Claude Token Limits: context rot, não um limite rígido

Claude Token Limits: context rot, não um limite rígido

A conta que finalmente me fez sentar e fazer as contas foi de US$ 73,41 – para uma única tarde de terça-feira de Claude Code. Eu não tinha feito nada incomum. Um ramo de recurso. Algumas edições de arquivos. Alguma depuração. O tipo de sessão que deveria ter me custado oito ou nove dólares.

Abri a análise de custos esperando encontrar um agente em fuga ou um circuito esquecido. O que descobri foi pior. Cada mensagem que enviei naquela tarde releu todo o histórico da conversa. Não resumiu. Não pulei para as partes relevantes. Releia. Na mensagem trinta, o modelo estava processando mais tokens para entender o que já havíamos discutido do que para gerar a próxima resposta.

Foi quando percebi algo que acho que a maioria das pessoas que usam Claude - incluindo muitos desenvolvedores experientes - percebeu completamente o contrário. O “limite de token” do qual as pessoas reclamam não é um limite que a Antrópico impõe para estrangulá-lo. Não é um truque de faturamento. Na verdade, nem sequer é um limite na forma como a maioria de nós pensa sobre limites.

É context rot. E uma vez que você entende o que realmente está acontecendo dentro de uma sessão Claude, as estratégias para corrigi-lo deixam de ser dicas aleatórias que você lê no Twitter e passam a ser um sistema coerente.

Estou executando esse sistema há cerca de oito semanas em quatro projetos diferentes. Meu custo diário médio caiu cerca de 60%. A qualidade da saída aumentou, não diminuiu. E a parte mais contra-intuitiva - a que demorei mais para aceitar - é que quase nenhuma das vitórias veio de "usar menos Claude". Eles vieram do uso do limpador Claude.

Esta é a análise completa. A matemática. A pesquisa. Os comandos de barra exatos que uso, quando os uso e aqueles que tive que desaprender. No final, você será capaz de observar qualquer sessão Claude e dizer, em trinta segundos, se ela está saudável ou prestes a começar a sangrar tokens.

A matemática que ninguém mostra para você

Aqui está o que todo tutorial do Claude dança, mas nunca diz abertamente: toda vez que você envia uma nova mensagem, o modelo reprocessa toda a conversa até aquele ponto. Alerta do sistema. Cada arquivo que você referenciou. Cada chamada de ferramenta. Cada resposta do assistente. Tudo isso, a cada passo.

Isso parece caro. Isso é.

Deixe-me mostrar como realmente é com números realistas. Suponha que cada troca de mensagens (seu prompt + resposta de Claude + qualquer saída de ferramenta) adicione aproximadamente 500 tokens à conversa. Modesto. Razoável. Provavelmente contando sub se você estiver trabalhando com código.

Observe a mensagem 10 versus a mensagem 1. Prompt do mesmo tamanho. Dez vezes o custo. Na mensagem 30, você já queimou mais tokens cumulativos do que os primeiros quinze combinados. Na mensagem 100, o modelo releu a conversa tantas vezes que 98,5% dos tokens processados ​​para aquela sessão foram gastos na re-compreensão do contexto antigo – e não na geração de nova saída.

Este não é um problema Claude. É uma propriedade da arquitetura do transformador. Todo LLM de fronteira funciona dessa maneira. Mas o Claude torna o custo visível de uma forma que a maioria das pessoas não percebe até que a conta chegue.

E é aqui que a situação fica pior – porque o custo não é a única coisa que aumenta.

Qual é a aparência real da context rot

Em 2025, Chroma publicou uma pesquisa que silenciosamente quebrou muitas suposições sobre como os modelos de longo contexto se comportam. Eles testaram 18 LLMs de fronteira – incluindo Claude – em tarefas de recuperação em comprimentos de entrada variados. A sabedoria convencional dizia: janela de contexto maior = melhor desempenho, ponto final.

Os dados diziam outra coisa.

