Para onde vão os tokens no Claude Code: 9 padrões de perda e como corrigi-los em 2026

Numa sessão nova do Claude Code, o /context mostrava 60 mil tokens ocupados em 200 mil antes da primeira mensagem. No repositório do projeto, só tinha sido iniciado o claude. Sessenta mil tokens — um terço do orçamento gasto a “preparar” a conversa.

Duas semanas depois, percebi exatamente para onde tinham ido. Seguem-se os 9 padrões que consomem os seus tokens antes sequer de começar a escrever, e como corrigi-los. Os números vêm da documentação oficial da Anthropic e de medições de sessões reais.

O que significa «73% dos tokens perdem-se antes do pedido»?#

Aqui estão os 9 padrões numa tabela, com números de medições de sessões reais e da página oficial da Anthropic sobre gestão de custos.

Não vou afirmar que o número «73» é inabalável — pode ser 60% ou 80%, consoante a configuração. Mas o quadro geral está certo e cada padrão pode ser corrigido individualmente. Vou abordar três de cada vez.

Como cria o Claude o contexto antes de ler o seu pedido?#

Na discussão da issue do GitHub #13717, alguém abriu /context numa sessão com seis servidores MCP e obteve esta discriminação:

Repare: mesmo que ainda não tenha escrito nada, quase metade da janela está ocupada. Menos de metade fica livre e para a reserva de compactação automática, e essa parte tem de acomodar toda a conversa — mensagens, respostas do Claude, ficheiros lidos e resultados de comandos.

O tamanho da janela depende do modelo. De acordo com a documentação dos modelos da Anthropic, em setembro de 2026 os modelos Opus 4.7 e posteriores, Sonnet 5 e Fable têm uma janela de 1M de tokens em todos os planos, incluindo o Pro. Os 200K continuam disponíveis para Opus 4.6 e Sonnet 4.6 sem contexto alargado e para sessões em que 1M está desativado com a variável CLAUDE_CODE_DISABLE_1M_CONTEXT=1. Uma janela maior não resolve o problema de um contexto excessivamente carregado: tudo o que é carregado antes da primeira mensagem é enviado ao modelo em cada pedido, e a documentação de custos afirma explicitamente que quanto mais contexto houver, mais tokens são gastos. Uma subscrição não altera isso — em qualquer plano, cada token adicional conta para o seu limite.

Para onde vai o primeiro terço do contexto: CLAUDE.md, histórico e MCP?#

Padrão 1. CLAUDE.md antes de cada mensagem

O ficheiro é carregado antes de cada mensagem que envia, e não apenas uma vez por sessão. Um CLAUDE.md de 5 000 tokens ocupa esse espaço nos pedidos que o incluem, mas é preciso contabilizar separadamente entrada nova, escrita e leitura da cache; o conteúdo repetido não é necessariamente cobrado à tarifa completa sem cache.

A Anthropic afirma diretamente na documentação:

Num exemplo, o CLAUDE.md do projeto tem 180 linhas — todas as instruções especializadas (como escrever instruções para workshops, o formato das publicações no TG e a lista de verificação jurídica) foram transferidas para Skills e ficheiros Markdown dentro de business/, que o Claude só lê quando consulta especificamente essa pasta. Isto reduziu a base em 60–70% face a dois meses antes.

Padrão 2. O histórico da conversa é relido em cada resposta

Este é o padrão menos visível do exterior, porque não se vê. O modelo recebe o contexto retido da conversa nos pedidos seguintes. A cache de prompts pode reutilizar um prefixo estável; compactar ou limpar pode alterar o texto retido. O contexto fornecido repetidamente continua a ocupar a janela, mesmo quando o preço da cache reduz o custo.

A solução é usar /clear entre tarefas sem relação. A minha regra: um chat novo para cada tarefa nova. Se a tarefa for longa e precisar do histórico, use /compact para resumir o passado num resumo curto e continue a partir daí.

Leia mais sobre esta regra no guia «Como não esgotar os limites do Claude Code num dia: 8 regras para poupar tokens», com exemplos das minhas sessões.

