Microsoft ensinou o Claude Code a lembrar de sessões anteriores: custo das tarefas cai 23,6%
O Claude Code descobre de novo, a cada sessão, como rodar os testes no seu repositório, e paga por isso em tokens. A Microsoft Research criou o TokenEconomizer, que guarda fatos verificados e os carrega no início, como uma cola. Nas 277 tarefas do SWE-Bench (bugs reais de projetos abertos), o custo caiu entre 18,4% e 30,9%, com média de 23,6%. Para execuções diárias do agente, vale testar essa memória no seu próprio código.
Processado por IA de X: @plusxbt; editado por Hamidun News
Imagine um novo funcionário que chega ao trabalho todas as manhãs com a cabeça vazia. Ele pergunta de novo como os testes são executados, onde fica a configuração e qual comando de build funciona. É exatamente assim que se comporta o Claude Code, o agente de IA da Anthropic para programação: a cada sessão ele estuda o seu repositório do zero, e cada token lido (unidade de texto pela qual se paga) custa dinheiro.
Pesquisadores da Microsoft Research criaram o TokenEconomizer, uma ferramenta que dá ao agente uma "cola" com fatos verificados sobre o projeto. Em 277 tarefas do SWE-Bench (conjunto de bugs reais de repositórios abertos no GitHub), o custo para resolvê-las caiu entre 18,4% e 30,9% em cinco configurações diferentes. No título do post, o autor cita a média de 23,6%.
Nas últimas semanas, surgiram ainda seis pequenos repositórios em torno da ideia. Todos os números foram retirados do post no X e das descrições dos projetos; não os verificamos de forma independente.
Como o TokenEconomizer economiza dinheiro
A ferramenta extrai das sessões anteriores fatos sobre o projeto: como rodar os testes, onde está cada coisa, quais comandos funcionam. No início de uma nova sessão, ela carrega esses fatos para o agente, que deixa de gastar tokens reaprendendo o repositório. Para que a memória não se encha de conclusões aleatórias, um fato só entra nela depois que três sessões o confirmam. Se uma nova sessão mostrar o contrário, o fato é removido.
Segundo o autor do post, o TokenEconomizer foi mais barato em todas as 30 células da tabela de testes, ou seja, em todas as comparações de pares "configuração e conjunto de tarefas". Para quem usa a ferramenta no dia a dia, isso importa mais do que um número isolado: o efeito não depende de uma combinação de modelo e configurações que tenha dado certo por acaso.
Seis repositórios lado a lado
O autor do post reuniu outros seis projetos. Cada um cobre uma lacuna específica na memória e no contexto do agente:
- loom, da ClickHouse. Servidor MCP self-hosted (MCP é o protocolo pelo qual o agente conecta ferramentas externas): o que um agente aprendeu pode ser encontrado por outro. Um plugin para o Claude Code carrega o contexto no início e registra cada sessão.
- nomore (
npx @globalmpc/nomore). Identifica instruções repetidas em pelo menos duas sessões e as transforma em regras para o arquivo CLAUDE.md, onde ficam as instruções permanentes do agente. Essas regras sobrevivem à compactação do contexto. - stalemap. Procura dependências que mudaram após a data até a qual o modelo foi treinado. Antes de iniciar o agente, grava no CLAUDE.md uma lista ranqueada das mudanças, para que o modelo não escreva código baseado em uma API desatualizada.
- landmines. Compara o lockfile (arquivo com as versões exatas das bibliotecas) com as issues abertas no GitHub. Se uma alteração cai em um problema conhecido, o agente para uma vez e adota o contorno descrito na discussão.
- Rulebook. Lista todos os arquivos CLAUDE.md e AGENTS.md dos seus projetos e destaca os que divergem entre si. Requer macOS 14 ou mais recente.
- Subagentes leves (repositório mdalexandre). Tarefas pequenas são direcionadas a agentes que dispensam CLAUDE.md, a lista de skills e as ferramentas MCP. Um subagente assim começa com cerca de 7,4 mil tokens, em vez de 131,1 mil.
Esse último item é revelador. Quando a inicialização consome 131 mil tokens, uma correção pequena em um único arquivo deixa de compensar. A diferença de quase 18 vezes no contexto inicial pesa mais na conta quando muitos agentes são executados.
O que fazer com isso e quais são as ressalvas
Para equipes que usam o Claude Code diariamente, a conclusão é prática. A memória do agente deve ser tratada como parte da infraestrutura de engenharia: ela precisa de regras para a entrada de fatos, prazo de validade e um jeito de corrigir erros. Um bom começo é o nomore, para tirar as instruções repetidas e colocá-las no CLAUDE.md. Em seguida, vale verificar dependências com o stalemap e o landmines. Se as execuções forem muitas, teste o TokenEconomizer no seu repositório e compare o custo antes e depois.
As ressalvas são relevantes. Todos os sete repositórios têm menos de seis semanas de existência, então maturidade e suporte precisam ser avaliados separadamente. O SWE-Bench é formado por tarefas de repositórios abertos, e em código corporativo fechado o efeito pode ser outro. A média de 23,6% não deve ser prometida como economia garantida: a faixa entre as configurações é mais ampla do que um único número. Por fim, qualquer memória automática pode fixar uma conclusão errada, por isso a regra das "três confirmações" deve ser testada na prática, e não aceita no escuro.
A tendência, porém, é clara. A disputa entre agentes para programação está deixando de ser sobre o tamanho do modelo e passando a ser sobre como o contexto é entregue com cuidado e a que custo.
- 21 de nov. de 2026Anthropic cortou em 20% o preço do Claude Fable 5.2, e no teste de código ele quase empata com o Opus 5.5
- 21 de nov. de 2026Califórnia processa OpenAI: seus agentes de IA saíram do controle ao menos 80 vezes
- 21 de nov. de 2026Dreamteam capta US$ 53 milhões para um CRM que se preenche sozinho a partir de e-mails e ligações
- 21 de nov. de 2026Claude Opus 5.5 completa o horror Dimension 9 a partir de 15 salas criadas pelo autor
Perguntas frequentes sobre a notícia
Como o TokenEconomizer economiza dinheiro?
A ferramenta extrai das sessões anteriores fatos sobre o projeto: como rodar os testes, onde está cada coisa, quais comandos funcionam. No início de uma nova sessão, ela carrega esses fatos para o agente, que deixa de gastar tokens reaprendendo o repositório. Para que a memória não se encha de conclusões aleatórias, um fato só entra nela depois que três sessões o confirmam. Se uma nova sessão mostrar o contrário, o fato é removido.
O que se sabe sobre Seis repositórios lado a lado?
O autor do post reuniu outros seis projetos. Cada um cobre uma lacuna específica na memória e no contexto do agente: loom, da ClickHouse. Servidor MCP self-hosted (MCP é o protocolo pelo qual o agente conecta ferramentas externas): o que um agente aprendeu pode ser encontrado por outro. Um plugin para o Claude Code carrega o contexto no início e registra cada sessão. nomore (npx @globalmpc/nomore).
O que fazer com isso e quais são as ressalvas?
Para equipes que usam o Claude Code diariamente, a conclusão é prática. A memória do agente deve ser tratada como parte da infraestrutura de engenharia: ela precisa de regras para a entrada de fatos, prazo de validade e um jeito de corrigir erros. Um bom começo é o nomore, para tirar as instruções repetidas e colocá-las no CLAUDE.md. Em seguida, vale verificar dependências com o stalemap e o landmines. Se as execuções forem muitas, teste o TokenEconomizer no seu repositório e compare o custo antes e depois.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.