Cada modelo teve um desempenho pior à medida que o comprimento da entrada aumentava. Alguns mantiveram-se estáveis ​​​​com 95% de precisão e depois caíram para cerca de 60% quando a entrada ultrapassou um determinado limite. A queda não foi gradual. Foi um penhasco. E isso não aconteceu no limite da janela de contexto comercializado – aconteceu bem antes, geralmente em torno de 200 mil a 300 mil tokens, mesmo em modelos que anunciavam contexto de 1 milhão.

O mecanismo é algo que os pesquisadores chamam de efeito perdido no meio. A atenção do transformador é em forma de U. O modelo atende bem ao início do contexto (o prompt do sistema, sua configuração inicial) e ao final (sua mensagem mais recente). O meio? Cada vez mais confuso. Um estudo de Stanford de 2023 descobriu que com apenas vinte documentos recuperados – cerca de 4.000 tokens – a precisão nas tarefas de controle de qualidade caiu de 70-75% para 55-60%. E isso antes de você adicionar o histórico de conversas em várias voltas.

Combine isso com a curva de custo que acabamos de ver e você terá uma imagem real do que acontece em uma longa sessão Claude:

• Tokens de 1 a ~50k: o modelo é nítido, preciso e relativamente barato por turno
• Tokens de 50 mil a ~ 200 mil: o custo sobe rapidamente, a precisão começa a mudar, as alucinações surgem
• Tokens 200k+: você está pagando taxas premium por produção degradada

É por isso que "continuar no mesmo chat" é o hábito mais caro que você pode ter com o Claude. Você não está apenas pagando mais – você está pagando mais pelo pior.

A correção não é limitar o quanto você usa Claude. É reconhecer que sua conversa tem uma meia-vida de qualidade e administrá-la deliberadamente. Higiene do contexto, não limitação.

Deixe-me mostrar exatamente como faço isso.

Nove dicas que reduzem pela metade meus custos gerais de Claude

Esses são os hábitos que uso nos aplicativos Claude regulares – claude.ai, mobile, o API. Ainda não é Claude Code. Nós chegaremos lá.

1. Edite e gere novamente em vez de escrever correções de acompanhamento

Este parece óbvio em retrospectiva e eu o perdi por meses. Quando Claude errava algo, meu instinto costumava ser escrever uma mensagem de acompanhamento: "na verdade, eu quis dizer X, não Y". Esse acompanhamento cria dois novos rumos na conversa que serão relidos em cada mensagem futura.

A jogada mais limpa é editar o prompt original e regenerar. Mesmo resultado. Zero peso de contexto adicionado. Se você fizer isso cinco vezes em uma sessão longa, você economizará talvez de 3.000 a 5.000 tokens de sobrecarga permanente – cada mensagem após esse ponto.

2. Agrupe várias solicitações em um único prompt

Três mensagens, cada uma perguntando uma coisa, custam aproximadamente três vezes a sobrecarga de contexto de uma mensagem perguntando três coisas. O modelo é genuinamente bom para lidar com prompts de várias partes. Use isso.

Em vez de:

• "Escreva o endpoint API."
• "Agora escreva o teste."
• "Agora escreva a seção README."

Enviar: "Escreva o endpoint API, o teste correspondente e uma seção README explicando o endpoint. Use títulos H2 para cada um."

Você obterá a mesma qualidade. Uma volta do custo do contexto. Esta é a maior mudança de comportamento que fiz e provavelmente representa um terço das minhas economias.

3. Inicie novos bate-papos a cada 15-20 mensagens

Eu trato de 15 a 20 mensagens como um teto flexível para uma única conversa. Depois disso, tanto o custo quanto a precisão começam a diminuir visivelmente. Quando acerto, faço uma transferência deliberada:

"Resuma tudo o que estabelecemos nesta conversa - o objetivo, as decisões tomadas, os arquivos tocados, os bloqueadores atuais e o que vem a seguir. Formate-o como um resumo que possa colar em uma nova sessão."

