A memória do Claude tem custo extra?
A Anthropic não publica preço para tokens de memória: o texto lembrado é reenviado como entrada, cobrado normalmente, ou servido pelo cache.
As funcionalidades de memória do Claude têm custo extra?
As funcionalidades de memória do Claude não têm um preço próprio. As tarifas publicadas pela Anthropic são cobradas por milhão de tokens de entrada e por milhão de tokens de saída, com tarifas adicionais para o armazenamento em cache de prompts. Nenhuma delas é chamada de token de memória. Armazenar a memória não tem custo na Claude API (interface de programação de aplicações), porque a ferramenta de memória é executada no cliente e o ficheiro fica num armazenamento que pertence a si.
A memória ainda pode afetar a sua fatura, porque um facto guardado só altera uma resposta quando está incluído no pedido que o Claude lê. Recordar significa reenviar. Esse texto chega como tokens de entrada e é cobrado à tarifa normal de entrada do modelo, exceto quando está em cache. Dois números determinam o custo: quantos tokens de texto guardado são reenviados em cada turno e se esse texto reenviado pode ser servido a partir da cache de prompts.
Num plano Pro, Max ou Ultra, a utilização dentro dos limites incluídos no plano não é cobrada por token. Nesse caso, a memória consome a sua franquia de utilização, não o seu dinheiro. Isto muda quando ativa créditos de utilização e ultrapassa um limite: os seus pedidos passam a ser cobrados conforme a utilização, às tarifas normais da API, e são faturados separadamente da subscrição. A partir desse momento, um bloco de memória demasiado grande volta a ter custo. O mecanismo abaixo é idêntico. Apenas muda a unidade. Essa franquia é finita. Por isso, antes de decidir quanta memória cada turno deve transportar, vale a pena saber quanto custa o Claude Pro e em que ponto os limites o impedem. O Claude Enterprise baseado em utilização funciona de forma diferente, porque cobra cada token às tarifas da API, além do preço por lugar, fazendo com que um bloco de memória demasiado grande volte a representar um custo, em vez de consumir apenas a franquia. Os planos Enterprise baseados em lugares incluem uma franquia de utilização, com créditos de utilização disponíveis depois de os membros atingirem os limites incluídos. Estes são planos antigos que transitam para a faturação baseada em utilização na renovação do contrato. Se a redução da memória fizer com que a sua utilização fique confortavelmente abaixo do limite de um plano mais pequeno, passar do Max ou Ultra para o Pro é o passo seguinte a considerar. Se a comparação que está realmente a fazer for entre fornecedores, e não entre os próprios níveis da Anthropic, comparar os planos do Claude com os do ChatGPT aos preços atuais é um bom ponto de partida.
O que significa "memória" em cada interface do Claude
Três produtos diferentes usam a mesma palavra, e confundi-los é a principal razão para esta questão parecer confusa.
A ferramenta de memória na API do Claude. Adicione uma entrada à matriz tools e implemente as operações de ficheiros no seu próprio código.
{"type": "memory_20250818", "name": "memory"}Em outubro de 2026, esta ferramenta não precisa de um cabeçalho beta na Messages API e funciona em todos os modelos Claude 4 e posteriores. É executada no lado do cliente: o Claude solicita uma operação, como view /memories, o seu handler executa-a no armazenamento que controla e devolve o resultado num bloco tool_result. A Anthropic nunca armazena o ficheiro, por isso não há custos de armazenamento a transferir. O custo corresponde à comunicação de ida e volta. A definição da ferramenta é enviada em todos os pedidos, e o conteúdo do ficheiro devolvido permanece na conversa a partir desse momento.
A Anthropic publica a parte fixa dessa sobrecarga. No Claude Opus 5, com uma escolha de ferramenta auto, o prompt de sistema de utilização de ferramentas tem 286 tokens, conforme documentado em outubro de 2026. Esse custo é aplicado uma vez por pedido sempre que existe qualquer ferramenta, seja de memória ou de outro tipo.
Claude Code. Dois mecanismos são carregados no início de cada sessão. Os ficheiros CLAUDE.md contêm as instruções que escreve. A memória automática contém notas que o Claude escreve para si próprio, em ~/.claude/projects/<project>/memory/. Apenas as primeiras 200 linhas ou 25KB de MEMORY.md são carregadas, consoante o limite atingido primeiro. Os ficheiros de tópicos existentes no mesmo diretório são lidos a pedido, e não no arranque. Tudo o que é carregado no arranque passa a fazer parte do prefixo transportado por todos os pedidos seguintes dessa sessão. Ao usar uma subscrição, a memória consome a utilização incluída. Depois de atingir o limite, consome créditos de utilização se estes estiverem ativados. Através da Console ou de fornecedores cloud, o Claude Code é faturado à sua organização por token, e o contexto de memória segue esse método de faturação. Como o Claude Code recupera a memória entre sessões explica a ordem de carregamento, ficheiro a ficheiro.
