Como gastar metade dos tokens em Claude Code, Codex e Kimi

O plano de Claude Code, Codex ou Kimi não acaba porque a pergunta foi difícil. Acaba porque cada turno reenvia arquivo duplicado, histórico velho, log de teste e um pedaço do repo que o modelo já tinha visto. O agente responde igual. O medidor, não.

A Halv entra nesse ponto, na sua máquina, antes do pedido chegar no modelo. Mesmo CLI, mesmo login, mesma assinatura. A promessa é direta: metade do uso, em vários agentes de código, com o trabalho rodando local.

Onde os tokens somem numa sessão de código

Coding agent não é chat. É um loop. O modelo lê um arquivo, roda um teste, pede o diff, lê de novo, chama um subagente e cola o log inteiro. Cada volta entra no contexto. Se o arquivo mudou, a cópia antiga ainda está lá. Se o teste falhou, as três mil linhas de stack também vão.

Isso queima o plano de duas formas. Mais tokens por turno, e um modelo que se orienta pior. Contexto inchado é ruído. O agente passa a adivinhar o que importa no meio de um histórico que já não descreve o disco.

Quem usa Claude Code, Codex, Kimi ou GLM já viu o padrão. A primeira hora rende. Na terceira, o compact apaga o que ainda servia, ou o limite aparece no meio do refactor. Trocar de modelo não resolve. O problema não é o modelo. É o que você manda para ele.

A Halv trata isso como engenharia local, não como prompt. Três sistemas rodam na frente de cada request, no seu computador, qualquer que seja o agente: compressão de contexto, o índice Crux e um filtro de saída de comando. Cada um é medido à parte. Cada resposta traz um recibo do que foi cortado.

Compressão local: o pedido encolhe antes de sair

No modo Pro, a Halv sobe o terminal nativo do agente (Claude Code, Codex, Kimi ou GLM) num PTY embutido, ou numa janela Ghostty no macOS com Ghostty 1.3 ou mais. Não é wrapper nem reimplementação. Você entra uma vez no login oficial. O token fica no CLI. A Halv não lê, não guarda e não encaminha credencial.

O motor reescreve o contexto inchado antes do modelo ver. Arquivo duplicado, histórico obsoleto, instrução repetida: sai. O que muda a resposta: fica. Se o pedido não puder ser comprimido com segurança, passa intacto. O site descreve isso como cerca de 64% de redução de contexto no medidor principal.

"Obsoleto" tem definição estreita. Uma leitura só vira obsoleta quando aquele arquivo é editado depois (a cópia ficou errada) ou quando o arquivo é lido de novo (a cópia é redundante). Nesses dois casos a Halv troca o bloco por um marcador com o nome e um hash. O arquivo continua no disco. Recuperar custa uma leitura. Resultado de ferramenta não some porque é antigo: teste falho, permissão negada, timeout e erro de comando ficam, porque costumam ser o que o próximo turno precisa. Deduplicação entre turnos só dobra um trecho que já aparece igual mais cedo no mesmo contexto, e a primeira cópia permanece. Não comprimiu com segurança, não mexe.

Tudo roda local. A Halv lê o repo na sua máquina. O que sai é a chamada ao modelo, a mesma que o cliente já faria. Comando de shell entra em sandbox do sistema, atrás de aprovações por projeto: só leitura, sandbox, perguntar, em caso de falha, ou acesso total. Não precisa de chave de API. Usa a assinatura que você já tem. Teste grátis, sem cartão. macOS (Apple silicon e Intel), Windows x64 e Linux x64 em AppImage ou deb.

Três sistemas, um recibo por resposta

A compressão enxuga o turno. Os outros dois sistemas atacam o resto: o agente que lê o repo arquivo a arquivo, e o log que ninguém pediu inteiro.

Índice Crux: mapa do código, não pilha de arquivos

Sem índice, o agente se orienta do jeito caro. Abre pasta, lê arquivo, pergunta de novo. Callers, impacto, referências: tudo vira token. O Crux Code Index responde isso a partir de um mapa, em vez de varrer o repositório de novo.