Padrão 3. Os servidores MCP registam todas as suas ferramentas no contexto

Este foi um problema histórico do Claude Code, responsável pelas maiores perdas até 2026. Na já referida issue #13717, seis servidores MCP ligados (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) ocupavam 98 700 tokens — 49% de toda a janela antes de a conversa começar.

A Anthropic lançou a funcionalidade Tool Search entre dezembro de 2025 e janeiro de 2026, que resolve metade deste problema.

A descrição na documentação da Anthropic diz agora:

O que fazer em produção:

1. Atualize o Claude Code para uma versão com Tool Search (todas as versões atuais posteriores a dezembro de 2025).
2. Abra /mcp e desative os servidores de que não precisa na sessão atual. No exemplo descrito, há dois ligados permanentemente — Playwright e shadcn. Ativo os outros para uma tarefa e, logo depois, executo /mcp disconnect.
3. Substitua MCP por CLI sempre que possível. Use gh em vez de um servidor MCP para o GitHub. Use o calendário num browser em vez do Google Calendar MCP.

Expliquei o que são os servidores MCP em princípio e como configurá-los de forma sensata em «Servidores MCP do Claude Code em 2026: 7 configurações prontas e instalação passo a passo».

Parte do problema do CLAUDE.md e das Skills não está apenas no tamanho, mas também na estrutura. Um ficheiro de instruções (CLAUDE.md) constitui o núcleo. O conhecimento adicional sobre o projeto (público, produtos, documentos jurídicos e instruções para cada dia) fica na pasta business/ — o Segundo Cérebro da minha metodologia. O Claude lê apenas o que é necessário naquele momento, e a compressão do contexto já ocorre a este nível. A análise completa está em «O Segundo Cérebro no Claude Code».

E mais um pormenor frequentemente ignorado: limpar o CLAUDE.md, passar a usar Skills e desativar MCP são o primeiro passo. Depois entra em cena a metodologia de engenharia de contexto — o que incluir em cada pedido, em que ordem, o que delegar através do Plan Mode e o que tratar com /compact. Este guia aborda um dos componentes.

O que se acumula numa sessão e o que não pode ser reduzido?#

Padrão 4. Os resultados das ferramentas acumulam-se durante a sessão

Um pormenor que poucos mencionam: quando o Claude executa bash cat huge-file.log, o resultado INTEIRO desse comando entra no contexto e permanece lá até ao fim da sessão ou até executar /clear. O mesmo acontece com Read num ficheiro grande — as 10 000 linhas ficam lá, a ocupar tokens em todas as mensagens seguintes (ver Padrão 2).

Soluções:

1. Use head, tail, grep em vez de ler tudo. Use bash tail -100 deploy.log em vez de Read deploy.log. Isto reduz imediatamente o resultado entre 10 e 100 vezes.
2. Hooks para pré-processamento. Coloque um script em ~/.claude/hooks para filtrar os resultados de bash antes de o Claude os ver. Um exemplo da documentação da Anthropic é um hook PreToolUse que executa npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR' em vez de apresentar o resultado completo dos testes. Comprime-o entre 50 e 100 vezes. Os detalhes estão em «Hooks do Claude Code em 2026: configuração passo a passo e 7 exemplos prontos».
3. Use /clear depois de uma leitura extensa. Se leu um ficheiro enorme para uma tarefa específica e já não precisa dele, não o deixe no contexto «por precaução»; comece um chat novo.

Padrão 5. Prompt de sistema + ferramentas de sistema = base permanente

Este padrão não pode ser alterado porque há muito pouco que possa fazer em relação a ele. O Claude Code começa com um prompt de sistema (cerca de 3 200 tokens) e as descrições de todas as ferramentas incorporadas — Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (cerca de 16 100 tokens). No total, são 19 300 tokens de base permanente que não pode reduzir.