Então abro um novo chat e colo esse resumo como a primeira mensagem. Nova sessão, mesmo contexto, fração do peso do token.

4. Escolha o modelo certo para a tarefa

Atualização do Claude — Haiku 4.5, Sonnet 4.6 e Opus 4.7 — não é uma hierarquia "bom, melhor, melhor". É um espectro de velocidade versus profundidade, e usar o Opus para o que o Haiku pode suportar é um poço de dinheiro silencioso.

Uma rubrica aproximada:

• Haiku 4.5 (US$ 1/US$ 5 por milhão de tokens): classificação, roteamento, resumo, pesquisas simples, tarefas de colagem. Qualquer coisa onde você diga "isso é chato, mas não difícil".
• Soneto 4.6 ($3/$15): seu padrão. Código, escrita, análise, raciocínio em várias etapas. De acordo com números de 2026 do BenchLM, o Soneto 4.6 fica a 1,2 pontos do Opus no banco SWE a 60% do custo.
• Opus 4.7 (US$ 5/US$ 25): raciocínio genuinamente difícil, problemas novos, especificações ambíguas, coisas em que você precisa que o modelo pense, não apenas produza.

A maioria das pessoas que acompanho nos compartilhamentos de tela do Discord estão executando o Opus por padrão para tarefas que o Sonnet destruiria. Isso representa um prêmio de 67% para resultados que, em muitos casos, são funcionalmente idênticos.

5. Mantenha o pensamento estendido desligado por padrão

O pensamento estendido gera tokens de raciocínio interno antes que o modelo produza sua saída visível. Útil para problemas difíceis. Caro para todo o resto, porque os tokens de pensamento são cobrados de acordo com as taxas de produção - e a produção é 5x o custo de entrada no Opus e no Sonnet.

Uma resposta com 500 tokens visíveis e 2.000 tokens de pensamento custa aproximadamente 5x o que custaria a mesma resposta sem pensar. Esse é o multiplicador real. Para a maioria das tarefas – elaboração, resumo, refatoração – o pensamento estendido está pagando taxas extras por ganhos marginais de precisão.

Deixo-o desligado e ligo-o deliberadamente quando a tarefa o justifica. Decisões de arquitetura. Depurando bugs estranhos. Qualquer coisa em que uma resposta errada me custe tempo real.

6. Converta arquivos para Markdown antes de fazer upload

Um PDF de 30 páginas pode gerar mais de 40.000 tokens. O mesmo conteúdo do Markdown limpo geralmente cabe entre 8.000 e 12.000. Os PDFs carregam uma enorme quantidade de formatação e peso de metadados que não acrescenta nada ao que o modelo pode extrair. O mesmo para HTML – metade dos tokens são sopa de tags.

Se for fazer referência a um documento repetidamente em uma sessão, eu o converto uma vez com uma ferramenta como pdftotext ou markitdown e carrego a versão Markdown. Na verdade, a precisão aumenta porque o modelo não combate o ruído do layout.

7. Use projetos para armazenar documentos repetidos em cache

Se você estiver acessando a mesma documentação, contexto de base de código ou material de referência em muitas sessões, Projects permite que esse material fique na base de conhecimento do projeto em vez de ser colado novamente em cada chat. A parte armazenada em cache é reinjetada com eficiência. Mesma ideia de armazenamento em cache de prompt no API — as leituras de cache custam aproximadamente 10% do preço de entrada padrão.

Eu tenho um projeto "Contexto de base de código do Mejba" que contém meus padrões de codificação, padrões de arquitetura e algumas dezenas de arquivos de referência. Todo bate-papo relacionado ao código acontece dentro desse projeto. A modelo entra já sabendo como eu trabalho.

8. O truque de redefinição da sessão de 5 horas

As janelas de uso do Claude.ai são redefinidas a cada 5 horas contínuas e o cronômetro inicia na primeira mensagem de uma sessão. Se você acordar às 8h e sua primeira mensagem for uma sessão real de trabalho, a próxima janela de redefinição será iniciada. Se você enviar uma pequena mensagem descartável às 7h – “bom dia” ou qualquer outra coisa – a redefinição muda e você pode incluir duas sessões completas de trabalho em seu dia, em vez de uma.

