---
title: "Reduzir custo de LLM em agentes de código: 10 táticas"
description: "Dez formas concretas de baixar o gasto em tokens do Cline, Aider, opencode ou do seu próprio agente de código, cada uma com a conta da economia e como medir."
url: https://broadrouter.com/pt/blog/cut-coding-agent-llm-costs/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/cut-coding-agent-llm-costs/) (atualizado em 2026-11-14).

# 10 formas de reduzir o custo de LLM de agentes de código, com economia

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em 2026-11-14

Quase todo gasto é entrada reenviada a cada turno. Mantenha o prefixo do prompt estável para o cache, indique os arquivos, corte a saída das ferramentas, reduza o raciocínio, limite loops e retries e mande passos fáceis para modelos mais baratos. No DeepSeek V4.1 Flash, a entrada em cache custa cerca de 3% da nova. Acima de uns 917 milhões de tokens de entrada por mês, um plano fixo de $60 sai mais barato.

## Pontos principais

-   A entrada domina a conta de um agente de código porque o agente reenvia o contexto a cada turno, então o cache costuma ser a maior alavanca.
-   Subir a fatia em cache de 50% para 80% corta mais da metade da conta de entrada no DeepSeek V4.1 Flash.
-   Cortar a saída das ferramentas e indicar os arquivos logo de início reduz os tokens reenviados em todos os turnos seguintes.
-   Limites de passos, limites de retries e um esforço de raciocínio menor seguram os custos que não têm teto natural.
-   No exemplo da BroadNet, um agente em tempo integral custa $65.40 por mês por token; um plano Full Moon custa $60.

**Nesta página**

1.  Para onde vai o dinheiro de um agente de código?
2.  Quais táticas economizam mais?
3.  1\. Mantenha estável o prefixo do prompt para que ele vá para o cache
4.  2\. Diga ao agente quais arquivos importam
5.  3\. Corte a saída das ferramentas antes que ela entre no contexto
6.  4\. Reduza o esforço de raciocínio nos passos de rotina
7.  5\. Limite os passos por tarefa
8.  6\. Limite e registre os retries
9.  7\. Abra uma sessão nova para cada tarefa
10.  8\. Mande passos fáceis para um modelo mais barato
11.  9\. Resuma pouco e anexe o resto
12.  10\. Mude para um plano fixo quando passar do ponto de equilíbrio
13.  Como saber se uma tática funcionou?
14.  Onde a BroadNet Inference se encaixa

A conta de um agente de código cresce de um jeito que a conta de um chat não cresce. Cada turno reenvia o system prompt, a lista de ferramentas, os arquivos já lidos e toda a conversa até ali. No turno 30, uma única requisição pode carregar centenas de milhares de tokens de entrada, quase todos repetidos. As dez táticas abaixo atacam para onde esses tokens vão. Cada uma traz uma estimativa de economia com a conta, usando os preços da BroadNet Inference sincronizados em 2026-11-14. Os seus números vão ser diferentes, então meça antes e depois.

## Para onde vai o dinheiro de um agente de código?

Três medidores, em ordem de tamanho para a maioria dos agentes:

1.  **Entrada**, reenviada a cada turno. Quase toda pode ir para o cache.
2.  **Saída**, incluindo [tokens de raciocínio](https://broadrouter.com/pt/glossary/reasoning-tokens/) que você nunca vê.
3.  **Desperdício**: retries, loops que não avançam e contexto de que ninguém precisava.

Antes de mudar qualquer coisa, leia `prompt_tokens`, `prompt_tokens_details.cached_tokens` e `completion_tokens` de um dia de trabalho real. [Para onde vão os tokens de um loop de agente](https://broadrouter.com/pt/blog/agent-token-budget/) mostra como separá-los.

## Quais táticas economizam mais?

| # | Tática | O que corta | Economia estimada |
| --- | --- | --- | --- |
| 1 | Manter estável o prefixo do prompt | Entrada nova | Conta de entrada cai pela metade ou mais |
| 2 | Indicar os arquivos em vez de deixar o agente procurar | Turnos de exploração | Menos turnos, menos reenvios |
| 3 | Cortar a saída das ferramentas | Entrada em todo turno seguinte | Cresce com o tamanho dos logs |
| 4 | Reduzir o esforço de raciocínio em passos de rotina | Saída oculta | Depende do mix de tarefas |
| 5 | Limitar passos por tarefa | Loops descontrolados | Põe um teto no pior caso |
| 6 | Limitar e registrar retries | Requisições duplicadas | Cada retry evitado é uma requisição inteira |
| 7 | Abrir uma sessão nova por tarefa | Histórico velho | Contexto menor por turno |
| 8 | Mandar passos fáceis para um modelo mais barato | Preço por token | Grande nos passos roteados |
| 9 | Resumir pouco, anexar muito | Cache misses | Mantém a tática 1 funcionando |
| 10 | Mudar para um plano fixo depois do ponto de equilíbrio | O medidor de tokens | $5.40 por mês no nosso exemplo |

