vieram com queda observada de 45,5% no custo médio atribuído por PR. Causa isolada e qualidade seguem em aberto.

O contexto de um agente de programação pode reunir a conversa, os arquivos lidos, as saídas de comandos e um bloco de instruções fixas que abre a sessão, que chamo de prefixo. O cache de prompt cobra o trecho repetido a uma tarifa menor que a de entrada nova, mas essas releituras também têm custo e, numa sessão longa, podem se repetir a cada chamada ao modelo. Nesta amostra, antes da mudança, as chamadas do agente principal carregavam em média cerca de 454 mil tokens, unidades de texto.

Encurtei o contexto dos agentes que desenvolvem o Fuad Next no Claude Code e no Specsfy, que organiza o trabalho em especificações (specs). Eles passaram a avisar acima de 200 mil tokens e a compactar perto de 300 mil: o histórico vira um resumo, e a sessão segue dele. O prefixo mudou no mesmo período, e os dados não separam os dois efeitos. O estudo acompanha o contexto dos agentes de desenvolvimento; não mede o contexto oferecido pelo aplicativo a quem o usa.

Comparados aos PRs (pull requests) abertos nos sete dias anteriores, os abertos depois de 9 de novembro de 2026 às 20h39 de Brasília e mesclados até o fim de 14 de novembro tiveram custo médio atribuído por PR, em equivalente à API, de US$ 12,31, contra US$ 22,59, 45,5% a menos. A comparação é observacional, sem tarefas repetidas nem sorteio; quase toda a queda aparece no custo de cada chamada. Qualidade e efeito isolado do contexto seguem sem demonstração.

A conta por PR

Os valores em dólar usam as mesmas tarifas históricas da API da Anthropic nos dois períodos. Conforme a conta, elas são aplicadas aos tokens registrados ou estimados, inclusive nos cenários contrafactuais. São uma régua comum e não demonstram economia na assinatura. O custo de um PR soma leitura e escrita de cache, entrada e saída do agente principal e dos subagentes atribuídos a ele, cada chamada à tarifa do próprio modelo. Os resumos de compactação ficam fora, porque o registro não diz a que PR cada um pertence.

A comparação principal tem 126 PRs abertos nos sete dias anteriores ao marco e mesclados, e 111 abertos depois dele e mesclados até o fim de 14 de novembro. Na média, o custo por PR caiu de US$ 22,59 para US$ 12,31, 45,5% a menos. O intervalo exploratório de 95%, calculado sorteando grupos de PRs ligados entre si, vai de -57,5% a -6,1%: largo e inteiro abaixo de zero. A mediana é o valor central dos custos ordenados, ou a média dos dois centrais quando há um número par de PRs, e sente menos os poucos PRs muito caros. Ela foi de US$ 17,55 para US$ 9,09, queda pontual de 48,2%, mas o intervalo dela vai de -66,4% a +0,4% e cruza o zero, então a diferença na mediana é inconclusiva. A queda de 45,5% ainda não é o saldo líquido por entrega aceita, que incluiria resumos e retrabalho.

Nesta coorte, chamo de custo por chamada o custo total atribuído dividido pelo total de chamadas, os pedidos ao modelo. O medidor usa as mesmas tarifas nos dois períodos, então o custo por chamada muda com a quantidade e o tipo de token que cada chamada carrega e com o modelo que a atende. Ele caiu 43,3%, de US$ 0,121 para US$ 0,069, com intervalo de -46,1% a -37,3%. As chamadas por PR foram de 186,6 para 179,5, -3,8% no ponto, com intervalo de -23,4% a +55,4%, que comporta queda e também aumento grande.

Em dois passos a partir da média antiga: trocar só o número de chamadas pelo valor novo, mantido o custo por chamada antigo, leva a US$ 21,73; aplicar depois o custo por chamada novo leva aos US$ 12,31 observados. O primeiro passo move US$ 0,87, e o segundo, US$ 9,42. O ponto intermediário é hipotético, e a divisão é contabilidade sobre valores pontuais, sensível à ordem dos passos: mostra onde a diferença aparece, sem dizer o que a causou.

