Claude: o modelo e o esforço certos para não gastar tokens à toa

Token é a unidade que a Claude usa para medir o que lê e o que escreve. No Claude Code, quanto mais contexto a ferramenta precisa processar, mais tokens você gasta. A documentação oficial diz que o custo cresce com o tamanho do contexto. Por isso, pedir uma mudança pequena dentro de uma conversa enorme, num modelo pesado e com esforço alto, pode sair caro sem necessidade.

A lista atual de modelos da Anthropic tem quatro famílias: Fable 5.1, Opus 5.5, Sonnet 5.5 e Haiku 5.5. Segundo a página oficial de modelos, o Haiku serve para tarefas de alto volume e baixa latência, como classificação, extração e roteamento. O Sonnet é descrito como a melhor combinação de velocidade e inteligência. O Opus é indicado para trabalho de programação longo e de conhecimento. O Fable é para raciocínio exigente e trabalho longo, em que o agente atua por muito tempo. A ordem de latência também é a esperada: o Haiku é o mais rápido e o Fable é o mais lento.

A analogia com veículos ajuda a decidir, mas ela é uma regra prática, não uma tabela oficial. Haiku é a moto de entrega, para o serviço pequeno e repetitivo. Sonnet é o carro do dia a dia. Opus é o esportivo, para o problema difícil. Fable é a viagem longa, para o projeto grande. A própria documentação de custos do Claude Code segue essa linha: diz que o Sonnet resolve bem a maior parte das tarefas de programação e que o Opus deve ficar para decisões de arquitetura complexas ou raciocínio em várias etapas. Também aponta o Opus deixado como modelo padrão como causa comum de gasto alto.

Para trocar de modelo dentro de uma sessão, digite /model. Sem argumento, ele abre um seletor. Você também pode escrever o apelido direto, como /model sonnet ou /model opus. Para já começar a sessão com um modelo, use claude --model fable, por exemplo. Os apelidos aceitos incluem fable, opus, sonnet e haiku, além de opusplan, que usa o Opus no modo de planejamento e o Sonnet na execução. No seletor, Enter troca e salva como padrão, e a tecla s troca só para a sessão atual.

O esforço é o segundo botão. Use /effort para abrir um controle deslizante, ou escreva o nível direto, como /effort high. Os níveis são low, medium, high, xhigh e max, e /effort auto limpa o nível salvo. Você também pode iniciar com claude --effort xhigh. O nível max vale só para a sessão atual, a menos que você o defina pela variável CLAUDE_CODE_EFFORT_LEVEL. Nos modelos Opus 5.5, Sonnet 5.5, Haiku 5.5 e nos Fable, o raciocínio não pode ser desligado: o modelo decide quanto pensar, guiado pelo esforço. Por isso baixar o esforço é a forma de gastar menos nas tarefas simples.

A conversa longa pesa mais do que parece. A documentação explica que o Claude Code reenvia o histórico inteiro a cada pedido. Mesmo com o cache, uma pergunta de uma linha numa sessão aberta o dia todo consome por causa de todo o histórico. Dois comandos ajudam. O /clear começa uma conversa nova com contexto vazio e, segundo a documentação, não custa nada; use quando mudar de assunto. O /compact resume a conversa para liberar espaço, e você pode dizer o que preservar, como em /compact Focus on code samples and API usage. Atenção: compactar um contexto grande também é um pedido grande, então o melhor é fazer isso numa pausa natural do trabalho.

O cache de prompt explica por que a conversa não fica cara a cada mensagem. Como o modelo não guarda memória entre pedidos, o Claude Code reenvia todo o contexto. O cache permite à API reaproveitar a parte que não mudou e cobrar a releitura por uma tarifa menor, processando por inteiro só o que é novo. Ele expira depois de um tempo sem uso: a documentação cita duas durações, de cinco minutos e de uma hora, conforme o tipo de conta e a configuração. Voltar depois de uma pausa longa significa reprocessar tudo. Trocar de modelo no meio da conversa também descarta o cache, porque cada modelo tem o seu. A dica oficial é escolher modelo e esforço no começo e deixar o /compact para os intervalos entre tarefas.

Para acompanhar o consumo, use /usage. O /cost e o /stats são apelidos do mesmo comando. Ele mostra o uso da sessão e, em planos Pro, Max, Team e Enterprise, os limites do plano e o que mais pesa no seu uso. Em sessões com cache, mostra também uma linha com a parcela dos tokens lidos do cache. O valor em dólar que aparece é uma estimativa calculada localmente. Para ver o que ocupa o contexto, use /context. Para preços, não use números de post: confira na página oficial de preços da Anthropic.

Em resumo, combine as duas escolhas com a tarefa. Serviço simples e repetitivo pede modelo leve e esforço baixo. Trabalho comum pede o Sonnet. Problema difícil ou projeto longo justifica Opus ou Fable e esforço maior, mas só quando um erro custaria caro. E, a cada assunto novo, limpe a conversa com /clear. Esses hábitos não mudam o resultado do que você pede, só evitam pagar por contexto e raciocínio que a tarefa não exigia.