Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Agente Skein apaga etapas antigas do contexto: 97% de execuções bem-sucedidas, mas mais caro que o OpenCode

Agentes de código como o Claude Code acumulam toda a conversa com o modelo, e uma fila longa fica mais cara e dispersa a atenção. O agente Skein apaga as etapas concluídas e deixa só um resumo curto. Em 13 tarefas do Terminal Bench (65 execuções), ele resolveu 63 casos, ou 97%, e o OpenCode resolveu 65, mas o Skein custa mais: 0,70 contra 0,47 ₽. Apagar contexto vale a pena em tarefas longas de pesquisa; nas curtas, o cache leva vantagem.

Processado por IA de Habr AI; editado por Hamidun News
Agente Skein apaga etapas antigas do contexto: 97% de execuções bem-sucedidas, mas mais caro que o OpenCode
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O cache do provedor é 50 vezes mais barato que a entrada, e apagar trechos da fila o quebra
O Skein faz 14 turnos contra 9 do OpenCodeas transições também custam tokens
Dado-chave #3O modo de hipóteses reduziu a entrada nova de 34,5k para 19,6k tokens em 7 tarefas

Imagine trabalhar o dia inteiro em um bug sem jogar fora nenhum bilhete: na mesa ficam todos os rascunhos, logs e palpites que não deram certo. É mais ou menos assim que funcionam os agentes de código atuais, do Claude Code ao Cursor. O modelo chama uma ferramenta, o agente executa a chamada, o resultado é anexado ao fim da conversa, e toda a fila volta para o modelo.

O contexto só cresce. Isso é conveniente para o cache, mas uma fila longa tem dois problemas conhecidos: a janela do modelo é finita, e a atenção ao meio de um texto longo enfraquece. O desenvolvedor do Skein, no Habr, tentou contornar isso de outro jeito: em vez de cortar o início ou resumir tudo indiscriminadamente, apagar blocos inteiros de trabalho já concluído.

O resultado é ambíguo: das 65 execuções de teste, o agente resolveu 63 (97%), enquanto o concorrente OpenCode, com a fila convencional, resolveu as 65 e saiu mais barato.

Como funciona a «sanfona»

No Skein, cada turno é registrado em um diário: mensagem do modelo, chamada de ferramenta, resultado. Antes de acionar o modelo, uma função específica monta a fila a partir do diário, e parte dos eventos não entra nela. Por isso o tamanho do contexto ora cresce, ora encolhe. O autor compara isso a uma sanfona, que em um agente comum só é esticada.

A primeira variante funciona por estados, ou seja, fases do desenvolvimento: Patch (corrigir o bug), Verification (verificar a correção), Research (pesquisar), Construction (escrever do zero) e End. Cada estado é um pequeno agente com prompt, objetivo e critério de parada próprios. Quando o modelo decide que o objetivo foi atingido, a fila do estado é removida.

Ficam duas mensagens de serviço, «Start state» e «Finish state», e o resumo que o próprio modelo escreveu. As transições entre estados seguem uma tabela fixa, por meio da ferramenta move. Por exemplo, depois de Patch é possível ir para Verification ou Research, e, após uma verificação malsucedida, voltar para Patch.

As ferramentas também mudam conforme a fase: antes do início só move está disponível, e dentro do estado, apenas as de trabalho.

A segunda variante é baseada em hipóteses. O autor se apoiou nas ideias do lógico Charles Peirce sobre abdução, isto é, a construção de uma explicação para um fato observado. O próprio modelo formula a hipótese e o critério de parada, a testa com ferramentas e devolve um JSON com observações, um resumo curto e um veredito: confirmada, refutada ou descartada por limite de turnos. A fila da hipótese é então apagada. As hipóteses podem ser aninhadas (identificadores como H1.2.3). Para ler os resultados salvos há as ferramentas recall e search, e no máximo 8K caracteres entram na fila de uma vez.

O que os testes mostraram

O autor pegou 13 tarefas do Terminal Bench, um conjunto de tarefas para agentes de terminal (recuperação de git, expressões regulares, OpenSSL, correção de vulnerabilidade no bottle.py, bug no coletor de lixo do OCaml, COBOL e outras), e executou cada uma 5 vezes. Foi usado um único modelo, o DeepSeek V4.1 Flash, e o rival foi o OpenCode de primeira versão, com a fila monotônica clássica.