Medida da coorte de PRs Antes Depois Variação
Custo médio por PR, US$ 22,59 12,31 −45,5%
Chamadas médias por PR 186,6 179,5 −3,8%
Custo por chamada, US$ 0,1211 0,0686 −43,3%

Cinco dias contra cinco dias

A comparação principal tem durações desiguais: sete dias de abertura antes do marco contra o resto do dia 9 e os cinco dias completos de 10 a 14. Contar apenas PRs mesclados até o fechamento deixa de fora os ainda abertos e favorece os que fecharam rápido. Esse desenho deixa um viés de seleção cuja direção sobre a média posterior não foi medida.

Para conferir, os dados trazem duas janelas de exatamente 120 horas. A anterior vai de 4 de novembro às 20h39 a 9 de novembro às 20h39, horário de Brasília; a posterior, de 9 de novembro às 20h39 a 14 de novembro às 20h39. Entra o PR aberto e mesclado dentro da sua janela, sem contar o instante final. O recorte fecha 3h21 antes da comparação principal e também restringe o período anterior a 120 horas, exigindo abertura e mesclagem dentro da janela; por isso os números diferem.

Com 93 PRs antes e 108 depois, o custo médio por PR foi de US$ 21,86 para US$ 12,28, queda de 43,8%, e a mediana, de US$ 18,65 para US$ 8,93, 52,1% a menos. As chamadas médias por PR foram de 183,5 para 178,2 (-2,8%), e o tempo ativo estimado dos agentes, de 39,3 para 32,8 minutos (-16,7%), com 93 e 107 PRs medidos. São números descritivos, sem intervalo próprio; os intervalos da comparação principal não valem para este recorte.

O custo cai também com cinco dias de cada lado

Custo médio atribuído por PR, US$ equivalentes à API

Comparação principal

Antesn=126Depoisn=111

Cinco dias contra cinco dias

Antesn=93Depoisn=108

Antes vazado; Depois preenchido. Principal: 126/111 PRs. Janelas iguais de 120 horas: 93/108, sem intervalo próprio. Escala comum a partir de zero; custos atribuídos, sem os resumos estimados sem PR.

Ver os números em tabela
O custo cai também com cinco dias de cada lado
ItemCusto médio atribuído por PR, US$n
Principal, Antes22,59126
Principal, Depois12,31111
Cinco dias iguais, Antes21,8693
Cinco dias iguais, Depois12,28108
Fonte: Desenvolvimento do Fuad Next. Uso até 14/11/2026 BRT, leitura em 15/11. Custos equivalentes à API histórica, não fatura.
Método e dados
commit 718b900MetodologiaBaixar JSONBaixar CSV

Com a mesma duração dos dois lados, a queda observada continua perto de 44%. Isso reduz a preocupação de que ela venha só do período curto, sem eliminá-la. As janelas iguais só enxergam PRs que abriram e terminaram dentro delas, o que favorece trabalhos curtos nos dois lados, e as tarefas não são as mesmas. Mesmo com contagens de 93 e 108, os PRs não ficam independentes entre si, porque muitos dividem sessão ou spec.

Onde a chamada ficou mais barata

Nesta análise, medi o tamanho do contexto e as parcelas do custo nos registros das conversas com os agentes, que o Claude Code guarda como sessões. Li 95 sessões do período anterior e 48 do posterior, todas do desenvolvimento do Fuad Next. Uma sessão pode atender vários PRs, e um PR pode passar por várias sessões: sessões e PRs são unidades de contagem distintas do mesmo desenvolvimento, e estes números não se misturam com os da coorte de PRs.

Nas chamadas do agente principal, o contexto médio foi de cerca de 454 mil para 197 mil tokens, 56,7% a menos, com intervalo de -58,8% a -54,2%. Antes, 73,5% dessas chamadas passavam de 300 mil tokens; depois, nenhuma. O custo por chamada principal, que aqui já inclui a estimativa dos resumos de compactação, foi de US$ 0,128 para US$ 0,079, queda de 38,6% (intervalo de -41,4% a -35,3%).