## 1\. Mantenha estável o prefixo do prompt para que ele vá para o cache

A [entrada em cache](https://broadrouter.com/pt/glossary/cached-input-tokens/) no DeepSeek V4.1 Flash custa $0.0055 por 1M; a entrada nova custa $0.175, cerca de 32 vezes mais. Ordene o prompt assim: system prompt, ferramentas, arquivos, histórico, mensagem nova. Nunca ponha um timestamp no topo. Em setembro de 2026, a Cursor relatou que mudanças no harness, incluindo um system prompt cerca de dois terços menor e ferramentas carregadas só quando necessário, cortaram 7% do custo de tokens dos usuários. [Como estruturar prompts para o prefixo ir para o cache](https://broadrouter.com/pt/blog/prompt-structure-for-caching/).

**Economia estimada.** Pegue 1.000M de tokens de entrada por mês. Com 50% de acertos de cache, você paga o preço de entrada nova sobre 500M; com 80%, paga sobre 200M. Contando a parte em cache, a conta de entrada cai cerca de 56%. [Como aumentar a sua taxa de cache](https://broadrouter.com/pt/blog/cached-input-tokens-explained/), ou teste os seus números na [calculadora de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## 2\. Diga ao agente quais arquivos importam

Uma tarefa vaga (“corrige o bug do login”) manda o agente procurar: listar diretórios, abrir arquivos, ler tudo para o contexto. Cada arquivo aberto é reenviado em todos os turnos seguintes. Indique os arquivos e a mudança esperada. Mantenha no repositório um mapa curto do projeto que o agente lê primeiro.

**Economia estimada.** Se um arquivo de 40.000 tokens é lido no turno 3 de uma tarefa de 30 turnos, ele é reenviado cerca de 27 vezes: mais de um milhão de tokens de entrada por um único arquivo. Não ler esse arquivo economiza tudo isso.

## 3\. Corte a saída das ferramentas antes que ela entre no contexto

Test runners, logs de build e `git diff` podem devolver dezenas de milhares de tokens. Mostre ao agente as últimas 100 linhas de um log ou só os testes que falharam. A maioria das ferramentas de agentes permite definir um limite de saída para comandos.

**Economia estimada.** A mesma conta da tática 2: cada token cortado é economizado uma vez por turno restante.

## 4\. Reduza o esforço de raciocínio nos passos de rotina

O DeepSeek V4.1 Flash e o GLM 5.3 pensam antes de responder, e esse raciocínio é cobrado como saída. Defina `reasoning_effort: "low"` para renomeações, formatação e edições pequenas. Mantenha `max_tokens` alto o bastante para terminar, ou você paga pelo raciocínio e recebe uma resposta vazia. [Custo dos tokens de raciocínio](https://broadrouter.com/pt/blog/reasoning-tokens-cost/).

**Economia estimada.** Meça `completion_tokens_details.reasoning_tokens` antes e depois nas mesmas 20 tarefas. A economia é a queda multiplicada pelo preço de saída ($0.52 por 1M).

## 5\. Limite os passos por tarefa

Um agente que não consegue consertar um teste pode ficar em loop por 100 turnos, cada um maior que o anterior. Defina um número máximo de turnos por tarefa e pare quando a mesma chamada de ferramenta se repetir três vezes. Um limite de passos transforma um custo sem teto num custo com teto.

## 6\. Limite e registre os retries

Uma requisição repetida é uma nova inferência, cobrada de novo numa chave por token. Repita 429 e 5xx com backoff e um limite fixo; não repita outros erros 4xx, como 400 ou 422. [Erros e retries](https://broadrouter.com/pt/guides/errors-and-retries/).

## 7\. Abra uma sessão nova para cada tarefa

O histórico da tarefa anterior é peso morto na seguinte. Uma sessão nova por tarefa mantém o contexto pequeno. Isso não conflita com o cache: o system prompt e as ferramentas continuam formando um prefixo comum que vai para o cache.