Pequeno? Talvez. Mas nas semanas em que estou trabalhando duro, ganhei uma janela de trabalho extra mais de uma vez.

9. Trabalhe fora do horário de pico quando puder

A Antrópica, às vezes, restringiu as respostas ou desacelerou a inferência durante os horários de pico. Não tenho dados concretos sobre isso – a Anthropic não os publica – mas o padrão anedótico em minhas próprias sessões é claro. As sessões de manhã cedo e tarde da noite parecem mais rápidas. As sessões do meio-dia no horário comercial dos EUA às vezes parecem lentas.

Se o seu trabalho permitir, agende trabalhos pesados ​​do Claude fora do horário do Pacífico, das 10h às 16h. Na pior das hipóteses, você obtém a mesma velocidade. Na melhor das hipóteses, você termina 20% mais rápido.

Somente essas nove dicas moverão a agulha. Mas se você estiver usando o Claude Code, há um conjunto separado de movimentos que são mais importantes – porque o Claude Code tem um perfil de custo diferente e um conjunto diferente de ferramentas para gerenciá-lo.

Oito dicas Claude Code que são mais importantes do que as gerais

Claude Code é onde os custos de token ficam realmente assustadores se você não os gerencia, porque a área de superfície de contexto é maior. CLAUDE.md é injetado a cada turno. Os esquemas da ferramenta MCP são injetados a cada passo. As leituras de arquivos se acumulam. As chamadas de subagentes retornam sua saída completa para seu contexto principal. A composição é real.

Esses são os oito hábitos que transformaram minhas contas Claude Code de "Eu provavelmente deveria dar uma olhada nisso" em "despesas chatas de fundo".

1. Execute /context antecipadamente - antes de iniciar o trabalho

O comando mais útil, Claude Code, enviado e provavelmente aquele que a maioria das pessoas não usa. /context mostra uma grade colorida do seu uso de contexto atual - o que está carregado, quanto cada peça está consumindo, para onde está indo o orçamento.

Execute-o como a primeira coisa que você faz em uma nova sessão. Não depois de trabalhar por uma hora. A primeira coisa.

O que você encontrará frequentemente é algo assim:

System prompt: 4,200 tokens
CLAUDE.md: 18,400 tokens
MCP tool schemas: 47,300 tokens
Loaded files: 0 tokens
---
Total: 69,900 tokens (35% of 200k context window)

Isso representa 35% do seu orçamento antes de você digitar uma única instrução. Se o seu CLAUDE.md estiver inchado e você tiver quatro servidores MCP carregados, você pode estar entre 22% e 40% antes mesmo de a sessão começar. De acordo com a análise de contexto MCP de Scott Spence, um desenvolvedor mediu apenas suas ferramentas MCP consumindo mais de 66.000 tokens de sobrecarga de contexto.

Saber esse número muda a forma como você trabalha. Você para de se surpreender com notas simbólicas.

2. Desconecte os servidores MCP que você não está usando ativamente

Cada servidor MCP conectado injeta seu esquema de ferramenta completo – cada nome de ferramenta, cada descrição, cada definição de parâmetro – no contexto de cada mensagem. Nem uma vez na inicialização. Todo. Vez.

Se você tiver um servidor MCP com 20 ferramentas e não o estiver usando para a tarefa atual, estará pagando pelo esquema em cada mensagem, independentemente. Desconecte-o. Você pode se reconectar com um comando quando realmente precisar dele. A economia pode ser enorme – facilmente de 15.000 a 40.000 tokens por sessão para alguém com vários servidores carregados.