Nesse custo, três parcelas pesam mais e aparecem aqui em dólares por mil chamadas principais: a leitura de cache, que é o trecho repetido, cobrado a tarifa reduzida; a escrita de cache de uma hora, que é a cobrança para gravar no cache, com essa duração, um trecho novo para reuso; e a saída, que é o texto que o modelo gera. As demais parcelas e os resumos ficam fora destas três, então elas não somam o custo do agente principal com os resumos estimados.

Menos leitura, mais escrita de cache

US$ equivalentes à API por mil chamadas do agente principal

Leitura de cache

Antesn=95Depoisn=48

Escrita de cache, 1 hora

Antesn=95Depoisn=48

Saída

Antesn=95Depoisn=48

Três parcelas dominantes; não é o custo total. Resumos estimados e parcelas menores ficam fora destas colunas. Amostra: 95 sessões antes, 48 depois. Mesma escala; Antes vazado e Depois preenchido.

Ver os números em tabela
Menos leitura, mais escrita de cache
ItemUS$ por mil chamadas principaisn
Leitura de cache, Antes90,2595
Leitura de cache, Depois38,7048
Escrita de cache, 1 hora, Antes22,2995
Escrita de cache, 1 hora, Depois24,4948
Saída, Antes15,0695
Saída, Depois13,8848
Fonte: Desenvolvimento do Fuad Next. Uso até 14/11/2026 BRT, leitura em 15/11. Custos equivalentes à API histórica, não fatura.
Método e dados
commit 718b900MetodologiaBaixar JSONBaixar CSV

A leitura de cache encolheu US$ 51,55 por mil chamadas, de US$ 90,25 para US$ 38,70, mais que a queda total de US$ 49,30. O resto da conta devolveu a diferença: a escrita de cache subiu US$ 2,20 e foi a parcela visível que mais pesou na direção da alta, enquanto a saída caiu um pouco. A alta da escrita é compatível com compactar mais vezes, porque depois de cada resumo o contexto novo precisa ser gravado no cache, mas os dados não atribuem toda a escrita à compactação nem a separam do prefixo novo.

A interpretação é contábil e compatível com a hipótese sobre a mudança conjunta: com contexto menor e prefixo novo, a parcela que mais encolheu foi a de releitura. Ela não mede quanto do resultado se deve ao contexto, ao prefixo ou às tarefas diferentes.

Os subagentes, que o agente principal dispara para tarefas delegadas, mudam o retrato conforme o denominador. Nas sessões examinadas, as chamadas deles foram de 2.133 para 8.776, enquanto as principais foram de 31.241 para 18.708, e o gasto com subagentes foi de cerca de US$ 120 para US$ 451. Dividindo o custo total das sessões (principal, subagentes e resumos) por todas as chamadas, a queda é de 43,3%, de US$ 0,123 para US$ 0,070. Dividindo o mesmo numerador só pelas chamadas principais, é de 22,1%, de US$ 0,132 para US$ 0,103, com intervalo de -31,6% a -10,9%. A primeira taxa diz quanto custa uma chamada qualquer; a segunda, quanto o sistema gasta por chamada do agente que conduz o trabalho, com tudo o que ele delegou. A distância entre as duas vem do peso maior da delegação no período posterior, que tem custo próprio; os dados não dizem se essa delegação veio da compactação, do prefixo ou das tarefas. Nenhuma das duas taxas é o 45,5% por PR. A primeira coincide, ao arredondar, com os 43,3% de queda do custo por chamada da coorte, mas as contas diferem: a das sessões usa as chamadas das sessões e inclui os resumos estimados, e a da coorte usa as chamadas atribuídas aos PRs selecionados e deixa esses resumos fora.

Quanto custaram as compactações

Compactar tem custo próprio. O resumo é gerado pelo modelo numa chamada paga; depois dele, a primeira chamada envia um contexto diferente do anterior, e o resumo novo precisa ser escrito no cache. Nas 48 sessões posteriores houve 207 compactações, contra 34 nas 95 anteriores. Se esse custo fosse alto, poderia consumir o que se deixou de reler.

