Economia de Tokens

Em 2026, tokens são a unidade econômica da engenharia assistida por IA. Cada chamada de API, cada turno de agente, cada chain-of-thought interno consome tokens — e tokens custam dinheiro real. Engenheiros que ignoram essa economia descobrem do jeito difícil: faturas de quatro dígitos, contas pessoais inflando, ou times que param de usar a ferramenta porque o ROI virou negativo. Esta trilha mapeia o ciclo completo: por que tokens custam, por que agentes amplificam o gasto, quais técnicas reduzem input/output/reasoning, qual arquitetura escolher, como impor hard limits, como auditar desperdício, e quando o agente realmente vale o custo.

Pré-requisitos

Recomendado ter lido a Anatomia dos LLMs (Trilha 1), especialmente 02 - Tokens e tokenização, 10 - Pricing de APIs — como calcular custos e 11 - Prompt caching e otimizações de API. Se já trabalha com Agentes de Codificação (Trilha 2), as notas sobre compactação, sub-agentes e tool compression vão ressoar imediatamente.

Preços e ferramentas mudam rápido

Os preços, planos e ferramentas (ccusage, Langfuse, etc.) refletem o estado de maio de 2026. Tabelas de pricing mudam a cada trimestre — verifique sempre a documentação oficial antes de decidir arquitetura.

Comece por aqui

Trilha sequencial recomendada — diagnóstico → otimização de input → arquitetura → output → governança.

Bloco 1 — O Problema e a Visibilidade (4 notas)

Antes de otimizar, é preciso entender por que custa, por que agentes custam mais, e como medir.

• 01 - O problema — por que tokens custam dinheiro — economia de GPU, prefill vs decode, escala mensal
• 02 - Anatomia do gasto — input, output e reasoning — as três dimensões do custo, multiplicadores típicos
• 03 - Por que agentes gastam tanto — loop, retries, tools verbosos, rabbit holes
• 04 - Monitoramento — ccusage, Langfuse, dashboards — ferramentas para enxergar o gasto real

Bloco 2 — Reduzir o Input (4 notas)

A maior parte do custo está no input. Quatro técnicas que cortam tokens antes deles entrarem no modelo.

• 05 - Prompt caching na prática — KV cache reuse, 90% de desconto em prefixos repetidos
• 06 - Context pruning — o que remover do prompt — sinal vs ruído, pruning estático e dinâmico
• 07 - Compressão de tool definitions — schemas inflam contexto, como enxugá-los
• 08 - Compactação de histórico em agentes — summarization, sliding window, compactação automática

Bloco 3 — Arquitetura Econômica (4 notas)

Não é só sobre cortar — é sobre escolher o modelo, o modo, e o padrão arquitetural certos.

• 09 - Model routing — modelo certo para a tarefa — Haiku/Sonnet/Opus, cascading, roteamento inteligente
• 10 - Sub-agentes especializados — isolamento de contexto, delegação focada
• 11 - Semantic caching — cache de respostas, vector DB, complemento ao prompt cache
• 12 - Batch API — economia em volume — 50% off para workloads assíncronos

Bloco 4 — Controle de Saída (2 notas)

Output e reasoning também custam — e são onde mais gente esquece de olhar.

• 13 - Respostas concisas — controlar output tokens — max_tokens, system prompts, instruções
• 14 - Thinking budget — controlar reasoning tokens — extended thinking não é grátis

Bloco 5 — Governança e Operação (8 notas)

Da disciplina técnica à decisão de negócio: budget, hard limits, auditoria, ROI, planos, futuro, casos reais.

• 15 - Orçamento e hard limits — max_tokens, spending caps, kill switches em sessões
• 16 - Auditoria de consumo — investigação causal, top offenders, cadência de revisão
• 17 - ROI de IA — quando o agente vale o custo — payback, vanity metrics, decision framework
• 18 - Playbook de economia — checklist completo — checklist consolidado, ordem de aplicação
• 19 - Planos e tiers — Max, Pro, API, Enterprise — quando faz sentido cada modalidade
• 20 - O futuro — tokens cada vez mais baratos — Moore-like trend, commoditização, implicações
• 21 - Hacks de trincheira — Claude, Gemini e Copilot em 2026 — manobras específicas por provedor
• 22 - Caso real — Auditoria de 47M tokens em maio 2026 — diagnóstico aplicado: 5 vetores e plano por ROI

Rotas alternativas

Rota emergencial (já estou gastando demais)

“Minha fatura está fora de controle, preciso cortar agora”

04 - Monitoramento — ccusage, Langfuse, dashboards → 05 - Prompt caching na prática → 13 - Respostas concisas — controlar output tokens → 15 - Orçamento e hard limits → 18 - Playbook de economia — checklist completo

Rota arquiteto (projetar sistema cost-aware)

“Vou desenhar um sistema novo e quero custo previsível desde o dia 1”

02 - Anatomia do gasto — input, output e reasoning → 09 - Model routing — modelo certo para a tarefa → 10 - Sub-agentes especializados → 11 - Semantic caching → 12 - Batch API — economia em volume

Rota agente (otimizar Claude Code, Cursor, Aider)

“Uso agentes de codificação e quero diminuir o gasto por sessão”

03 - Por que agentes gastam tanto → 05 - Prompt caching na prática → 07 - Compressão de tool definitions → 08 - Compactação de histórico em agentes → 10 - Sub-agentes especializados → 14 - Thinking budget — controlar reasoning tokens

Rota governança (líder técnico / engineering manager)

“Preciso decidir budget, métricas e ROI para o time”

15 - Orçamento e hard limits → 16 - Auditoria de consumo → 17 - ROI de IA — quando o agente vale o custo → 19 - Planos e tiers — Max, Pro, API, Enterprise

Rota pessoa física (Pro/Max vs API)

“Sou dev individual — vale Max, Pro, API ou misturar?”

19 - Planos e tiers — Max, Pro, API, Enterprise → 04 - Monitoramento — ccusage, Langfuse, dashboards → 18 - Playbook de economia — checklist completo

Rota estratégica (entender para onde vai)

“Quero entender a tendência de preços antes de bater martelo em arquitetura”

01 - O problema — por que tokens custam dinheiro → 19 - Planos e tiers — Max, Pro, API, Enterprise → 20 - O futuro — tokens cada vez mais baratos

Leituras recomendadas

Veja também

• Memória de Agentes — técnicas de compactação e shared memory complementam Bloco 2
• Agentes de Codificação — ferramentas que se beneficiam diretamente desta trilha
• RAG e Vector Databases — base para 11 - Semantic caching

Todas as notas

TABLE
  title AS "Título",
  status AS "Status",
  join(tags, ", ") AS "Tags"
FROM "03-Dominios/IA/Economia de Tokens"
WHERE type != "moc"
SORT file.name ASC