O que fazer na prática:

• Tenha isso em conta. Considere que tem uma «taxa» de base de 19K: numa janela de 200K, sobram 200K - 19K = 181K para tudo o resto (menos CLAUDE.md, MCP e a reserva de compactação automática). Há mais espaço numa janela de 1M, mas essa «taxa» acompanha cada pedido.
• Meça o processamento repetido. A base ocupa a janela e pode repetir-se nos pedidos seguintes. Não é uma cobrança de tokens única por sessão; separe os totais de entrada, escrita e leitura da cache e saída para calcular o custo.

Onde se perdem tokens com Skills, plugins e equipas de agentes?#

Padrão 6. Skills e plugins podem ser registados duas vezes

Este problema surgiu com a chegada dos plugins ao Claude Code, no final de 2025. Quando instala um plugin que acrescenta skills, essas skills entram no contexto. Se também tiver skills de utilizador semelhantes instaladas em ~/.claude/skills/, elas também são carregadas. E, por vezes, duplicam-se.

A Vercel divulgou um número na sua investigação sobre a sua pilha de IA: 56% das skills nunca são invocadas durante uma sessão, mas as respetivas descrições são carregadas continuamente para o contexto. Com 100 tokens por descrição, são até 5 600 tokens de «bagagem» com 100 skills.

O que fazer:

1. /context mostra o que está realmente ocupado. Se a secção Skills ultrapassar 3K, faça uma limpeza.
2. ls ~/.claude/skills/ — verifique que skills tem instaladas. Remova as que não utiliza há mais de um mês.
3. /plugin remove para plugins que instalou «para experimentar» e dos quais se esqueceu.

A estrutura adequada para Skills e a diferença em relação ao CLAUDE.md são explicadas em «Skills do Claude Code em 2026: como criar uma biblioteca pessoal de Skills».

Padrão 7. As equipas de agentes consomem 7 vezes mais em Plan Mode

As equipas de agentes são uma funcionalidade em que o Claude Code inicia várias instâncias paralelas do modelo, cada uma com o seu próprio contexto. A Anthropic afirma diretamente na documentação:

Isto significa que cinco membros de equipa em Plan Mode equivalem a cinco sessões paralelas, cada uma a carregar a sua própria base de sistema, a sua própria cópia do CLAUDE.md e as suas próprias ferramentas MCP. O consumo total de tokens aumenta de forma não linear.

O que fazer:

1. Use Sonnet ou Haiku para os membros da equipa. Reserve o Opus para o líder da equipa que os coordena. A tarifa por token pode ser inferior, mas meça o custo e a qualidade da tarefa completa de cada membro, em vez de assumir uma poupança fixa.
2. Equipas pequenas. Dois ou três membros em vez de dez.
3. Encerre membros inativos da equipa. Se a tarefa terminou mas um membro da equipa continua em execução, continuará a consumir tokens em segundo plano.

Saiba mais sobre o Plan Mode e quando é realmente útil em «Plan Mode no Claude Code: guia passo a passo e 4 fases em 2026».

Pelo que cobra o Claude enquanto não está a olhar?#

Padrão 8. O extended thinking utiliza tokens sem a sua intervenção

Extended thinking é um modo em que o Claude «pensa» na solução num bloco de pensamento oculto antes de responder. Para efeitos de cálculo, são tokens de saída, contabilizados como uma resposta normal, mas que não vê no chat.

A Anthropic afirma na documentação:

Isto significa que um único pedido complexo pode utilizar 10–30K tokens de pensamento que «consomem» o orçamento, enquanto no chat só vê um resumo curto.

O que fazer:

1. Use /effort low para tarefas simples. Reduz ao mínimo o orçamento de pensamento.
2. Defina MAX_THINKING_TOKENS=8000 no ambiente para estabelecer um limite.
3. Em /config, desative o thinking para tarefas muito rotineiras em que o Claude não precisa de «pensar».

O artigo «Sonnet ou Opus 4.7 no Claude Code: escolher um modelo e /effort em 2026» explica quando o thinking é realmente útil (arquitetura complexa, raciocínio complexo com várias etapas) e quando não é.