Como não dá para observar a mesma sessão sem compactar, o medidor usa um modelo contrafactual. Ele mantém o percurso de chamadas que aconteceu e, em cada chamada posterior a uma compactação, até a próxima compactação ou o fim da sessão, repõe o trecho removido como se ainda estivesse no contexto, com teto de 970.185 tokens, igual nos dois períodos. A diferença de custo de cache dessas chamadas hipotéticas é o uso de cache evitado estimado. Ela inclui leitura e também escrita de cache, quando o modelo identifica que o cache teria sido perdido. O modelo não simula um agente trabalhando sem compactar e não sabe se, com o histórico inteiro, ele faria mais ou menos chamadas.

Do lado do custo entram o resumo estimado e um ajuste líquido de cache na primeira chamada depois de cada compactação. Esse ajuste mede a diferença de custo dessa chamada e não prova que o prefixo inteiro foi regravado. Das 207 compactações observadas, 206 têm saldo avaliável e uma ficou sem; os valores a seguir são das 206.

O balanço começa no uso de cache evitado estimado, US$ 472,19, um valor de hipótese e não um gasto que existiu. Dele descem os resumos, US$ 27,53, e o ajuste líquido de cache, US$ 128,26, até o saldo estimado de US$ 316,40.

O que sobra depois de pagar a compactação

US$ estimados nas 206 compactações avaliáveis

Uso de cache evitado
Resumos
Ajuste de cache
Saldo estimado

Balanço modelado das 206 compactações avaliáveis, entre 207 observadas. O saldo desconta resumos e ajuste de cache. Não é desconto observado nem se soma à queda por PR.

Ver os números em tabela
O que sobra depois de pagar a compactação
ItemUS$ estimados nas 206 compactações avaliáveis
Uso de cache evitado472,19
Resumos-27,53
Ajuste de cache-128,26
Saldo estimado316,40
Fonte: Desenvolvimento do Fuad Next. Uso até 14/11/2026 BRT, leitura em 15/11. Custos equivalentes à API histórica, não fatura.
Método e dados
commit 718b900MetodologiaBaixar JSONBaixar CSV

Os dois custos somam cerca de US$ 155,80, perto de US$ 0,76 por compactação, sendo US$ 0,13 de resumo e US$ 0,62 de cache. No modelo, eles consumiram 33% do uso de cache evitado, e 67% restou. Em 196 das 206 compactações, o saldo individual foi positivo. O intervalo condicional do saldo, de US$ 244,84 a US$ 395,26, descreve a variação dentro do modelo e das sessões observadas; não identifica efeito nem corresponde a desconto visto em fatura.

Essa conta não se combina com a dos PRs por subtração. O custo por PR já foi medido sobre as chamadas que aconteceram, com a escrita de cache real embutida; descontar de novo o ajuste de cache seria contá-lo duas vezes. Os resumos estimados ficam fora do custo por PR porque não têm PR atribuído, e dividir o total deles pelos 111 PRs criaria uma atribuição que o registro não faz. Por isso os 45,5% não são o saldo líquido completo por entrega aceita, e ainda não existe um percentual que junte as duas contas.

O esforço declarado subiu

Se o período posterior tivesse trabalhos diferentes, como PRs mais simples, essa diferença poderia explicar parte da queda, sem relação com o contexto. O Specsfy dá uma pista sobre essa troca. O Effort é a nota de esforço de 1 a 10 registrada na spec. Nesta análise, cada PR recebe a nota da spec vinculada.

A mistura andou no sentido oposto. A mediana do Effort subiu de 6 para 8, e a faixa de 7 a 8 passou de 44 dos 126 PRs anteriores (34,9%) para 87 dos 111 posteriores (78,4%). Isso não prova que os PRs ficaram mais pesados: ninguém verificou se a escala foi usada do mesmo jeito nos dois períodos. As linhas de código, outro indicador de tamanho e também imperfeito, faltam em 42 dos 111 PRs posteriores. A estabilidade do tamanho do trabalho por PR segue sem demonstração.

Os dados comparam, para cada faixa de Effort, o custo mediano por PR antes e depois, em dólares, com o número de PRs de cada período. São dois valores por faixa, sem série no tempo entre eles, e nenhuma faixa tem intervalo.

