Чему нас научили три окна сессий агентов: порог передачи, контекст и стоимость токенов

Это вторая статья о том, как наши агенты тратят токены. Первая посчитала неделю из 65 000 запросов и закончилась гипотезой: если размер контекста умножает вес каждого шага, надо держать его коротким. Потом мы поменяли несколько настроек и измерили снова, дважды: через день и через неделю. Два измерения показали разное, и эта разница научила нас больше всего.

Что мы поменяли

29 сентября мы включили четыре вещи:

• Передачу дел на 40% окна: когда контекст агента доходит до этой отметки, harnsy просит лида передать роль свежему агенту, который начинает с записки. Порог, заданный для роли, сильнее порога по умолчанию.
• Sonnet 5.5 на шести ролях (на тот момент), которые работают по процедуре или пишут текст. Разработчики, ревью и лиды остались на Opus 5.5.
• Короткие документы ролей: у разработчика и лида они стали примерно втрое короче.
• Пакеты уведомлений: в первый день 299 пакетов вместо 1 086 отдельных уведомлений.

Наш расчёт на прошлых шагах обещал около −20% веса основных сессий. За первые 17 часов цена шага упала примерно на четверть: совпало.

Как мы сравнивали три окна

Метод тот же, что в первой статье: записи, которые ведёт Claude Code, по строке на запрос, каждый запрос оценён по опубликованному тарифу API его модели, без дублей. Мы ограничили данные сессиями нашей компании и пересчитали окно «до» старым способом по всем проектам: цифры совпали с первым разбором (73 046 шагов, 7 044 $), так что сравнение честное. Из-за более узкой выборки средний контекст «до» здесь 305 тыс., а по всем проектам — 306 тыс.

Через день: шаг стоил на четверть дешевле

Шаг основной сессии, то есть шаг агента в его собственном разговоре, стоил 0,096 $ до правок и 0,075 $ сразу после. Средний контекст шага упал с 322 до 257 тыс. токенов. Вес в шагах больше 400 тыс. токенов упал с 48% до 14%.

Причиной был порог передачи. Шаг на том же размере контекста стоит одинаково до и после (0,089 $ и 0,090 $ на 200–400 тыс.): выигрыш дало только то, что контекст реже разрастался. Наша оценка, чего стоила каждая правка:

Через неделю: решает порог передачи

Мы измерили снова 5–8 октября, три полных дня. Шаг основной сессии теперь стоит 0,101 $ (до правок было 0,096 $, на следующий день 0,075 $). Средний контекст — 311 тыс. токенов, почти как исходные 322 тыс. Вес в шагах больше 400 тыс. — 36%. От следующего дня это отличается порогами передачи, как показывает следующий раздел.

Все шаги вместе, с субагентами, стоят 0,087 $ против прежних 0,091 $. Эта цифра смешивает две вещи: субагенты теперь несут 20% веса (было 3%), а их шаги дешёвые, 0,055 $. Лучшая мерка — основные сессии, где видны настройки.

Что сдвинуло цифры: пороги передачи

Причина — настройка. В первые дни октября пороги передачи подняли: разработчикам и ревью до 600 тыс., лиду сайта с 600 до 700 тыс.; у лида продукта 700 тыс. стояло с 30 сентября. Цифры ниже показывают, на каком контексте сессии реально передавали дела.

Роли, у которых остался порог 40% (дизайнер, DevOps, UX), держатся около своих цифр следующего дня. У ролей с более высокими порогами контекст длиннее и шаг тяжелее.

Более высокий порог — компромисс, и мы измерили одну его сторону. Преемник, который начинает с записки, может потерять нить, а высокий порог этот риск снижает. Сколько высокий порог стоит в весе, мы измерили; сколько он бережёт, не измеряли.

Модели дорогих ролей не менялись. Доля Sonnet в весе упала с 27% до 11,5% только потому, что роли на Sonnet в эти три дня работали мало.

У ожидания есть цена

Второй рычаг — ожидание. Агент, простоявший больше часа, теряет кэш и должен записать весь контекст заново. До правок это случалось 10 раз в сутки, теперь 65, по 2,04 $ каждый раз, это 14% веса.