## 8\. Mande passos fáceis para um modelo mais barato

Nem todo passo precisa do mesmo modelo. Mensagens de commit, linhas de changelog e classificações simples podem ir para o [Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/) a $0.10 de entrada e $0.22 de saída por 1M. Se você usa o [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) nos passos com muitas ferramentas, mande o resto para o DeepSeek V4.1 Flash: a saída do GLM 5.3 custa cerca de 6,7 vezes mais. [GLM 5.3 vs DeepSeek V4.1 Flash](https://broadrouter.com/pt/blog/glm-5-3-vs-deepseek-v4-1-flash/).

**Cuidado.** Meça o custo por tarefa concluída. Um modelo mais barato que precisa do dobro de turnos pode custar mais.

## 9\. Resuma pouco e anexe o resto

Quando um agente comprime o histórico, ele reescreve o prompt e o cache recomeça do zero. Resuma só quando o contexto estiver perto do limite, num único passo grande, e depois volte a anexar. Assim a tática 1 continua funcionando.

## 10\. Mude para um plano fixo quando passar do ponto de equilíbrio

A cobrança por token favorece o uso pequeno. Um agente em tempo integral não é uso pequeno. No exemplo calculado pela BroadNet, um agente de código em tempo integral (1.000M de entrada com 80% em cache, 50M de saída) custa $65.40 por mês por token; um agente sempre ligado custa $196.20. Uma sessão Full Moon custa $60 por mês sem medidor de tokens, uma requisição por vez. A partir daí, as táticas de 1 a 9 ainda economizam tempo, mas não mais dinheiro. Confira os seus volumes na [calculadora de preço fixo vs por token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/), ou leia [a conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/) e [como rodar agentes em paralelo num plano fixo](https://broadrouter.com/pt/blog/run-parallel-coding-agents-flat-rate/).

## Como saber se uma tática funcionou?

1.  Escolha 20 tarefas representativas do seu backlog.
2.  Rode todas com a configuração atual e registre os tokens por tarefa.
3.  Aplique uma tática por vez e rode de novo.
4.  Compare o custo por tarefa concluída, não o custo por requisição.

Para apps que não são agentes de código, as mesmas alavancas numa ordem geral estão em [como reduzir o custo de APIs de LLM](https://broadrouter.com/pt/blog/how-to-reduce-llm-api-costs/).

Guias de configuração para os agentes mais comuns: [Aider](https://broadrouter.com/pt/guides/aider-unlimited-deepseek/), [Cline](https://broadrouter.com/pt/guides/cline-openai-compatible/), [Zoo Code, o fork do Roo Code, que foi encerrado](https://broadrouter.com/pt/guides/roo-code-openai-compatible/) e [OpenCode](https://broadrouter.com/pt/guides/opencode-custom-provider/).

## Onde a BroadNet Inference se encaixa

A BroadNet oferece aos agentes de código uma tarifa baixa de entrada em cache no DeepSeek V4.1 Flash e, para uso pesado, sessões ilimitadas a partir de $60 por mês, num endpoint compatível com a OpenAI que esses agentes já suportam. Ela não roda modelos de ponta fechados; se o seu agente precisa de um para os passos mais difíceis, mantenha esse modelo no fornecedor dele e mande a maior parte dos turnos para cá. [Veja os planos](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-cut-coding-agent-llm-costs&utm_content=body).

Ferramentas gratuitas sobre o tema (em inglês)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Token](https://broadrouter.com/pt/glossary/token/)

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/)

Tool calling, também chamado de function calling ou chamada de ferramentas, é um recurso de APIs de LLM em que o modelo devolve um pedido estruturado para executar uma função definida pelo desenvolvedor, com argumentos JSON. A aplicação executa a função e devolve o resultado; o modelo nunca executa código sozinho.

[Prompt de sistema (system prompt)](https://broadrouter.com/pt/glossary/system-prompt/)

O system prompt, ou prompt de sistema, é o texto de instruções que uma aplicação envia a um modelo de linguagem antes da conversa, em geral como mensagem com o papel system ou developer. Ele define o papel, as regras, o tom e o formato de saída do modelo, que deve segui-lo mesmo quando mensagens do usuário o contradizem.

[Tokens de entrada em cache (cached input)](https://broadrouter.com/pt/glossary/cached-input-tokens/)

Tokens de entrada em cache são tokens do prompt que um provedor de LLM processou há pouco e pode reaproveitar de um cache em vez de calcular de novo, normalmente um prefixo repetido, como um system prompt ou um documento. Os provedores os cobram com uma tarifa menor que a dos tokens de entrada novos.