Com rede ativada, o Skein por estados resolveu 63 das 65 execuções, e o OpenCode resolveu as 65. Sem rede, o Skein fez 60 de 60, e o OpenCode resolveu 58 de 60. Em qualidade, o autor considera a diferença indistinguível. Já no preço, o Skein perde. Ele faz em média 14 turnos contra 9, com 22,1k contra 10,4k tokens de texto novo de entrada e taxa de cache de 86,7% contra 95,3%. O custo ficou em cerca de 0,70 ₽ contra 0,47 ₽ com rede e 1,00 ₽ contra 0,44 ₽ sem ela.

A causa está na economia dos tokens. No provedor usado pelo autor, o cache é 50 vezes mais barato que a entrada normal. O cache só funciona se o texto coincidir letra por letra. Uma fila monotônica é cacheada quase por completo, mas, quando o Skein apaga um trecho do meio, o texto depois desse ponto muda e o cache deixa de valer ali. Além disso, as transições e a abertura de hipóteses são turnos separados. O autor observa que o Skein pode gastar menos tokens no total, mas o cache ainda assim dá a vitória ao OpenCode.

Os dois modos do Skein foram comparados entre si em 7 tarefas. Os estados resolveram 35 de 35 com rede, e as hipóteses, 34 de 35. As hipóteses gastaram menos entrada nova (19,6k contra 34,5k tokens), mas fizeram mais turnos (20 contra 17). O ganho financeiro dependeu das condições: com rede, as hipóteses custaram 1,88 ₽ contra 2,42 ₽; sem rede, foi o contrário, 1,98 ₽ contra 1,61 ₽.

Limitações e conclusão prática

Os resultados devem ser lidos com cautela. O teste é pequeno, o modelo é um só, e no provedor ele roda sob diferentes subcontratados com quantização variada, chegando a 4 bits, o que adiciona ruído ao raciocínio. As tarefas são em sua maioria fáceis demais e, segundo o autor, a densidade dos resultados não permite avaliar a eficácia da abordagem. Todas as falhas se deveram ao limite de turnos. O agente observador, que deveria vigiar estados longos demais, ainda não está pronto.

Para quem constrói seus próprios agentes, há três lições. Primeiro, vale montar o contexto a partir de um diário de eventos, e não apenas anexar texto: assim fica mais fácil experimentar com projeções. Segundo, apagar trechos da fila precisa ser contabilizado junto com o custo do cache: em tarefas curtas, essa estratégia perde. Terceiro, o autor vê aplicação para o Skein, sobretudo no modo de hipóteses, em tarefas de pesquisa com raciocínio longo, nas quais as transições extras se pagam. Por ora, essa é uma avaliação dele, e não o resultado de uma verificação.

História

Perguntas frequentes sobre a notícia

Como funciona a «sanfona»?

No Skein, cada turno é registrado em um diário: mensagem do modelo, chamada de ferramenta, resultado. Antes de acionar o modelo, uma função específica monta a fila a partir do diário, e parte dos eventos não entra nela. Por isso o tamanho do contexto ora cresce, ora encolhe. O autor compara isso a uma sanfona, que em um agente comum só é esticada.

O que os testes mostraram?

O autor pegou 13 tarefas do Terminal Bench, um conjunto de tarefas para agentes de terminal (recuperação de git, expressões regulares, OpenSSL, correção de vulnerabilidade no bottle.py, bug no coletor de lixo do OCaml, COBOL e outras), e executou cada uma 5 vezes. Foi usado um único modelo, o DeepSeek V4.1 Flash, e o rival foi o OpenCode de primeira versão, com a fila monotônica clássica. Com rede ativada, o Skein por estados resolveu 63 das 65 execuções, e o OpenCode resolveu as 65.

O que se sabe sobre Limitações e conclusão prática?

Os resultados devem ser lidos com cautela. O teste é pequeno, o modelo é um só, e no provedor ele roda sob diferentes subcontratados com quantização variada, chegando a 4 bits, o que adiciona ruído ao raciocínio. As tarefas são em sua maioria fáceis demais e, segundo o autor, a densidade dos resultados não permite avaliar a eficácia da abordagem. Todas as falhas se deveram ao limite de turnos. O agente observador, que deveria vigiar estados longos demais, ainda não está pronto.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

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.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…