Existem duas formas de rodar o Claude Code sem pagar por token: apontá-lo para modelos no seu próprio hardware ou apontá-lo para o hardware de outra pessoa que, por acaso, é gratuito. Elas falham em direções opostas. A inferência local esbarra em um teto de hardware. A inferência gratuita na nuvem esbarra em um teto de rate limit. Saber qual teto você está prestes a atingir é o jogo inteiro, e a maioria dos guias sobre o assunto nunca menciona nenhum dos dois.
Este post cobre a metade da nuvem: direcionar o Claude Code pelo catálogo de modelos gratuitos do OpenRouter. A configuração leva cerca de dez minutos. O julgamento sobre o que realmente rodar por ele importa mais. Não é um substituto para o Claude pago. É uma ferramenta diferente, com um formato diferente.
Por que o gratuito na nuvem supera o gratuito local em hardware comum
Eu escrevi separadamente sobre o meu teste local de duas semanas com o Ollama, então a versão curta: a memória de um laptop impõe um teto rígido ao tamanho do modelo. Os modelos pequenos o bastante para rodar com folga ficam visivelmente abaixo do que o loop agêntico do Claude Code precisa para trabalho em várias etapas.
O OpenRouter inverte essa restrição. O catálogo gratuito inclui o Nemotron 3 Super da NVIDIA, um modelo mixture-of-experts de 120B parâmetros (12B ativos por token, arquitetura híbrida Mamba-Transformer, lançado em março de 2026). Um modelo desse tamanho está fora do alcance de um laptop típico. Pelo OpenRouter, ele roda em infraestrutura de GPU de verdade.
Esse é o valor real do plano gratuito, e não é “economizar em tokens”. É acesso a uma classe de modelo que o seu hardware não alcança. Se a sua alternativa era um modelo local de 7B, o plano gratuito na nuvem não é uma opção um pouco melhor; é uma opção de outra categoria.
O motivo de ele poder ser gratuito: NVIDIA, Meta e Alibaba lançam modelos open-weight porque a adoção alimenta os negócios reais delas, e o OpenRouter subsidia o acesso gratuito como funil de crescimento. Nenhum desses incentivos vai desaparecer, mas IDs de modelos específicos entram e saem da coleção gratuita, o que importa para a sua configuração mais adiante.
A configuração: três variáveis e um logout
O Claude Code separa o framework do agente do modelo. Leitura de arquivos, execução de shell, loops de planejamento, subagentes — tudo isso é framework, e funciona igual não importa o que responda às chamadas de API. Então redirecionar as chamadas de API é tudo de que você precisa.
Crie uma conta gratuita no OpenRouter, gere uma chave (ela começa com sk-or-v1-) e adicione isto ao perfil do seu shell:
export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_AUTH_TOKEN="sk-or-v1-your-key-here"
export ANTHROPIC_API_KEY=""
export ANTHROPIC_DEFAULT_SONNET_MODEL="nvidia/nemotron-3-super:free"
Depois rode source ~/.zshrc, inicie o claude e execute /status para confirmar o endpoint e o modelo.
Duas dessas linhas merecem explicação, porque são as que as pessoas pulam.
A ANTHROPIC_API_KEY vazia não é enfeite. Se você já autenticou o Claude Code em uma conta real da Anthropic, as credenciais ficam em cache, e quando os dois conjuntos existem o modo de falha nem sempre é um erro. A versão perigosa é aquela em que tudo funciona e as suas requisições vão silenciosamente para a API paga da Anthropic enquanto você acredita estar no plano gratuito. Deixar a chave explicitamente vazia diz ao Claude Code para ignorar as credenciais em cache.
A segunda metade da mesma armadilha é o OAuth. Se você fez login pelo fluxo do navegador, rode /logout dentro do Claude Code uma vez antes de confiar nas env vars, porque o token OAuth em cache pode ter prioridade sobre elas. A verificação com /status depois disso é a única prova que conta. Trate “o /status mostrou o OpenRouter?” como um bloqueio obrigatório: a falha de cobrança silenciosa não produz nenhum sintoma até chegar a fatura.
A variável ANTHROPIC_DEFAULT_SONNET_MODEL mapeia o nível de trabalho padrão do Claude Code para o modelo escolhido. Existem variáveis irmãs para os níveis Opus e Haiku, então você pode mapear cada nível para um backend diferente se quiser que o seletor de modelos continue significando alguma coisa.
Os rate limits são o produto
Esta é a parte que a maioria dos textos erra, às vezes por uma margem grande. Os limites do plano gratuito do OpenRouter, no momento em que escrevo: 20 requisições por minuto e 50 requisições por dia se você nunca comprou créditos. Compre US$ 10 em créditos uma vez — uma vez na vida, não por mês — e o limite diário sobe para 1.000 requisições a modelos gratuitos e permanece assim.
Agora coloque esses números ao lado de como o Claude Code realmente se comporta. Uma ferramenta agêntica é o pior cliente possível para uma API com limite de requisições. Uma “tarefa” não é uma requisição. Um prompt como “adicione uma página de configurações com testes” se desdobra em chamadas de planejamento, leituras de arquivos, chamadas de geração, follow-ups de resultados de ferramentas, execuções de testes e loops de correção — dezenas de requisições de API para uma única unidade de intenção humana. Com 50 requisições por dia, uma única tarefa média pode encerrar o seu dia antes do almoço.