Это не только утро. Прогревы идут весь день, с пиками в 10 часов и около полуночи. Медианная пауза — 2,7 часа; четверть пауз короче 1,5 часа, четверть длиннее 8. Чаще всего это лиды и разработчики, дальше DevOps, UX, ревью и дизайнер. Агент ждёт ревью или следующую задачу, а кэш за это время истекает.

Сообщения будят агентов с самым большим контекстом

Ходы, которые начало сообщение другого агента, теперь дают 65% веса (69% с отчётами субагентов), было 79%. Падение в основном объясняется тем, что часть работы ушла в субагентов, а не тем, что агенты стали иначе общаться.

Короткие ходы, от одного до трёх шагов вроде «принял», — 729 в сутки и 17% веса, по 0,225 $ за ход. Лиды делают 64% из них. На 1 000 шагов таких ходов было 101, потом 74, теперь 65: медленное снижение. Каждый такой ход дороже, чем в первом разборе (0,225 $ против 0,158 $), потому что контекст лидов при их более высоком пороге длиннее.

Субагенты взяли работу и остались дешёвыми

Доля субагентов выросла с 3% до 20% веса. Почти всё это разработчики, которые отдают сборку целиком субагенту. Такой субагент не передаёт дела и растёт без порога: самый большой дошёл до 783 тыс. токенов и весил 61 $. Всё равно шаги больше 400 тыс. дают лишь 2,9% веса субагентов, а их шаг дешёвый. Выносить работу в субагента полезно: основная сессия растёт медленнее.

Что мы предлагаем попробовать дальше

Это предложения, а не результаты. Каждая оценка — повтор наших прошлых шагов: плата за передачу 0,70 $, свежая сессия начинает с 60 тыс. токенов. Настоящая записка лида длиннее, поэтому выигрыш по лидам может быть чуть меньше. Проценты — доли всего веса, около 964 $ в сутки по прайсу API.

• Понизить пороги: разработчикам и ревью до 400 тыс., лидам до 500 тыс.; это около −11%. Если высокие пороги берегут нить работы, компромисс — 500 тыс. всем трём ролям, около −9%. Прогнать на одной команде неделю и сравнить не цену шага, а цену закрытой задачи.
• Держать кэш тёплым у ждущего агента: раз в 55 минут простоя, до 4 часов, harnsy будит его пустым коротким «пингом». Чтение контекста в 322 тыс. из кэша стоит около 0,06 $, прогрев — около 2 $. По нашему окну это −6…−7% (расходы на пинги, 14 $ в сутки, включены). Для этого нужна функция в harnsy, и мы не знаем, как Anthropic считает пинги в лимите подписки.
• Сводка для лида вместо отдельных сообщений «к сведению»: отчёты вроде «принял» копятся и приходят одним пакетом раз в 10–15 минут; вопросы и блокеры идут сразу. Если исчезнет половина коротких ходов лидов, это около −5%. Пока не сделано.

Чего бы мы не делали: ограничивать субагентов ради цены и расширять Sonnet только ради цены; его шаг стоит почти столько же (0,074 $ против 0,089 $ у Opus 5.5 в этом окне).

Что измерено, а что нет

Что из этого взять себе

• Что даёт настройка, держится, пока держится настройка. Мерьте снова через неделю и на полном окне.
• Сравнивайте цену шага и доли, а не суммы за сутки: нагрузка меняется.
• Размер контекста при передаче дел — самый большой рычаг из найденных нами. Чем выше порог, тем тяжелее каждый следующий шаг.
• У ожидания тоже есть цена: истёкший кэш пишется заново.
• Прежде чем двигать порог передачи, решите, как будете проверять качество работы, и смотрите на неё рядом со стоимостью.

Где здесь harnsy

harnsy — локальное приложение, которое соединяет агентов Claude Code, Codex и OpenCode в одну команду с ролями. Порог передачи — настройка роли: по умолчанию 40% окна, а на панели видно, где каждая роль. Высокий порог — выбор между деньгами и непрерывностью, и harnsy не делает его за вас. Как harnsy устанавливается и что меняет на вашей машине, написано на странице установки.