Quanto o cache de contexto realmente economiza

32,1% de toda a entrada que medimos veio de cache. É um terço da conta, e é dinheiro que não se paga duas vezes.

Mas há uma armadilha na leitura desse número, e nós mesmos caímos nela antes de separar os dados: cache não torna a sessão longa mais barata. Ele impede que ela fique ainda mais cara.

O que o dado mostra

105.608 requisições do Claude Code, 7 dias, separadas por quanto de conversa antiga cada uma carregava:

A leitura fácil e errada seria: "quanto mais cache, melhor". O que os números dizem é outra coisa. Quem carrega mais de 60 mil de cache também carrega 116.879 de contexto novo — mais que o dobro de quem começa do zero. A entrada total da última faixa é 4,6 vezes a da primeira.

Ou seja: cache alto é sintoma de sessão longa, não remédio para ela.

Onde o cache ajuda de verdade

Repare na segunda faixa da tabela, que é a mais interessante e a que ninguém olha:

• Sem cache: 46.888 de entrada total.
• Com até 20 mil de cache: 45.225 de entrada total — praticamente igual, e com mais contexto disponível.

Nessa faixa, o cache está fazendo exatamente o que promete: você ganha continuidade de conversa sem pagar por ela. O contexto novo cai de 46.888 para 32.519 porque parte do que seria reenviado já está reconhecida.

O ponto de virada está por volta de 20 mil tokens de conversa acumulada. Abaixo disso, continuar a sessão sai de graça. Acima, cada turno fica mais caro que o anterior.

O que fazer com isso

1. Continue a sessão enquanto o assunto for o mesmo. Até uns 20 mil de conversa acumulada, o cache paga a continuidade.
2. Comece sessão nova quando o assunto mudar. É o momento em que o histórico deixa de ajudar e passa só a custar.
3. Não tente "forçar" cache. Ele não é um botão: acontece quando o mesmo trecho sobe de novo. Repetir contexto de propósito para gerar cache aumenta o total.
4. Se a ferramenta tiver comando de compactar conversa, use antes de a sessão ficar grande — não depois. Compactar a 200 mil já pagou os 200 mil.

Erros comuns

• Achar que cache reduz o custo do turno. Reduz o custo do trecho repetido. O turno inteiro pode ficar mais caro, e normalmente fica.
• Manter uma sessão o dia inteiro "porque o cache economiza". É a leitura invertida do dado: essa sessão está na faixa de 216 mil.
• Desligar cache para "economizar". Sem ele, o mesmo contexto é cobrado inteiro toda vez.
• Comparar consumo entre ferramentas sem olhar cache. A fração varia de 1,7% no autocompletar a 38,7% no Codex — veja autocompletar ou agente.

Como medimos

Fonte: histórico de uso do nosso próprio gateway, 7 dias encerrados em 9 de setembro de 2026, 105.608 requisições concluídas com sucesso no protocolo do Claude. "Cache na requisição" é o volume lido de cache de contexto; "entrada nova" é o contexto que subiu pela primeira vez; "entrada total" é a soma dos dois. Agrupamento por faixa sobre a distribuição inteira, sem amostragem. Dados agregados, sem nada identificável de cliente.

Nota de honestidade: a primeira versão do nosso artigo sobre consumo afirmava que sessão longa "sai mais barata por turno". Foi esta separação por faixa que mostrou o contrário, e o texto foi corrigido no mesmo dia. O número que desmentiu era nosso.

Perguntas frequentes

Cache é cobrado?
Depende do fornecedor: normalmente sim, mas a uma fração do preço do token novo. É por isso que ele reduz custo sem zerá-lo.

Qual o tamanho ideal de sessão?
Pela nossa medição, o ponto em que a conta ainda é neutra fica em torno de 20 mil tokens de conversa acumulada. Depois disso o total cresce rápido.

Compactar a conversa resolve?
Ajuda, se feito cedo. Compactar depois de a sessão ficar enorme não devolve o que já foi consumido.

Por que o autocompletar quase não usa cache?
Porque não há conversa anterior para reaproveitar: cada sugestão é independente. Medimos 1,7% nele.

No CodeJato isso muda a fatura?
Não. A mensalidade é fixa em reais, sem cobrança por token — publicamos estes números para você conferir se o seu perfil de uso cabe no plano, não porque eles entram na conta. Ver os planos.