Custo por faixa de esforço, antes e depois

Custo mediano atribuído por PR, US$ equivalentes à API

Effort 1 a 4

Antesn=25Depoisn=6

Effort 5 a 6

Antesn=56Depoisn=16

Effort 7 a 8

Antesn=44Depoisn=87

Effort 9 a 10

Antesn=1Depoisn=2

Antes vazado; Depois preenchido. Mesma escala e n por faixa. A linha liga apenas os dois períodos. Sem intervalo por faixa; Effort 9 a 10 tem só 1 PR antes e 2 depois.

Ver os números em tabela
Custo por faixa de esforço, antes e depois
ItemMediana por PR, US$Média por PR, US$n
1 a 4, Antes17,4118,6425
1 a 4, Depois18,8518,266
5 a 6, Antes16,1518,9156
5 a 6, Depois7,049,2216
7 a 8, Antes29,2329,3744
7 a 8, Depois8,7712,1687
9 a 10, Antes29,2429,241
9 a 10, Depois25,8825,882
Fonte: Estudo observacional exclusivo do desenvolvimento do Fuad Next. Eventos até o fim de 14/11/2026 BRT; leitura retrospectiva em 15/11. Preços históricos do medidor, equivalentes à API; não fatura. Valores apresentados com até seis casas decimais; cálculos integrais preservados no acervo.
Método e dados
commit 718b900MetodologiaBaixar JSONBaixar CSV

Nas duas faixas com mais PRs dos dois lados, a mediana caiu: de US$ 16,15 para US$ 7,04 na de 5 a 6 (56 e 16 PRs) e de US$ 29,23 para US$ 8,77 na de 7 a 8 (44 e 87). A de 1 a 4 subiu de US$ 17,41 para US$ 18,85, com só 6 PRs depois, contra 25 antes. A de 9 a 10 tem 1 PR antes e 2 depois, com US$ 29,24 e US$ 25,88, e não sustenta generalização.

Para comparar trabalhos parecidos com um pouco mais de cuidado, cruzei o tipo declarado no título do PR (feat, fix ou outro) com a faixa de Effort e mantive só as combinações com pelo menos 5 PRs em cada período. Sobraram quatro, que cobrem 58 dos 126 PRs anteriores e 77 dos 111 posteriores. Com cada combinação pesando o que pesava no período anterior, o custo médio padronizado cai 54,6%. A conta é parcial e exploratória, sem intervalo, não pareia tarefas iguais e não ajusta tudo o que mudou. Ela reforça o sinal: comparando tipo com tipo e faixa com faixa, a queda observada não some.

O agente trabalhou mais para compensar?

Se o resumo perdesse informação, o agente poderia refazer passos, e isso tenderia a aparecer como mais chamadas, mais ações de ferramenta ou mais tempo por PR, a menos que outras diferenças entre os trabalhos compensassem. Ações de ferramentas e passos lógicos de uma tarefa não são a mesma medida.

O tempo não tem cronômetro por PR. A atividade é estimada pelos eventos de pedido e resposta ao modelo e pelas ferramentas, com prioridade para as durações que as próprias ferramentas registram. Intervalos paralelos dentro do mesmo PR são unidos, e cada lacuna inferida acima de 5 minutos é descartada inteira. O resultado é tempo ativo estimado dos agentes: pode incluir esperas curtas, pode perder trabalho longo que não deixou evento e não mede tempo de pessoa nem o ciclo inteiro do Specsfy.

Nas chamadas por PR, o ponto é -3,8%. As ações foram de 198,3 para 189,3 por PR, -4,5%, e o tempo, de 39,5 para 33,2 minutos, -16,1%, com 126 PRs antes e 110 depois.

Chamadas, ações e tempo: o que mudou?

Variação em relação ao período anterior, %

Chamadas por PR, média-3,8%

IC 95%: -23,4% a 55,4% · inclui zero

Ações por PR, média-4,5%

IC 95%: -24,4% a 55,0% · inclui zero

Atividade por PR, média-16,1%

IC 95%: -34,6% a 38,8% · inclui zero

Pontos: variação observada. Traços: intervalos exploratórios de 95%. Todos cruzam zero; não demonstram ganho nem equivalência. Chamadas e ações: 126/111 PRs. Atividade estimada: 126/110, lacunas inferidas acima de 5 minutos descartadas.

