Devin fica 30–40% mais barato, e Fusion lidera o FrontierCode 1.1 com 68,8 pontos

O Devin ficou bem mais barato. Segundo os desenvolvedores, o preço caiu 30–40% nos modos Fusion e Normal, 15–20% no Ultra e até 70% no Devin Review. A inteligência, segundo eles, foi mantida ou melhorada em todos os modos. O Devin Fusion chegou ao primeiro lugar no FrontierCode 1.1 Extended com 68,8 pontos e gasto médio de $0,60 por tarefa.

Um agente mais barato e um agente mais forte costumam exigir uma escolha entre um e outro. Aqui, os autores afirmam ter conseguido os dois ao mesmo tempo. O número na tabela parece convincente, mas as medições foram publicadas pelo próprio fornecedor, e a comparação inclui o SWE-2, modelo da própria empresa. Vale testar com as suas tarefas.

Modelos: escolha conforme a tarefa

Dois terços da economia vêm dos modelos; o restante vem da engenharia ao redor deles. O Devin não depende de um único provedor e escolhe o modelo de acordo com cada etapa do trabalho. Segundo a descrição da equipe:

• Opus 5.5 e GPT-6 Sol oferecem mais inteligência com boa relação entre custo e qualidade.
• GPT-6 Astra é o que melhor lida com uso de computador (computer use).
• GPT-6 Luna reduz de forma expressiva o custo das tarefas auxiliares.
• SWE-2 é o modelo próprio da equipe.

O Fusion funciona com um par: um modelo principal capaz e um auxiliar mais barato. O Devin Review escolhe modelos separados para analisar diffs, encontrar bugs e categorizar mudanças. Normal e Ultra selecionam os modelos para planejamento, testes, depuração e migrações.

Benchmark: pontuação versus preço

FrontierCode 1.1 Extended, custo médio por tarefa e pontuação:

• Devin Fusion: 68,8 pontos, $0,60.
• Opus 5.5 (high): 65,2, $0,90.
• Fable 5.1 (medium): 63,6, $2,68.
• GPT-6 Astra (high): 63,1, $2,62.
• SWE-2 (high): 60,1, $0,64.
• GPT-6 Sol (high): 59,6, $0,87.

O Fusion supera o Opus 5.5 em 3,6 pontos e custa um terço a menos. Diante do Fable 5.1 e do GPT-6 Astra, é mais de quatro vezes mais barato. Outro ponto chama atenção: o SWE-2 sozinho custa quase o mesmo que o Fusion, mas fica 8,7 pontos atrás. É o par de modelos que traz o ganho de qualidade.

Harness: menos turnos, mais cache

A segunda fonte de economia é o harness, a camada que controla o ciclo do agente. Os novos modelos planejam melhor várias ações de uma vez. Antes, formatação, lint e testes eram executados em três turnos separados. Agora o modelo pode pedir os três em uma única chamada e interpretar os resultados em conjunto. No exemplo ilustrativo da equipe, são 2 turnos em vez de 4 e 49% menos tokens enviados. As chamadas independentes agora rodam em paralelo, e as sequências planejadas são executadas em seguida, sem voltar ao modelo.

A segunda parte está ligada ao cache de prompt. LLMs não guardam estado, então cada requisição do agente carrega todo o histórico: instruções, código, ações anteriores. Se o início da requisição coincide com o da anterior, o provedor reaproveita os cálculos do prefixo comum. Em uma sessão de demonstração com cinco turnos, o processamento feito do zero com cache é de 27K tokens em vez de 93K, ou seja, 71% menos. Esses números também são esquemáticos e arredondados, não uma medição em tarefas reais.

A abordagem tem limitações. O prefixo comum precisa permanecer inalterado, o cache dura pouco e fica preso a um modelo e a um provedor específicos. Por isso, o harness exige um projeto cuidadoso. Em compensação, ele se beneficia do barateamento da leitura de cache: no Opus 5.5, ela custa 60% menos que no Opus 5, e no GPT-6 Sol e no Luna o preço é metade do dos antecessores da linha 5.6. Em sessões longas, com muito histórico, esses descontos se acumulam.

O que as equipes devem fazer

Quem já paga pelo Devin deve refazer as contas do orçamento: as mesmas tarefas agora custam menos, especialmente no Review. Se a revisão automática de pull requests era cara demais, um desconto de até 70% muda a conta. Vale rodar algumas tarefas típicas no seu repositório nos modos Normal e Fusion, comparar o custo final e a proporção de alterações aceitas e só então trocar o modo padrão.

Para quem constrói os próprios agentes, a lição é mais prática. Mantenha um prefixo de requisição estável para que o cache funcione. Deixe o modelo agrupar comandos em uma única chamada. Atribua modelos baratos às etapas auxiliares. A atualização já está disponível em devin.ai.