Ещё весной подписки за 100 долларов хватало на весь пет-проект. Автор Хабра поставил себе челлендж — высадить пятичасовой лимит токенов полностью. В начале лета это получалось, а к августу запаса стало хватать только на технический дизайн: до реализации дело доходило лишь на следующей неделе. Недельный лимит сгорал примерно за три дня.
В сентябре он уже платил 200 долларов, но и этот потолок перестал казаться недостижимым. Друзья и коллеги рассказывали, что держат максимальные подписки на Claude и GPT одновременно и планируют третью. Тогда стало ясно: наращивать бюджет — тупик, надо разбираться с потреблением токенов.
Дело не в сложности задач
Причина оказалась не в объёме кода и не в тяжести промптов, а в привычке к удобству. Автор собирал пачку из 5–15 проработанных задач и отправлял их в работу одним батчем. Верхнеуровневый агент мог перемалывать её всю ночь, ни разу не дойдя до компакта сессии. Вечером задачи готовились, ночью исполнялись без участия человека — максимум приходилось писать «ты прервался, возобнови работу с момента остановки».
Плюс удачно совпадало окно с 21:00 Мск до 9:00: у американских клиентов, а это основной рынок Anthropic, наступал провал активности, и модели отвечали быстро. Обычно агент закрывал пачку на собственном контексте в 500–800К, а проверку результата автор делал независимо через GPT — так находились баги, которые Клод со «замыленным взглядом» пропускал.
Кэш — главный пожиратель лимитов
Побочные эффекты схемы упираются в особенности кэша. Субагенты его не греют: верхнеуровневый агент держит кэш час между запросами, и если подчинённые ушли в долгую работу, он успевает протухнуть. Промах кэша на большом контексте стоит дорого — повторный запрос в сессию на 800К токенов заставит заплатить заново за каждый токен. У субагентов кэш живёт всего 5 минут между вызовами инструментов, а сами они разрастаются до 400–600К. Подтюнить это можно параметром subagentPromptCacheTtl: 1h, но цена работы с кэшем тоже вырастет.
И главное: чтение кэша пропорционально размеру контекста. Сессия на 800К токенов примерно в 8 раз дороже тех же действий на 100К, а один вызов инструмента читает кэш целиком. На правку одного бага таких вызовов бывает 20–50.
Что помогло на практике
Вывод один: отказаться от долгоживущих сессий и дробить задачи. Автор использует agile-команду субагентов с разными промптами: аналитик разбирает задачу, программист пишет код, ревьювер и QA принимают работу с разных сторон, а оркеструет верхнеуровневый агент. Разные промпты ведут модель по нужному вектору, и агенты находят реальные косяки друг у друга.
Дальше — экономия на моделях. Sonnet 5 уже тянет уровень Opus 4.8, а вышло и поколение 5.5. Мелкие кросс-репозиторные фиксы и разработку стоит отдавать Sonnet, поиск — Haiku, а дорогую аналитику и ревью — Opus и Fable. Аналитика должна дробить большие задачи на пачки, чтобы контекст исполнителей не взрывался, а верхнеуровневому агенту лучше запретить будить спящих субагентов ради мелких правок — иначе весь их контекст оплачивается заново.
Отдельная головная боль — размашистые комментарии, которые нейросети обожают писать для инфраструктурного кода. Ansible тут идеальная площадка: модели описывают логику тасок, реальную инфраструктуру и даже принципы работы модулей. Иногда на одну строку кода приходятся 20 строк комментариев.
Для читателя вывод простой: если лимиты утекают быстрее ожидаемого, дело чаще не в сложности задач, а в архитектуре сессий. Прежде чем брать тариф подороже, стоит посчитать, сколько контекста реально перечитывается каждый раз. Больше разборов инструментов и рабочих схем — в разделе новостей.