Padrão 9. Resumo em segundo plano durante a inatividade

Este é um padrão muito pequeno, mas interessante. O Claude Code executa um processo em segundo plano que resume sessões anteriores para o comando claude --resume. Este processo funciona mesmo quando não está a escrever.

A Anthropic afirma-o explicitamente na documentação:

Quatro cêntimos por sessão não são uma catástrofe. Mas, se tiver 10 sessões abertas por dia, são já $0.40 de despesa passiva por dia, ou $12 por mês. Feche as sessões de que não precisa neste momento. Pode restaurar uma sessão com /resume a partir do índice — não tem de a manter aberta.

Como medir as perdas: o comando /context e as suas ressalvas#

Comecemos pelo comando. No Claude Code, abra /context (ou /usage para consultar o consumo) e obterá algo semelhante a isto:

Janela de contexto: 200 000 tokens

Prompt de sistema:        3 200 (1,6%)
Ferramentas de sistema:  16 100 (8,0%)
Ferramentas MCP:        12 600 (6,3%)
CLAUDE.md:               4 800 (2,4%)
Ficheiros de memória:    3 000 (1,5%)
Conversa:               18 400 (9,2%)
Espaço livre:           141 900 (71,0%)

Isto é uma base permanente normal depois da primeira limpeza. Ótimo — 71% da janela está livre.

Erro conhecido de /context: sobrestimação de 3x do MCP

Até uma atualização recente, o /context mostrava cerca de três vezes a perda real do MCP, porque a sobrecarga por ferramenta era contabilizada separadamente para cada ferramenta.

Cameron afirma que a Anthropic corrigiu isto na versão atual, que agora indica 12 600 para o mesmo XcodeBuildMCP. Portanto:

1. Se /context mostrar 50K+ para ferramentas MCP, poderá estar a utilizar uma versão antiga do Claude Code. Atualize-a.
2. Se o MCP ocupar 8–15K, é normal: esse é o custo real com Tool Search.
3. Se o MCP ocupar 30–50K numa versão nova, tem realmente muitos servidores não utilizados ligados. Abra /mcp e desligue-os.

O que verificar além de /context

/usage — mostra a utilização do seu plano nas últimas 24 horas ou nos últimos 7 dias. Nos planos Pro e Max, apresenta uma discriminação por Skills, subagentes, plugins e servidores MCP individuais. É útil para identificar a Skill que consome mais.

/cost — para utilizadores da API. Mostra o custo proporcional da sessão atual em dólares. Não se destina a subscritores Pro/Max — não precisam dele.

/usage-credits — nos planos Pro/Max, permite definir um limite mensal de despesas. É útil se não quiser que uma equipa de agentes com script esgote acidentalmente o limite do seu cartão de crédito.

Como limpar o contexto do Claude Code em 15 minutos#

Abra o seu projeto no Claude Code e siga estes passos:

1. /context — anote a discriminação atual. Este é o seu ponto de partida.
2. /clear — se o chat acumulou histórico sem relação com a tarefa atual. Comece com uma janela limpa.
3. ls -la ~/.claude/skills/ — veja que Skills estão instaladas. Remova as que não utilizou durante um mês. Comando: rm -rf ~/.claude/skills/[skill-name] (ou elimine a pasta através da interface).
4. /plugin list — faça o mesmo para os plugins. Remova os que não utiliza com /plugin remove <name>.
5. /mcp — verifique os servidores MCP ligados. Mantenha apenas os necessários para a tarefa atual. Desligue os restantes com /mcp disconnect <name>.
6. Abra o CLAUDE.md num editor. Se o ficheiro tiver mais de 200 linhas, transfira as instruções especializadas para Skills (~/.claude/skills/[topic]/SKILL.md). Procure manter um núcleo de 100–200 linhas e 5–15 Skills temáticas. O guia detalhado está em «Como configurar o CLAUDE.md em 2026: modelo pronto e 6 regras».
7. Verifique /effort — utilize /effort low para tarefas simples. Só precisa de um orçamento de pensamento elevado para arquitetura complexa.
8. Faça a medição final com /context. Compare-a com o passo 1.