[Agente de programação com IA (AI coding agent)](https://broadrouter.com/pt/glossary/coding-agent/)

Um agente de programação com IA é uma ferramenta de software em que um modelo de linguagem trabalha numa codebase em ciclo: lê arquivos, edita, roda comandos como os testes, lê a saída e decide o próximo passo até a tarefa terminar ou um limite ser atingido.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/)

Tokens de entrada são os tokens que um modelo de linguagem lê em uma requisição, incluindo o system prompt, o histórico da conversa, as definições de ferramentas e as imagens. Tokens de saída são os que ele gera na resposta, incluindo o raciocínio. As APIs de LLM costumam cobrá-los separadamente, e a saída costuma custar mais.

[Tokens de raciocínio (reasoning tokens)](https://broadrouter.com/pt/glossary/reasoning-tokens/)

Tokens de raciocínio são tokens que um modelo de raciocínio gera para trabalhar um problema antes de escrever a resposta visível. Normalmente são cobrados como tokens de saída, contam para o limite de saída e para a janela de contexto, e a API pode ocultá-los ou resumi-los.

## Perguntas frequentes

### Por que agentes de código são tão caros de rodar?

Eles reenviam a cada turno o system prompt, as definições de ferramentas, o conteúdo dos arquivos e o histórico, então os tokens de entrada crescem a cada passo. O raciocínio ainda soma uma saída oculta.

### Qual é a forma mais eficaz de reduzir o custo de um agente de código?

Mantenha o início do prompt idêntico entre os turnos para que ele seja cobrado como entrada em cache. No DeepSeek V4.1 Flash, a entrada em cache custa $0.0055 por 1M contra $0.175.

### Um modelo mais barato sempre sai mais barato num agente de código?

Não. Um modelo mais fraco que leva mais passos, ou que falha e tenta de novo, pode custar mais no total. Meça o custo por tarefa concluída, não por token.

### Quando um plano de preço fixo sai mais barato para um agente de código?

No DeepSeek V4.1 Flash, a partir de cerca de 917 milhões de tokens de entrada e 46 milhões de de saída por mês com 80% de acertos de cache. Um agente em tempo integral costuma passar disso.

### Como evito que um agente de código entre em loop e queime tokens?

Limite o número de turnos por tarefa, pare quando a mesma chamada de ferramenta se repetir três vezes e limite os retries em erros 429 e 5xx. Um limite de passos transforma um custo sem teto num custo com teto.

## Continue lendo

-   [Claude Code com modelos abertos: proxies, endpoints nativos e limites](https://broadrouter.com/pt/blog/claude-code-with-openai-compatible-models/)
-   [Tokens de entrada em cache: como reduzir a conta de API de LLM](https://broadrouter.com/pt/blog/cached-input-tokens-explained/)
-   [Tokens de raciocínio: por que você paga mais saída do que vê](https://broadrouter.com/pt/blog/reasoning-tokens-cost/)
-   [API de LLM com preço fixo ou por token: a conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Como rodar agentes de código em paralelo numa API de LLM de preço fixo](https://broadrouter.com/pt/blog/run-parallel-coding-agents-flat-rate/)
-   [Controle de gastos com API de LLM: orçamentos, limites e loops](https://broadrouter.com/pt/blog/llm-api-spend-control/)
-   [Preços de API de LLM em outubro de 2026: 3 aumentos, nenhum corte](https://broadrouter.com/pt/blog/llm-api-price-changes-october-2026/)
-   [Com que frequência o preço de API de LLM muda? 3 anos de arquivo](https://broadrouter.com/pt/blog/how-often-llm-api-prices-change/)
-   [Guia: Rode o Aider no DeepSeek V4.1 Flash ilimitado](https://broadrouter.com/pt/guides/aider-unlimited-deepseek/)
-   [Guia: Use o Cline com a BroadNet Inference (provedor OpenAI Compatible)](https://broadrouter.com/pt/guides/cline-openai-compatible/)
-   [Guia: Usar o Roo Code com a BroadNet Inference (OpenAI Compatible)](https://broadrouter.com/pt/guides/roo-code-openai-compatible/)
-   [Guia: Adicionar a BroadNet Inference ao opencode como provedor personalizado](https://broadrouter.com/pt/guides/opencode-custom-provider/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-cut-coding-agent-llm-costs&utm_content=page-cta) ·

**Fontes**

-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json, consultados em 2026-11-14) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [Planos da BroadNet Inference e FAQ dos planos (consultados em 2026-11-14) (em inglês)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [Referência da API da BroadNet Inference, tokens de raciocínio e em cache (consultada em 2026-11-14) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-cut-coding-agent-llm-costs&utm_content=sources)
-   [Cursor, eficiência de tokens aprimorada (23 de setembro de 2026; consultado em 2026-11-14)](https://cursor.com/blog/improved-token-efficiency)
