↔️ Dois eixos diferentes
Cache otimiza o preço por token do contexto. Compactar otimiza quantos tokens você carrega. São dois eixos que não competem no mesmo lugar — e é por isso que você quer os dois.
Compactar = resumir o histórico numa versão menor; no Claude Code, o comando é /compact. Ele não muda o preço por token; ele muda o tamanho do que você reenvia.
Legenda: o cache só desce (preço); a compactação só anda pra esquerda (quantidade). Um não faz o trabalho do outro.
Mexe no preço por token
Mexe na quantidade de tokens
Resume o histórico no Claude Code
Eixos ortogonais, não rivais
💰 Contexto grande cacheado ainda é caro
O desconto do cache engana. Cache barateia por token, mas 400k tokens lidos a 0,1× ainda equivalem a ~40k de input cheio por turno — e isso todo turno, enquanto o contexto ficar desse tamanho.
A conta que assusta
400.000 tokens × 0,1× = 40.000 tokens-equivalentes de input cheio, pagos a cada mensagem. O hit alto (99%) não muda isso: o volume é grande.
× cada turno da conversa = soma que cresce sem parar
Legenda: um décimo de muito continua sendo muito. Cache aperta o preço; não encolhe o contexto.
Leia a soma, não o campo
Se input_tokens mostra pouco mas a conta veio alta, o grosso está em cache_read_input_tokens a 0,1×. É barato por token, mas o total do prompt é a soma dos três campos.
O fator de leitura do cache
400k lido, todo turno
O custo se repete, não some
Barato ≠ pequeno
🧱 O teto do contexto (1M)
Aqui o cache não ajuda. Ele deixa 900k tokens baratos, mas eles ainda ocupam 900k de 1M. Uma hora você não continua a conversa sem compactar ou /clear. O teto é sobre quantidade — e só compactar/limpar libera espaço.
Legenda: barato ≠ pequeno. O limite de 1M conta lugares ocupados, não preço — só compactar abre espaço.
O erro comum
Contar com o cache pra "aguentar" um contexto que só cresce. Ele segura o custo, não o tamanho. Perto do teto, a conversa trava — e aí é /compact ou /clear, não mais cache.
Teto de lugares na janela
Cache não abre espaço
Reduz a ocupação
Zera quando não precisa do histórico
📉 Os números da compactação
Compactar troca um write frio único por turnos muito mais leves. Sem compactar, você paga o contexto grande toda mensagem. Compactando, você paga uma gravação só e todos os turnos seguintes ficam baratos. Veja a conta lado a lado.
| Cenário | Custo inicial (uma vez) | Custo por turno | Payback |
|---|---|---|---|
| Sem compactar 400k no contexto |
— | 400k @ 0,1× ≈ 40k-equiv · pra sempre | nunca melhora |
| Compactando para 20k |
1 write frio 20k @ 1,25× ≈ 25k | 20k @ 0,1× ≈ 2k-equiv · por turno | ~1 turno |
Legenda: o único pico ciano (turno 0) é o write frio da compactação; depois dele, cada turno é ~20× mais leve que a barra roxa.
Dica prática
Pense em turnos à frente: se ainda faltam muitas mensagens, o write frio de 25k se dilui em nada perto de economizar 38k por turno. Se a conversa vai acabar agora, o write frio não compensa.
20k @ 1,25× ≈ 25k, uma vez
Depois de compactar
Payback
Mais leve por turno
🧠 Qualidade e latência
Compactar não é só custo. Contexto inchado espalha a atenção do modelo (o "context rot") — ele erra e enrola mais. E, mesmo lido do cache, 400k levam mais tempo que 20k para o primeiro token (TTFT maior). Compactar melhora precisão e velocidade.
Legenda: menos tokens = atenção concentrada + primeiro token mais rápido. Compactar é ganho de qualidade, não só de conta.
✓ Contexto compacto
- ✓Atenção concentrada no que importa
- ✓Menos "context rot", menos erro
- ✓Primeiro token mais rápido (TTFT menor)
✗ Contexto inchado
- ✗Atenção diluída, respostas que enrolam
- ✗Erros por perder o fio do que importa
- ✗Mais lento mesmo lido do cache
Atenção espalhada em excesso
Tempo até o 1º token
Lido, mas ainda grande
Precisão + velocidade
🎯 Quando compactar / quando NÃO
A régua é simples. Conversa pequena → NÃO compacte: você só perde o cache quente sem ganho (essa intuição está certa). Contexto grande, perto do teto ou com qualidade caindo → compacte: você troca 1 write frio único por turnos muito mais leves.
Legenda: o ramo verde preserva o cache; o ramo roxo aceita 1 write frio pra ganhar em todos os turnos seguintes.
✓ Compacte quando
- ✓O contexto está grande e ainda faltam muitos turnos
- ✓Você está perto do teto de 1M
- ✓A qualidade caiu / o modelo está enrolando
✗ Não compacte quando
- ✗A conversa é curta e o cache já está quente
- ✗Vai acabar logo (não há turnos pra pagar o write frio)
- ✗Por hábito, sem olhar tamanho nem qualidade
Regra de bolso
Compacte pelo estado (tamanho, teto, qualidade), não por relógio. E lembre: cache e compactação trabalham juntos — depois de compactar, o novo contexto pequeno também é cacheado e fica quente de novo.
Preserva o cache quente
Turnos muito mais leves
Não por hábito
Compacto também é cacheado
Resumo do módulo
/clear libera espaço.Próximo módulo
3.2 — Arquitetura pró-cache e auditoria: desenhar o prefixo pra ele nunca invalidar sem querer.