Por que este artigo existe
Pesquise quanto custa o Claude Code e você recebe a mesma página quarenta vezes: uma tabela com os planos, um parágrafo sobre limites e um veredito que depende do que o autor estava construindo naquela semana. A tabela está correta e é quase inútil. Ela responde quanto você paga para entrar. Não responde por que a sessão de terça pareceu três vezes mais pesada que a de segunda, no mesmo plano, no mesmo repositório.
A segunda pergunta tem uma resposta aritmética, e essa resposta já está na sua máquina. Este texto percorre essa resposta: o que um turno realmente reenvia, qual das quatro linhas da fatura domina e onde o desperdício se esconde no trabalho comum. Vamos manter o produto fora do caminho até o último terço, porque o método se sustenta sem ele — e porque uma análise de custo que só funciona se você comprar alguma coisa não é uma análise.
A única multiplicação que explica a fatura
Um turno é uma ida e volta ao modelo. Tudo o que está na conversa até ali vai junto, a menos que o harness faça compactação ou você comece de novo. É esse o truque inteiro, e é a razão pela qual um arquivo lido uma vez não é pago uma vez. Nossa documentação coloca isso em uma unidade, o token-turn: tokens multiplicados pelo número de turnos em que um conteúdo sobrevive no contexto.
8.000 tokens × 30 turnos = 240.000 token-turn
15.000 tokens × 37 turnos = 555.000 token-turn
Leia isso duas vezes, porque reordena a intuição que a maioria das pessoas traz para o assunto. A ferramenta que escreve menos código não é a que economiza mais. A que remove do contexto o que já foi usado é. Um arquivo de 15k que chega no turno 4 e nunca sai custa mais que o triplo de um arquivo de 8k que chega no turno 1 — e o segundo é justamente o que as pessoas costumam tentar otimizar.
Quatro linhas, não uma: do que a fatura é feita
A fatura da Anthropic divide a entrada em três faixas: entrada nova, escrita de cache e leitura de cache, além da saída. A divisão importa porque as três faixas de entrada não têm o mesmo preço e porque elas se movem em direções opostas conforme a sessão cresce. Leituras de cache custam uma fração do preço base da entrada, o que parece uma pechincha até você lembrar que uma leitura de cache acontece em todo turno. Escritas de cache custam mais que a entrada simples e só se pagam se o bloco for lido de novo antes de o cache expirar.
Esse prazo é a parte que a maioria dos textos sobre preço deixa de fora. Um cache de prompt é um contrato de aluguel com prazo curto, e o medidor reinicia quando ele vence. O cronômetro de cache na demonstração de Utilities existe exatamente para isso: ele mostra um cache quente esfriando depois de alguns minutos ocioso, para você assistir ao momento em que um almoço longo aumenta discretamente o preço do seu próximo turno. As porcentagens mudam com a tabela de preços; o mecanismo não.
Na prática, é por isso que duas sessões com o mesmo número de prompts podem custar de formas muito diferentes. Uma mantém um prefixo estável e permanece quente. A outra edita arquivos no topo do contexto, quebra o prefixo a cada três turnos e paga para escrever o cache de novo toda vez.
Para onde os tokens realmente vão
Cinco categorias respondem pela maior parte do peso evitável em um dia normal de trabalho. Nenhuma delas é exótica. Todas são visíveis no transcript local depois do fato.
1. O contexto que continua sendo relido
Cada mensagem que você envia arrasta a conversa inteira atrás de si. No turno 40, o arquivo que você abriu no turno 3 ainda está embarcando no trem, ainda ocupando um assento, ainda sendo cobrado. A solução de sempre — uma sessão nova — funciona, mas as pessoas escolhem o momento errado: reiniciam quando a conversa parece longa, em vez de quando o custo por rodada cruza o custo de reconstruir o contexto. São pontos diferentes, e só um deles é onde renovar compensa.
2. O arquivo inteiro por causa de uma função
Pedir a um agente que conserte validate() normalmente entrega o auth.ts inteiro. Depois o arquivo todo fica no contexto pelos turnos restantes, a maior parte dele irrelevante. O mesmo desperdício aparece na direção oposta: uma busca que devolve seiscentas linhas correspondentes quando as primeiras vinte bastavam para decidir.
3. Saída de ferramenta que ninguém lê
Uma execução de teste que imprime novecentas linhas, um log de build de um monorepo, o HTML de uma página de documentação buscada para conferir um parâmetro. O transcript guarda tudo isso. O modelo lê tudo isso no turno seguinte, precise ou não.