Ver os números em tabela
Chamadas, ações e tempo: o que mudou?
ItemVariação, %Limite inferior, %Limite superior, %PRs antesPRs depois
Chamadas por PR, média-3,8-23,455,4126111
Ações por PR, média-4,5-24,455,0126111
Atividade por PR, média-16,1-34,638,8126110
Fonte: Desenvolvimento do Fuad Next. Uso até 14/11/2026; leitura em 15/11. Custo equivalente à API.
Método e dados
commit 718b900MetodologiaBaixar JSONBaixar CSV

Os três intervalos cruzam o zero e vão mais longe no sentido do aumento: um aumento de até cerca de 55% em chamadas e ações, ou de quase 39% no tempo, ainda cabe na incerteza. Nenhuma das três quedas pontuais pode ser chamada de ganho. Os intervalos também não mostram que o volume ficou igual, porque nenhuma margem de equivalência foi definida, e não incorporam o viés de seleção dos PRs já concluídos. O alcance deles é limitado: os pontos não mostram o aumento de trabalho que anularia a economia, e, na conta do custo por PR, quase toda a diferença aparece no custo por chamada.

A qualidade acompanhou?

Gastar menos por PR só vale se o código continuar bom, e esta é a parte mais fraca dos dados. Há dois sinais, ambos com cobertura parcial. O CI, o conjunto de verificações automáticas da integração contínua, passou no primeiro commit do PR em 27 dos 45 PRs anteriores com registro (60,0%) e em 46 dos 52 posteriores (88,5%); só 45 dos 126 e 52 dos 111 têm esse registro. A revisão automática do Codex registrou, em média, 2,52 achados por PR revisado em 62 PRs antes e 2,32 em 68 depois.

Nos registros disponíveis, os dois sinais andaram no sentido favorável. Com essa cobertura, isso não sustenta melhora, equivalência nem ausência de piora. CI verde no primeiro commit é diferente de entrega aceita. O acompanhamento não usa uma janela comum para revelar problemas tardios, e não há intervalo que respeite a dependência entre PRs. Os registros dos PRs já auditados vêm das leituras anteriores, e os dos 7 novos, da leitura de 15 de novembro, então o conjunto não reconstitui o estado da meia-noite de 14. Reverts não foram consultados nesta leitura, o que não quer dizer zero reverts, e retrabalho não foi medido.

Sinal disponível Antes Depois
CI verde no primeiro commit 27/45 (60,0%) 46/52 (88,5%)
Cobertura de CI 45/126 PRs 52/111 PRs
Achados por PR revisado 2,52 (62 PRs) 2,32 (68 PRs)

O que fica desta comparação

Na coorte observada, os agentes de desenvolvimento do Fuad Next ficaram mais baratos por PR depois da mudança conjunta de contexto e prefixo. O custo médio atribuído caiu 45,5%, com intervalo inteiro abaixo de zero, e 43,8%, em leitura descritiva sem intervalo, nas janelas de exatamente cinco dias. Quase toda a diferença aparece no custo por chamada, e, nas chamadas principais das sessões, a parcela que mais encolheu foi a leitura de cache. A hipótese de que essa mudança reduz o gasto tem sinal favorável nestes dados, e eu manteria a configuração enquanto a investigação continua.

Nas médias de chamadas, ações e tempo, a análise principal não demonstrou mudança em nenhuma direção. A qualidade tem sinais favoráveis e cobertura insuficiente. O efeito isolado do contexto não aparece, porque o prefixo mudou junto, a mistura de Effort mudou e as tarefas não são as mesmas. As compactações deixaram saldo positivo no modelo contrafactual, mas ainda não existe percentual líquido por entrega aceita.