A equipe da Anthropic tem trabalhado em esquemas de ferramentas de carregamento lento (carregando apenas o esquema de uma ferramenta quando ela é realmente chamada) e, a partir do uso avançado da ferramenta, algum progresso foi feito. Mas a suposição segura, até que você verifique o contrário em sua própria configuração com /context, é que MCP conectado = tokens consumidos.

3. Substitua servidores MCP por CLIs onde você puder

Este demorei um pouco para internalizar. Os servidores MCP são convenientes, mas detalhados. Uma ferramenta CLI que faz a mesma coisa — invocada por meio da ferramenta bash do Claude Code — normalmente usa muito menos contexto, porque você está apenas enviando o comando e analisando a saída, não carregando uma definição de esquema completa.

Substituí três servidores MCP por fluxos de trabalho CLI equivalentes. A economia de tokens foi em média de 35% a 40% por sessão. A desvantagem: um pouco mais de atrito ao invocar a ferramenta, porque Claude precisa construir o comando em vez de chamar uma função digitada. Para mim, essa compensação vale a pena nove em cada dez vezes.

Se você já cobriu o básico, meu guia mais aprofundado para gerenciamento de token Claude Code percorre as trocas específicas de MCP para CLI que mais me renderam.

4. Use /clear entre tarefas não relacionadas

/clear apaga o histórico da conversa e começa do zero. A maioria das pessoas o usa como um botão de “recomeçar” quando algo dá errado. Esse não é o uso de maior valor.

O uso de maior valor está entre tarefas não relacionadas. Você termina de refatorar o módulo de autenticação. A próxima coisa na sua lista é atualizar o README. Não há sobreposição zero. A conversa de autenticação não contribui em nada para a tarefa README - mas seria relida a cada turno do README se você não limpar.

Clique em /clear. Inicie a tarefa README do zero. Você acabou de economizar milhares de tokens de contexto irrelevante, além de redefinir a degradação da precisão perdida no meio que estava prestes a afetá-lo.

5. /compact proativamente com aproximadamente 50% de uso de contexto

/compact resume seu histórico de conversa e substitui a transcrição completa por uma versão condensada. A orientação oficial diz para usá-lo quando o contexto exceder 80%. Eu uso antes – normalmente em torno de 50%.

Por que antes? Porque quando você atinge 80%, você já está na zona de perigo de context rot. A precisão já está à deriva. Compactar a 80% é controle de danos. Compactar a 50% é manutenção.

Você pode passar instruções para /compact para orientar o que ele preserva: /compact focus on the auth module decisions and current test failures. Use isso. O resumo padrão é adequado para a maioria dos casos, mas para sessões complexas, dizer o que manter faz uma diferença real.

Se /compact cometer um erro – descartar algo importante – /resume permite retroceder para um estado de sessão anterior. Não tenha medo de /compact por causa de erros; o caminho de retrocesso é real.

6. Transferência da sessão em aproximadamente 60% — resumo completo, novo começo

Para sessões de trabalho muito longas, /compact nem sempre é suficiente. Chega um ponto em que a conversa acumulou tantas decisões, referências de arquivos e mudanças de contexto que mesmo um resumo não consegue desvendá-la completamente.

Quando atingo aproximadamente 60% de uso em algo complexo, faço uma transferência manual:

"Gere um documento de transferência completo para esta sessão. Inclui: o objetivo, todas as decisões arquitetônicas tomadas, todos os arquivos modificados, estado atual do trabalho, bloqueadores e as próximas 3 a 5 ações. Formate-o como um resumo Markdown que posso colar em uma nova sessão."

Em seguida, salvo esse resumo, executo /clear e colo-o como mensagem de abertura de uma nova sessão. A nova sessão entra com contexto completo com talvez 8.000 tokens de sobrecarga em vez de 120.000.

7. Use subagentes para tarefas pesadas

Os subagentes são executados em janelas de contexto separadas. Se eu enviar um subagente para “pesquisar os padrões de integração do webhook do Stripe e reportar três opções”, toda essa pesquisa – cada página de documento, cada exemplo, cada exploração sem saída – acontecerá no contexto do subagente, não no meu. Eu recebo o resumo. O peso da pesquisa fica fora da minha sessão principal.