O site mede em sessões reais. Em 48 perguntas ao longo de sessões com várias perguntas sobre Django e SymPy, o mesmo agente com o índice acertou 90% das respostas; sem o índice, 58%. Tokens por resposta correta caíram 59% nas sessões do SymPy. Custo por resposta correta, nas mesmas sessões: 47% a menos. Empilhado com a folga de compressão de cerca de 20%, o site fala em cerca de 58% a menos por resposta correta, e cerca de 67% no SymPy.

Num repo de 770 mil linhas (SymPy), uma sessão com o índice fez seis perguntas estruturais, acertou as seis e gastou 169.693 tokens. Sessões no estilo grep no mesmo lugar, segundo o site, gastam em média 248 mil tokens e erram quatro respostas. Esses números estão na página com método. Se o seu repo não parece com isso, o medidor ao vivo é o que vale.

Filtro de comando: log barulhento não entra no orçamento

Log de teste, diff, árvore de dependência, conversa de install: o agente pede "roda o teste" e recebe três mil linhas. A Halv corta isso para a parte que importa antes de gastar um token. O exemplo do site: 3.104 linhas de log de teste viram 41, e a conta entra no medidor ao vivo. Não é resumo por outro modelo. É filtro local no caminho do comando.

Vários agentes no mesmo repo, no mesmo plano

Compressão resolve o turno. O workspace resolve o dia. Cada painel é uma sessão independente: parte para o lado, parte para baixo, até 32 painéis na mesma janela. Claude Code num canto, Codex no outro, os dois no mesmo repositório, cada um no plano que você já paga. Kimi e GLM entram no mesmo esquema. Quem segura o token é o CLI, não a Halv.

Há dois jeitos de olhar a mesma sessão. O modo normal é um chat: você escolhe Claude, GPT, Kimi ou GLM e a resposta entra no transcript com o recibo de compressão. O modo Pro é o mesmo agente no terminal de verdade. Trocar de superfície retoma de onde parou.

Uma sessão ainda pode abrir subagentes, cada um com tarefa e transcript. O painel de atividade mostra fila, execução, conclusão, falha e parada. A primeira escrita num branch limpo abre um branch. Cada turno guarda um diff para revisar e reverter.

A Halv cobra pela economia, não por qual recurso você pode tocar. Basic e Unlimited têm as mesmas coisas: terminais Pro, quatro CLIs, 32 painéis, Ghostty no macOS, fan-out de subagente, índice Crux, filtro de comando, medidor, sandbox, aprovação por projeto, diff e revert. A diferença é o teto mensal de quanto a Halv pode economizar. Basic sai a 2 dólares por mês; bateu o teto, a compressão pausa. Unlimited sai a 10 dólares por mês, sem teto. Os dois incluem 7 dias de teste.

A Halv descreve o resultado para quem já paga Claude, ChatGPT, Moonshot ou Z.ai: mesmo modelo, mesma resposta, cerca de metade do uso. O medidor começa do zero na sua máquina. Cada resposta mostra o recibo.

Quando isso vale

Vale se o gargalo é contexto, não o modelo. Repo grande, sessão longa, dois agentes no mesmo código, teste que vomita log, plano que zera no meio da semana. Comprimir local e indexar o código ataca a causa.

Não vale esperar que um app transforme modelo fraco em sênior. A Halv não troca o Claude, o Codex, o Kimi nem o GLM. Corta o que o modelo ia ignorar e dá um mapa do repo. Quando não dá para comprimir com segurança, o pedido segue inteiro.

Se você está escolhendo ferramenta para aparecer no mapa do Os 27 ou conferindo quem já ocupou no histórico, o critério é o de sempre: o site precisa entregar o que promete no clique. A Halv publica método ao lado do número.

O próximo passo é curto. Instala, entra no CLI que você já usa e olha o recibo do primeiro turno. Se o medidor não mostrar economia, você não deve nada além do teste.