Claude na Web. Em claude.ai, a memória é um conjunto de entradas que o Claude escreve e atualiza enquanto conversa consigo, com um espaço de memória para cada projeto. Por predefinição, a memória do projeto é utilizada juntamente com a memória da conta. Desative Use account memory na página do projeto para o manter totalmente separado. Settings > Your Claude > Manage, junto de Your memory, apresenta o que está armazenado. No esquema anterior, a opção encontra-se em Settings > Memory. O controlo da memória disponibiliza as opções Pause memory e Reset memory. A memória também está disponível no plano Free. Nos planos pagos com utilização incluída, a memória consome os limites de utilização ou, depois de ultrapassar um limite, os créditos de utilização, se estes estiverem ativados. No Enterprise baseado em utilização, é faturada às tarifas da API.
Por que o texto recuperado é cobrado como tokens de entrada
A Messages API é sem estado. Ela não mantém nada entre as chamadas. Por isso, o cliente envia toda a conversa em cada turno, e o modelo lê tudo novamente. A memória não é uma exceção a essa regra. Ela é mais um bloco de texto na mesma solicitação.
A divisão fica visível no objeto usage de qualquer resposta.
"usage": {
"input_tokens": 412,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 18240,
"output_tokens": 236
}input_tokens conta apenas os tokens que não foram lidos da cache nem usados para criá-la. Na prática, isso significa os tokens depois do último ponto de cache. O total de entrada da solicitação é cache_read_input_tokens mais cache_creation_input_tokens mais input_tokens. Um ficheiro de memória que o Claude abriu há três turnos permanece nesse total em todos os turnos seguintes. Ele é contabilizado em cache_read_input_tokens enquanto o prefixo em cache estiver disponível, em cache_creation_input_tokens quando o prefixo for gravado novamente e em input_tokens quando não estiver em cache. O mesmo texto tem preços diferentes. Os tokens de entrada e saída têm preços diferentes, e a memória reproduzida é contabilizada como entrada.
Onde consultar estes números no seu próprio uso
Não use um valor de uma publicação de blog, incluindo esta. Meça o seu próprio bloco de memória. A contagem de tokens é gratuita e tem o seu próprio limite de taxa, portanto a medição não tem custo.
curl https://api.anthropic.com/v1/messages/count_tokens \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "content-type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
"model": "claude-opus-5",
"system": "You are a scientist",
"messages": [{"role": "user", "content": "Hello, Claude"}]
}'A resposta é um número, como { "input_tokens": 14 }. Execute o comando uma vez com o texto da memória colado no campo system e outra vez sem esse texto. A diferença é o custo dessa memória em cada interação. Tenha em conta duas ressalvas. A contagem é uma estimativa, e os tokens adicionais que a Anthropic acrescenta para as suas próprias otimizações do sistema não são faturados. Conte também com o modelo que realmente vai utilizar, porque o Claude 4.7 e versões posteriores usam um tokenizador mais recente que produz aproximadamente 30 por cento mais tokens para o mesmo texto.
No Claude Code, a mesma informação pode ser obtida sem qualquer curl.
/contextmostra o que está carregado neste momento, incluindo os ficheiros de memória, para que possa ver a parte que ocupam na janela antes de escrever./memorylista os seus ficheiros CLAUDE.md e abre a pasta de memória automática./usageapresenta os totais da sessão, incluindo leituras e escritas da cache.- A linha de estado pode apresentar continuamente o uso da janela de contexto, para que o crescimento seja visível enquanto ocorre.
O bloco de sessão /usage tem este aspeto:
Total cost: $0.55
Total duration (API): 6m 20s
Total duration (wall): 6h 33m 10s
Total code changes: 0 lines added, 0 lines removed
Usage by model:
claude-sonnet-4-6: 1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)Leia a última linha com atenção. O valor de 940.0k de leitura da cache corresponde à conversa completa, incluindo a memória, que é enviada novamente em cada interação à tarifa da cache. O valor de 1.2k de entrada corresponde apenas à entrada não armazenada em cache que não foi utilizada para criar uma entrada de cache. O Claude Code calcula localmente esse valor em dólares com base nos preços de tabela, exceto se um administrador tiver definido tarifas contratadas através da definição gerida modelPricing. Por isso, é uma estimativa e pode ser diferente do valor da sua fatura. A página Usage na Claude Console apresenta o valor oficial.
Depois, faça a comparação diretamente. Faça a mesma pergunta inicial em duas sessões novas: uma normal e outra com a memória automática desativada.
CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 claudeExecute /context em cada sessão e compare a entrada dos ficheiros de memória. A diferença corresponde ao custo da memória acumulada no início de cada sessão, antes de qualquer trabalho ser realizado. Uma análise completa de onde vai o uso de tokens do Claude Code é uma boa leitura complementar a esses dois números.
Quanto custa reproduzir a memória por milhão de tokens?
O cache de prompts é o motivo pelo qual o mesmo bloco de memória pode custar dez vezes mais numa interação do que noutra. A Anthropic publica as tarifas do cache como múltiplos do preço base de entrada de cada modelo. Por isso, a relação mantém-se mesmo quando os preços em dólares mudam.