Este é um dos maiores desbloqueios que o Claude Code oferece. Para qualquer tarefa que envolva leitura intensa, exploração ou pesquisa antes de produzir um produto final, os subagentes são quase sempre a resposta certa.

8. Configuração limpa: CLAUDE.md abaixo de 200 linhas, settings.json ajustado

A maior sobrecarga constante em qualquer sessão Claude Code é CLAUDE.md. É injetado em cada curva. Se o seu tiver 600 linhas, você estará pagando por essas 600 linhas em cada mensagem de cada sessão pelo restante do projeto.

A análise do Prompt Shelf recomenda manter CLAUDE.md abaixo de 200 linhas. Eu diria que menos de 150 se você conseguir. Cinco regras. Três ponteiros de arquivo. A forma do projeto, não a documentação dele.

Combine isso com um settings.json bem ajustado:

• autocompact_threshold definido para seu gatilho preferido (eu uso 0,65)
• Regras deny para node_modules, .next/cache, dist, build e quaisquer outros diretórios que você nunca deseja que Claude leia no contexto

Somente essa configuração – CLAUDE.md enxuto mais regras de negação agressivas – reduziu minha sobrecarga de sessão de linha de base de cerca de 35.000 tokens para cerca de 9.000.

Esse é o trabalho diário do gerenciamento de custos. Mas há uma camada acima de todas essas táticas que, uma vez adotada, faz com que a maioria delas pareça automática.

Quatro hábitos de colaboração que se agravam com o tempo

As dicas acima são táticas. Esses quatro são estruturais. Eles mudam a forma de como você trabalha com Claude, não apenas os parâmetros.

1. Aponte Claude para uma pasta limpa e dedicada

Isso parece trivial. Não é. Se você apontar Claude Code para a raiz de um monorepo de 40.000 arquivos, mesmo com regras de negação, você estará provocando ruído. Claude irá, ocasionalmente, ler diretórios que você não pretendia. As chamadas de ferramenta retornarão cargas maiores do que o esperado. As pesquisas apresentarão correspondências irrelevantes.

A versão limpa: crie uma pasta de trabalho para a tarefa específica. Link simbólico apenas no que é necessário. Aponte Claude para essa pasta. Agora, cada leitura, cada pesquisa, cada globo está operando em uma superfície focada.

2. Arquivos de memória local: instructions.md + memory.md

CLAUDE.md é global para o projeto. Mas para trabalhos de longa duração, comecei a manter dois arquivos adicionais no diretório de trabalho:

• instructions.md: regras, tom, preferências de formatação, "sempre faça X, nunca faça Y." Atualizado raramente. É assim que gosto de trabalhar.
• memory.md: fatos específicos do projeto, decisões tomadas, estado atual, o que vem a seguir. Atualizado ao final de cada sessão.

No início de cada nova sessão, meu prompt de abertura é aproximadamente: "Leia instruções.md e memória.md e aguarde minha próxima mensagem." Custo total: aproximadamente 2.000–4.000 tokens. O que recebo de volta: um Claude que chega já sabendo o estado do projeto, as convenções e no que estávamos trabalhando pela última vez. Não há reexplicação. Não há necessidade de re-decidir. A memória sobrevive aos limites da sessão.

Esse padrão se compõe. Após três semanas de projeto, seu memory.md está fazendo o trabalho que, de outra forma, levaria uma conversa de 50 mensagens para ser recriado.

3. Transfira a pesquisa para outras ferramentas

Nem tudo que Claude pode fazer é algo que Claude deveria fazer. Pesquisa pesada na web, scraping, comparação de várias fontes – essas tarefas consomem enormes quantidades de contexto para resultados que outras ferramentas produzem de forma mais barata.