Nas sessões descritas, o contexto ocupado passou de 60–80K para 25–30K após a limpeza. É uma alteração da dimensão do retrato, não prova de uma redução fixa dos tokens totais processados ou do custo. Compare execuções completas da mesma tarefa, incluindo cache e saída, antes de afirmar poupanças.

Se quiser ir além de compreender os tokens e construir uma metodologia completa para trabalhar com o Claude — clone de IA, Segundo Cérebro (business/) e Engenharia de Contexto — estes são os três componentes dessa metodologia.

Quando é que mudar para Sonnet ou Haiku ajuda mais do que limpar o contexto?#

A Anthropic escreve sobre os modelos na documentação:

Uma discriminação aproximada dos preços dos tokens de entrada (em 27 de maio de 2026):

A minha configuração:

1. Predefinição — Sonnet 4.5. É o /config → default model. Abrange 80% das tarefas.
2. Executo manualmente /model opus quando a tarefa é realmente difícil (uma escolha arquitetónica, o diagnóstico de um erro intrigante ou um produto novo).
3. Uso /model haiku para testes e formatação. Também pode definir explicitamente model: haiku na configuração do subagente.
4. O /effort é independente do modelo. Pode usar Opus com /effort low — obtém um modelo poderoso com pensamento mínimo para respostas rápidas a tarefas de dificuldade média.

Quando compensa mais limpar o contexto do que mudar de modelo:

• O contexto está mais de 50% cheio — limpe-o primeiro.
• O contexto está bem, mas as tarefas são complexas — use Opus com o nível de esforço normal.
• O contexto está bem e as tarefas são rotineiras — use Haiku.

Para uma análise detalhada dos modelos e do esforço, consulte «Sonnet ou Opus 4.7 no Claude Code: escolher um modelo e /effort em 2026».

Que dicas aumentam a utilização em vez de a reduzir?#

Antipadrão 1. «Elimine todo o MCP: consome tokens»

A preguiça é o erro mais comum. Sim, historicamente o MCP consumia até 49% do contexto, mas depois do Tool Search esse valor caiu para 8–15%. Além disso, o MCP fornece ferramentas reais que, de outro modo, teria de construir manualmente. Eliminar todo o MCP significa voltar ao trabalho manual, que lhe vai «consumir» mais tempo do que os tokens que poupa.

A abordagem correta: mantenha apenas os servidores MCP que utiliza regularmente. Eu mantenho o Playwright (para testar páginas de apresentação) e o shadcn (para gerar interfaces). Utilizo tudo o resto apenas para uma tarefa de cada vez.

Antipadrão 2. «Não use CLAUDE.md; coloque tudo diretamente no pedido»

Parece «lógico»: se o CLAUDE.md é carregado em cada pedido, então não o carreguemos. Na prática, sem CLAUDE.md começa cada mensagem por escrever manualmente as mesmas instruções, e o Claude esquece o contexto entre mensagens. Isso significa mais tokens, não menos — apenas chegam por outro canal.

A abordagem correta: mantenha o CLAUDE.md compacto (100–200 linhas), com as informações fundamentais, e coloque o material especializado nas Skills. Os detalhes estão em «Como configurar o CLAUDE.md em 2026».

Antipadrão 3. «Trabalhe sempre através do Plan Mode»

O Plan Mode é uma excelente ferramenta para tarefas complexas em que é necessário explorar primeiro a base de código e propor um plano. Mas, quando se trabalha com equipas de agentes, utiliza em média 7x mais tokens (documentação da Anthropic). Numa tarefa simples como «corrigir um erro ortográfico no README», o Plan Mode consome 7 vezes mais do que uma edição direta.

A abordagem correta: utilize o Plan Mode para tarefas complexas que demorem 30 minutos ou mais. Para tarefas curtas, faça um pedido direto sem plan mode. O artigo «Plan Mode no Claude Code: guia passo a passo e 4 fases em 2026» explica quando utilizar cada modo.

Há mais materiais disponíveis em Ailoot.