O limite por minuto pega de outro jeito. O loop do Claude Code dispara requisições de follow-up em rajadas rápidas logo depois que os resultados das ferramentas voltam, que é exatamente o padrão que um throttle de 20 por minuto pune. O sintoma é um agente que trabalha em trânsito de anda e para: rajada rápida, travada, rajada rápida. Ele ainda termina, mas o ritmo não tem nada a ver com o fluxo do plano pago.
Então o conselho honesto é direto: o depósito de US$ 10 não é opcional se você pretende usar isso para trabalho de verdade. É um depósito único, reembolsável em espírito, que leva o teto diário de “uma tarefa” para “um dia inteiro de trabalho”.
Qual modelo gratuito fixar, e por que fixar importa
A configuração acima fixa nvidia/nemotron-3-super:free como padrão. O raciocínio é sobre arquitetura, não fanatismo: um MoE de 120B com 12B parâmetros ativos é a melhor resposta atual para “o máximo de capacidade que um plano gratuito consegue servir sem que a economia desmorone”, e a NVIDIA construiu este explicitamente para workloads agênticos. O Qwen3 Coder é o outro modelo gratuito que vale conhecer; se o seu uso é esmagadoramente geração de código, ele é um padrão razoável no lugar.
O que eu evitaria especificamente para o Claude Code é a opção de auto-router que escolhe um modelo gratuito por requisição. Para uma pergunta avulsa no chat, tudo bem. Dentro de um loop de agente, isso significa que etapas consecutivas da mesma tarefa podem ser respondidas por modelos diferentes, com hábitos de formatação diferentes e confiabilidade diferente em tool calling, e o framework não tem como compensar. Loops de agente querem um interlocutor consistente. Fixe um modelo.
Duas notas operacionais. Primeiro, os IDs de modelos gratuitos mudam conforme o OpenRouter rotaciona o catálogo; se o Claude Code de repente começar a dar erros ao iniciar depois de semanas funcionando, verifique a string do modelo antes de depurar qualquer outra coisa. Segundo, se você usa um arquivo CLAUDE.md (deveria), lembre-se de que ele provavelmente foi ajustado para modelos Claude. Modelos menores ou treinados de outra forma seguem instruções longas e cheias de nuance pior; achatar as instruções em passos curtos e explícitos recupera uma quantidade surpreendente de confiabilidade.
O que eu direciono para modelos gratuitos, e o que me recuso a direcionar
Trabalho de cliente e de produção pertence a um plano pago. A configuração gratuita na nuvem conquista o seu lugar em uma faixa específica de trabalho:
- Protótipos descartáveis e spikes. Qualquer coisa que você talvez apague amanhã não merece tokens pagos.
- Boilerplate e scaffolding. Esqueletos de componentes, stubs de arquivos de teste, encanamento de configuração. Pouco raciocínio, muita digitação.
- Tarefas em lote baseadas em template. Transformações repetitivas em que o prompt é enxuto e o modo de falha é óbvio à primeira vista.
- Experimentos com o próprio framework do agente. Testar um novo formato de workflow, uma nova skill, uma nova estrutura de prompt — a iteração é gratuita, então você itera mais.
E a lista de recusas: qualquer coisa sensível em termos de segurança, qualquer coisa que mexa no histórico do Git além de commits simples, e qualquer mudança em codebase grande em que o raciocínio entre arquivos é o trabalho de fato. Modelos gratuitos comportam janelas de contexto grandes fisicamente, mas raciocinam sobre elas visivelmente pior do que os modelos de fronteira, e em uma cadeia de agente uma etapa fraca se acumula — o modelo escreve um arquivo levemente errado, a próxima etapa se apoia nele, e você gasta a sua economia depurando. Eu detalhei a matemática geral de casar o nível do modelo com o valor da tarefa no meu guia de otimização de custos de agentes de IA; a versão de uma linha é que um modelo gratuito que precisa de três tentativas sai mais caro do que um modelo pago que precisa de uma, porque o seu tempo é o denominador.
O benefício menos óbvio é psicológico. Quando cada chamada é medida, você se autocensura: menos execuções exploratórias, menos passadas do tipo “tenta de um segundo jeito”. Com uma via gratuita disponível, os experimentos especulativos de fato acontecem, e alguns deles acabam sendo a resposta certa. Essa mudança de comportamento vale mais do que a economia item a item.
Onde isto se encaixa no cenário de backends gratuitos
O OpenRouter é um dos três backends gratuitos ou baratos para o Claude Code; os outros são o endpoint da própria NVIDIA e o Ollama local, e eu comparo os três no meu texto sobre proxies gratuitos para o Claude Code. O ranking curto para a maioria das pessoas: OpenRouter pela seleção de modelos e pelos limites toleráveis depois do desbloqueio de US$ 10, Ollama local para trabalho restrito por privacidade ou offline, e tudo pago para o trabalho que paga você. Se você ainda está orçando o lado pago, os meus hábitos de gestão de tokens cobrem a outra metade da conta.
Dez minutos de configuração, três variáveis de ambiente, um /logout, uma verificação com /status. Depois de mais de 8 anos construindo para clientes, eu prefiro por padrão uma configuração simples e verificável a proxies engenhosos, e isto é exatamente isso: nenhum middleware para vigiar, e desfazer tudo é apagar quatro linhas.
A próxima decisão depois dessa configuração é a política de roteamento: qual trabalho vai para a via gratuita, qual fica nos modelos pagos e o que impede que os dois troquem de lugar silenciosamente no meio do projeto. Eu desenho essa divisão para equipes, com os limites incluídos, por meio dos meus serviços.