Agora eu direciono a maioria dos trabalhos de estilo de pesquisa através do Perplexity ou Gemini e, em seguida, alimento o resultado destilado de volta ao Claude para o trabalho de construção real. Uma sessão de pesquisa de 40.000 tokens torna-se um briefing de 3.000 tokens. Claude concentra-se no que faz de melhor - código, saída estruturada, raciocínio técnico - em vez de mastigar tokens em tarefas onde não é a ferramenta ideal.

Este é um daqueles movimentos que parece herético até você tentar. Então parece óbvio.

4. Codifique tarefas repetíveis como habilidades

Qualquer coisa que eu faça mais de três vezes em sessões diferentes – revisão de código, auditorias de conteúdo, listas de verificação de implantação, revisões de segurança – é codificado como uma habilidade Claude com o processo pré-carregado. A habilidade carrega seu próprio contexto mínimo: as etapas, os padrões, o formato de saída.

Em vez de explicar o processo todas as vezes, eu aciono a habilidade. A habilidade sabe o que fazer. Meu contexto principal permanece leve. Eu obtenho resultados consistentes. E a habilidade continua melhorando – cada sessão que apresenta uma abordagem melhor é incluída na definição de habilidade.

É aqui que o sistema obtém retornos compostos. A primeira vez que você desenvolve uma habilidade, é um investimento de 30 minutos para economias marginais. Na centésima vez que você o usa, você economiza dez minutos e 20.000 tokens por invocação, além de produzir resultados melhores e mais consistentes do que as instruções ad-hoc já produziram.

Conversa real: o que eu errei sobre tudo isso

Quero ser honesto sobre algo. Durante os primeiros seis meses, usei Claude seriamente, tratei tudo isso como contabilidade. Otimização de custos. Beliscar um centavo. O lado chato de usar ferramentas AI.

Esse enquadramento estava errado e me custou dinheiro de verdade e qualidade de saída real antes que eu descobrisse.

A higiene do contexto não é contabilidade. É controle de qualidade. As mesmas táticas que reduziram meus custos – sessões limpas, CLAUDE.md enxuto, /clear agressivo e /compact, subagentes para trabalho pesado – também tornaram o modelo dramaticamente mais preciso. Porque as mesmas condições que aumentam os custos (contexto longo, lixo acumulado, tópicos flutuantes) diminuem a precisão.

Eu tinha isso ao contrário na minha cabeça. Achei que havia uma compensação: gastar mais, obter melhor resultado. O relacionamento real, na minha experiência, é o oposto. Sessões que custavam muito eram quase sempre sessões em que o resultado estava piorando, e eu estava apenas investindo mais fichas no problema tentando compensar.

Agora eu trato uma nota simbólica crescente da mesma forma que um médico trata uma febre - como um sintoma. Algo está errado com a sessão. Compacte-o. Limpe. Entregue isso. A conta cai e a produção aumenta ao mesmo tempo.

Há limites para isso e quero nomeá-los. A higiene do contexto não o salvará se o seu problema for realmente difícil e exigir raciocínio no nível do Opus em uma grande base de código. Algumas sessões são caras porque o trabalho é caro. Isso é bom. O objetivo não é minimizar os gastos – é garantir que, quando você gasta, esteja gastando em sinal, e não em reler ruídos de conversas antigas.

Como será isso em oito semanas

Aqui está o que mudou para mim, concretamente, depois de executar este sistema em quatro projetos durante dois meses.

O gasto médio diário de Claude Code caiu cerca de 60%. Alguns dias mais, outros menos. A variação também caiu – menos dias surpresa de US$ 70.

A duração da sessão em uma única conversa caiu de “até que algo quebre” para “até que /context mostre aproximadamente 50%”. Isso soa como um rebaixamento. Não é. As novas sessões são mais nítidas de ponta a ponta. As antigas sessões longas tiveram um penhasco de qualidade na segunda parte que eu estava apenas absorvendo.

CLAUDE.md em meus projetos diminuiu de uma média de cerca de 400 linhas para menos de 150. Nada importante se perdeu. Muitas coisas que eu considerava importantes acabaram se tornando um lixo que eu estava pagando para injetar a cada passo.