4. Turnos gastos descobrindo que o código não compila
Uma edição entra, o agente diz que terminou, você pede a próxima coisa, e só então alguém roda o build. Agora há uma ida e volta para descobrir um erro de sintaxe que um compilador teria relatado em dois segundos, mais outra para consertar, mais o custo de ambas permanecerem no contexto. Em uma tarde normal, este é o item mais silencioso dos cinco e, na nossa experiência, o mais irritante de acompanhar.
5. A resposta com preâmbulo
"Ótima pergunta — deixe-me explicar o que vou fazer." Isso custa tokens de saída uma vez e tokens de entrada em todo turno seguinte, porque a resposta agora faz parte do histórico. Multiplique um hábito por quarenta turnos e ele vira uma linha na fatura.
O que o plano muda e o que ele não muda
Os planos do Claude Code são medidos em janelas — blocos de cinco horas e um teto semanal — e essa estrutura é a razão pela qual a conversa sobre preço continua andando em círculos. Um plano maior compra folga a um preço mais alto. Ele não muda o fato de que um arquivo de 15k custa 15k em todo turno, nem torna uma releitura mais barata. Faça upgrade suficientes vezes e o desperdício escala com o plano.
A versão honesta: se o seu trabalho é genuinamente grande, um plano maior é a compra correta. A pergunta que vale fazer primeiro é se o trabalho é grande ou se o contexto é que está pesado. Os dois parecem idênticos de fora e têm correções muito diferentes.
Meça antes de decidir qualquer coisa
A razão pela qual este artigo pode ser específico é que os números são locais. O Claude Code grava transcripts em disco, com uso real de tokens por turno, e uma camada de medição pode lê-los sem enviar nada para lugar nenhum. Nossa frente de Medição existe para isso e é gratuita: o Deep Scan percorre as conversas salvas e decompõe o gasto por origem, o Harness History abre o recibo de cada sessão encerrada, o Inside the Wallet separa entrada nova, leitura de cache, cache escrito e saída por modelo, e o Plan Usage mostra o que cada janela rendeu antes de o limite renovar.
Comece pela sessão mais feia da semana passada, não por uma média. Médias escondem o formato do problema, e o formato é o que você pode usar para agir: um arquivo gigante lido no turno 2, um log no meio, uma resposta que divagou por seiscentos tokens e depois foi relida trinta vezes.
Onde a HarnessUp entra
Esta é a parte em que vendemos algo, então ela vem com o número e o plano que ele exige. A HarnessUp é uma camada local que age pelos hooks oficiais do Claude Code e do Codex — não é proxy, não é servidor MCP, nada que leia seu token ou sua chave. Tem 151 ferramentas em dez frentes, e boa parte da frente de Savings se mapeia um para um nas cinco categorias acima.
O Renew Session marca o turno em que continuar custa mais do que reiniciar e, em um contrafactual medido sobre histórico real, a troca alcançou 73% do contexto pago. O Code Finder devolve o esqueleto de um arquivo grande na primeira leitura e o corpo só sob demanda; o Delta Read recusa o trecho de um arquivo que o agente já viu; o Head Limit limita um grep que devolve uma enciclopédia; o Terminal Guide e o Output Diet guardam o começo, o fim e as linhas de erro de um log longo. O First Pass compila logo depois da edição, para que um build quebrado viaje com o turno seguinte em vez de custar um turno próprio. O Response Diet corta o texto de aquecimento. O Memory State rotaciona o arquivo de contexto em fragmentos imutáveis e mediu 4,27% de contexto com 298 turnos de sobrevivência.
O maior número que temos é menos glamouroso e mais útil: o Build Now, que roda o build no fim de uma mensagem sem gastar um turno de modelo, registrou 2.769 builds e 806,7M de tokens de entrada relidos que não aconteceram. Nenhum desses números é seu. Eles são o que o instrumento mediu nas máquinas que o rodaram, que é a forma honesta de apresentar um contrafactual — e a razão pela qual o painel mostra os seus próprios cortes separados da estimativa.
O que esta análise não promete
Nem todo token em uma sessão é desperdício, e uma ferramenta que afirmasse o contrário estaria mentindo para você de um jeito fácil de verificar. Ler um arquivo de que você precisa não é desperdício. Relê-lo no turno seguinte é um imposto que você paga pela memória do modelo, e parte desse imposto é o preço do trabalho. O ponto da aritmética é mais estreito: separar o que a tarefa exigiu do que o harness tolerou e então decidir por qual dos dois você quer pagar.
Também não promete que uma sessão mais barata seja mais rápida. Comprimir um log ou cortar um preâmbulo muda o que o modelo vê, e há casos em que o detalhe cortado era o detalhe que importava. É por isso que toda ferramenta aqui é reversível e por isso que a camada de medição é gratuita: você deveria poder ver a troca antes de fazê-la.