Depois de ver estes números, escolhi o critério da próxima etapa: custo por entrega aceita, com a qualidade mantida. Chamadas e tempo entram como explicação e não precisam cair para haver economia. A proposta, ainda não executada, é rodar as mesmas tarefas do Fuad Next em dois ambientes isolados, a partir do mesmo estado do repositório, variando só a política de contexto. Prefixo, modelo, ferramentas e condições de cache ficam fixos, e a ordem das configurações é sorteada. O custo de cada lado inclui resumos, tentativas que falharam e retrabalho, e se divide pelas entregas aceitas, com o mesmo critério de aceite e o mesmo acompanhamento de qualidade nos dois lados.

Antes da coleta, um piloto confere a medição e estima a variação entre tarefas para dimensionar a amostra. Economia mínima, margem de qualidade, janela de acompanhamento e orçamento ainda precisam ser definidos no protocolo, antes da coleta principal. Estender a observação atual até sete dias completos melhoraria a comparação descritiva, mas sozinha não resolveria a questão da causa.

Dados para conferir a conta

Baixar dados completos, exclusões e conferências (JSON)

Os painéis abaixo exibem comparações adicionais da mesma coleta. O arquivo inclui os valores dos gráficos e também recortes, exclusões e conferências que não cabem na leitura principal.

Comparação principal e cinco dias iguais
Recorte Medida Antes Depois Variação
Principal Custo médio por PR, US$ 22,59 12,31 -45,5%
Principal Custo mediano por PR, US$ 17,55 9,09 -48,2%
Principal Chamadas por PR 186,6 179,5 -3,8%
Principal Ações por PR 198,3 189,3 -4,5%
Principal Custo por chamada, US$ 0,1211 0,0686 -43,3%
Principal Atividade média por PR, min 39,5 33,2 -16,1%
Cinco dias iguais Custo médio por PR, US$ 21,86 12,28 -43,8%
Cinco dias iguais Custo mediano por PR, US$ 18,65 8,93 -52,1%
Cinco dias iguais Chamadas por PR 183,5 178,2 -2,8%
Cinco dias iguais Ações por PR 193,4 187,7 -3,0%
Cinco dias iguais Custo por chamada, US$ 0,1192 0,0689 -42,2%
Cinco dias iguais Atividade média por PR, min 39,3 32,8 -16,7%

Principal: 126/111 PRs; atividade 126/110. Cinco dias iguais: 93/108; atividade 93/107. As variações do recorte igual são descritivas, sem intervalo próprio.

Custos completos por chamada e tamanho do contexto
O que entra na conta Antes, US$ Depois, US$ Variação
Agente principal + resumos / chamadas principais 0,1279 0,0786 -38,6%
Principal + subagentes + resumos / todas as chamadas 0,1233 0,0699 -43,3%
Principal + subagentes + resumos / chamadas principais 0,1317 0,1027 -22,1%
Sessões de desenvolvimento Antes Depois
Sessões 95 48
Chamadas principais 31.241 18.708
Chamadas de subagentes 2.133 8.776
Contexto médio, tokens 454.047 196.545
Compactações observadas 34 207

Os custos desta tabela incluem resumos estimados. São custos por chamada de sessões, não custo líquido por entrega aceita.

Trabalhos comparáveis por tipo e esforço
Tipo do PR Effort n antes n depois Média antes, US$ Média depois, US$
feat 5 a 6 16 7 29,49 14,55
feat 7 a 8 12 41 44,48 17,52
fix 7 a 8 10 24 7,85 7,22
outro 7 a 8 20 5 33,60 14,09

Quatro estratos, pelo menos cinco PRs por lado. Cobrem 58/126 e 77/111 PRs. A variação padronizada de −54,6% usa pesos do período anterior nesse suporte comum. Exploratória, sem intervalo próprio; não é repetição das mesmas tarefas.

Outros recortes e exclusões dos candidatos novos
Duração por lado n antes n depois Média antes, US$ Média depois, US$ Variação
72 h 45 81 22,13 14,00 -36,8%
96 h 77 92 22,46 13,18 -41,3%
120 h 93 108 21,86 12,28 -43,8%

Cada recorte exige abertura e merge dentro da janela; favorece PRs curtos. Sem intervalo próprio.