O número de servidores MCP que mantenho conectados por padrão passou de seis para dois. Os outros quatro são conectados sob demanda para tarefas específicas e desconectados quando a tarefa termina.

E a parte que eu realmente não esperava: o trabalho que produzo no Claude Code é visivelmente melhor. Código mais limpo. Menos alucinações. Decisões arquitetônicas mais focadas. Não porque o modelo melhorou – Sonnet 4.6 e Opus 4.7 são os mesmos modelos que eu usava antes. Porque as sessões melhoraram. Menos context rot. Menos desvio no meio da janela. Mais sinal, menos ruído.

Essa é a parte que quero deixar para vocês. Os limites de token não são um orçamento sob o qual você precisa viver. Eles são um sinal de qualidade que você deve ouvir. Quando a conta sobe, o modelo está lhe dizendo algo: que a sessão ultrapassou sua vida útil, que o contexto acumulou mais do que pode suportar de forma limpa, que é hora de uma reinicialização completa.

Ouça. Compactar. Claro. Não interferir. Comece do zero.

O custo diminui. A saída aumenta. E eventualmente, depois de ciclos suficientes, você para de pensar nisso como “gerenciamento de tokens”. Você pensa nisso apenas - trabalhar bem com Claude.

Perguntas frequentes

Por que Claude relê toda a conversa em cada mensagem?

LLMs baseados em transformadores processam a janela de contexto completa em cada chamada de inferência – não há memória interna de turnos anteriores da mesma forma que os humanos lembram das conversas. Cada nova mensagem reprocessa o prompt do sistema, todos os turnos anteriores e quaisquer arquivos carregados como uma única entrada. Esta é uma propriedade arquitetônica, não uma opção de design específica do Claude. Para a matemática completa do token, consulte "A matemática que ninguém mostra" acima.

Qual é a diferença entre /clear e /compact em Claude Code?

/clear limpa completamente o histórico de conversas e começa do zero – use-o entre tarefas não relacionadas. /compact resume o histórico existente em uma versão condensada, preservando os principais fatos – use-o proativamente com cerca de 50% de uso do contexto para estender uma sessão produtiva. Ambos estão documentados na referência de comandos Claude Code.

Vale a pena usar a janela de contexto do token de 1 milhão em Claude Code?

Às vezes, mas raramente como padrão. A pesquisa sobre context rot mostra uma degradação da precisão bem antes do limite de 1 milhão – geralmente em torno de 200 mil a 300 mil tokens, mesmo em modelos que anunciam o contexto de 1 milhão. Use a janela maior para entradas genuinamente grandes (bases de código completas, documentos longos), mas espere que a qualidade caia no meio do contexto. Para a maioria das sessões de trabalho, um contexto limpo de 50k supera um contexto extenso de 800k.

Devo sempre usar o Opus 4.7 para codificação?

O Sonnet 4.6 fica dentro de aproximadamente 1,2 pontos de bancada SWE do Opus a 60% do custo, de acordo com benchLM's 2026 benchmarks. Use o Sonnet como padrão e reserve o Opus para raciocínios genuinamente difíceis – problemas novos, especificações ambíguas, depuração complexa. A maioria das tarefas de codificação não precisa de profundidade no nível do Opus.

Como verifico quantos tokens minha sessão Claude Code está usando?

Execute /context em Claude Code. Ele exibe uma grade colorida do uso do contexto atual, dividido por prompt do sistema, CLAUDE.md, esquemas de ferramentas MCP e arquivos carregados. Execute-o como a primeira coisa que você faz em uma sessão – não depois de uma hora de trabalho. Conhecer suas despesas gerais iniciais muda a forma como você trabalha.

Vamos trabalhar juntos

Procurando construir sistemas AI, automatizar fluxos de trabalho ou dimensionar sua infraestrutura tecnológica? Eu adoraria ajudar.

• Fiverr (compilações e integrações personalizadas): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e marca): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io