Há uma ironia que me persegue desde que li este artigo: para descobrir como gastar menos tokens com LLMs, o autor gastou todos os que tinha. Bartosz Kotrys, engenheiro na Quesma, estava a pesquisar tokenomics — a economia dos agentes de IA. Lançou o deep research do Claude com uma pergunta aberta. Passados 30 minutos, bateu no limite do plano Claude Max 5x. Zero resultados.
Para mim, esta história soa familiar. Uso LLMs diariamente para coding, pesquisa e escrita, e já passei por aquele momento em que olhas para a fatura do mês e pensas "valeu mesmo a pena?"
O que o Kotrys fez a seguir é o que torna o artigo interessante. Pegou nas três subscrições que já pagava — Claude, Codex e Gemini — e construiu um pipeline que as usa em paralelo, com memória partilhada.
O problema de usar Fable para tudo
Usar o Claude Fable 5 (o modelo mais caro) para tudo, incluindo pesquisas exploratórias, é como usar uma grua para pendurar um quadro na parede.
Kotrys dividiu o trabalho por modelo: Sonnet para pesquisar, Opus para verificar, Fable só para planear e julgar, Haiku para extração, Codex para ferramentas, Gemini para segunda opinião. Quando um serviço bate no limite, o pipeline faz fallback automático.
O resultado: passou de 30 minutos de pesquisa para várias horas, sem pagar mais nada.
Comentários (0)
Nenhum comentário ainda. Seja o primeiro!
Deixar comentário