Exclusão na extensão Candidatos
Abertura posterior ao fechamento 11
Outro modelo 20
Misto 1
Effort inválido 1
Sem Effort 2
Não mesclado no fechamento 2

Estas exclusões são da extensão, não de todos os PRs históricos. Os 11 abertos após o fechamento são referências retrospectivas e nunca entraram nos 111 PRs posteriores.

Recorte e limites do desenho

Como medimos e o que ficou fora

O marco de comparação adotado é 9 de novembro de 2026 às 20h39, horário de Brasília. O período anterior reúne 126 PRs abertos nos sete dias antes do marco e mesclados, com dados congelados em 12 de novembro. O posterior reúne 111 PRs abertos depois do marco e mesclados até a meia-noite entre 14 e 15: 104 já auditados em 14 de novembro, com custo, Effort, vínculos e tempos congelados, e 7 novos que passaram pelos mesmos filtros. Entre os candidatos novos, saíram 11 abertos depois do fechamento, 20 em outro modelo, 1 misto, 1 com Effort inválido, 2 sem Effort e 2 não mesclados. PRs ainda abertos ficaram de fora, o que favorece os rápidos no período curto.

Os eventos de uso dos agentes foram recortados no fim de 14 de novembro, horário de Brasília, e lidos em 15; a conferência não encontrou evento de uso depois desse limite. Os metadados do GitHub dos 7 PRs novos, inclusive CI e revisão, foram consultados em 15 de novembro, e os dos demais vêm de leituras anteriores; o conjunto não é um retrato da meia-noite de 14. Esta edição, de 16 de novembro, usa essas fontes congeladas, sem coleta nova.

Em cada PR, o agente principal rodou no Opus 5.5 em pelo menos 90% das chamadas, sem troca de modelo e seguindo o fluxo do Specsfy; PRs mistos ou parciais saíram. Subagentes podem usar outros modelos, e cada chamada é precificada pelo próprio modelo e tipo de token, com tarifas históricas e o mesmo medidor nos dois períodos. O método pode atribuir a mesma chamada a mais de um PR (46 sessões ligam-se a mais de um PR, e 1 PR a mais de uma sessão), então os custos por PR não se somam como trabalhos independentes. Os custos por PR excluem os resumos de compactação; os custos por chamada de sessão os incluem como estimativa.

Os intervalos por PR vêm de 5.000 reamostragens em que grupos inteiros são sorteados: PRs que compartilham sessão ou spec, inclusive entre os dois períodos, entram ou saem juntos. São 91 grupos, e o maior reúne 66 PRs. Nas medidas de sessão, o sorteio é de sessões inteiras, 2.000 vezes. Os intervalos são exploratórios e condicionais à coorte e às atribuições. Não cobrem a seleção de PRs concluídos, registros ausentes, a mudança no prefixo, diferenças entre tarefas nem erro sistemático da estimativa de tempo, e não há correção para comparações múltiplas. Intervalo que inclui zero indica diferença inconclusiva e, sem margem de equivalência definida, não prova empate.

No tempo de atividade só entram PRs com pelo menos 95% das chamadas localizadas, o que deixou 110 dos 111 posteriores. Com lacunas de 1 minuto, a média vai de 33,2 para 26,1 minutos; com 15, de 41,6 para 34,8. Essas variantes não têm intervalo próprio.

A conta em dois passos aplica primeiro a variação de chamadas e depois a do custo por chamada; arredondadas, as parcelas somam um centavo a mais que a diferença. Os recortes simétricos de 72, 96 e 120 horas exigem abertura e merge dentro de cada janela e são descritivos. Os estratos por tipo e Effort usam os pesos do período anterior no suporte comum. O saldo das compactações vem do medidor congelado, com o mesmo teto contrafactual nos dois períodos.

O consolidado reúne tabelas, exclusões, recortes simétricos, estratos, custos adicionais, balanço das compactações, incertezas e conferências de contas.

Rascunho de agente a partir das fontes listadas; revisado e aprovado por Lucas Fuad

Fontes

  1. Preços da API da Anthropic
  2. Cache de prompt no Claude Code
  3. Como o Claude Code funciona