Os dados por trás deste gráfico
[
{
"label": "Base input",
"price_multiple": 1
},
{
"label": "5 minute cache write",
"price_multiple": 1.25
},
{
"label": "1 hour cache write",
"price_multiple": 2
},
{
"label": "Cache read",
"price_multiple": 0.1
}
]Uma leitura do cache custa 0.1 vezes o preço base de entrada na maioria dos modelos. Os modelos mais recentes têm leituras mais baratas: 0.05 vezes o preço base no Claude Opus 5.5 e no Claude Sonnet 5.5, e 0.025 vezes o preço base no Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5.2 e Claude Mythos 5.2. Escrever uma entrada com duração de 5 minutos custa 1.25 vezes o preço base, e uma entrada com duração de 1 hora custa 2 vezes o preço base. A página de preços da Anthropic indica claramente o ponto de equilíbrio: o cache compensa depois de uma leitura do cache com a duração de 5 minutos, ou depois de duas leituras do cache com a duração de 1 hora. O guia de cache de prompts não apresenta um valor de equilíbrio, mas as tarifas de leitura mais baixas não alteram nenhuma das duas quantidades, porque é o custo adicional da escrita que as leituras têm de recuperar. O ponto de equilíbrio do cache de prompts é o cálculo a fazer antes de decidir onde colocar a memória.
Esses múltiplos transformam o número de reproduções numa operação aritmética. O bloco seguinte é um cálculo baseado nos múltiplos publicados acima, não uma medição de nenhuma carga de trabalho real. O cálculo apresenta o custo de um bloco de memória de três formas ao longo de uma sessão de 100 interações, expresso como o número equivalente de tokens cobrados à tarifa base de entrada.
Os dados por trás deste gráfico
[
{
"label": "4,000 tokens, never cached",
"base_rate_equivalent_tokens": "400,000"
},
{
"label": "4,000 tokens, 1 write and 99 reads",
"base_rate_equivalent_tokens": "44,600"
},
{
"label": "1,000 tokens, 1 write and 99 reads",
"base_rate_equivalent_tokens": "11,150"
}
]Um bloco de memória de 4,000 tokens que não utiliza o cache em nenhuma das 100 interações é cobrado como 400,000 tokens à tarifa base. O mesmo bloco, com uma escrita no cache de 5 minutos e 99 leituras do cache, é cobrado como 44,600. Se o reduzir para um quarto do tamanho e mantiver o cache, é cobrado como 11,150. A funcionalidade não mudou nessas 3 linhas. Apenas o comportamento de reprodução mudou. As linhas usam a leitura padrão de 0.1x. No Claude Opus 5.5 ou no Claude Sonnet 5.5, em que uma leitura custa 0.05x, o bloco em cache de 4,000 tokens desce para 24,800; no Claude Fable 5.1, desce para 14,900. Estes continuam a ser números de tokens, não valores monetários, e converter um número de tokens num valor na sua fatura mensal requer uma multiplicação pela tarifa por milhão do seu modelo. Essa tarifa é definida pelo modelo que executa. Por isso, se o agente for executado no Claude Fable 5, comece pelas tarifas publicadas por milhão e pelo trabalho para o qual ele é adequado. Se o agente usar um modelo menor para reduzir custos, consulte como o Claude Haiku 5.5 calcula o preço de prompts que ultrapassam 100K tokens antes de deixar a memória crescer, porque é a memória reproduzida que faz um pedido ultrapassar esse limite. Se ainda estiver a decidir entre fornecedores, em vez de ter apenas o modelo definido, os mesmos trabalhos com custos na API da Claude e no ChatGPT mostra onde essa multiplicação produz valores diferentes, e um agente com muita memória depende bastante da componente de entrada.
A segunda linha pressupõe que cada um dos 99 pedidos posteriores chega enquanto a entrada do cache ainda está válida. É nessa suposição que a maioria das faturas reais apresenta desvios.
Por que a mesma pergunta custa mais depois de uma pausa?
Uma entrada de cache tem um tempo de vida, e o relógio começa no pedido que a grava ou lê. O padrão da API é 5 minutos. A opção de 1 hora custa o dobro da gravação indicada acima. No Claude Code, o padrão de subscrição de uma hora aplica-se à conversa principal e a determinados pedidos auxiliares dentro da utilização incluída; os subagentes têm cinco minutos, a menos que escolha um tempo de vida mais longo. A conversa principal passa para cinco minutos quando começa a consumir créditos de utilização; com uma chave de API ou num fornecedor de cloud, o padrão é cinco minutos. Definir ENABLE_PROMPT_CACHING_1H=1 mantém o tempo de vida de uma hora enquanto utiliza créditos, e, a partir do Claude Code v2.1.242, definir promptCacheTtl como 1h produz o mesmo efeito na conversa principal. A partir da mesma versão, definir subagentPromptCacheTtl como 1h seleciona o tempo de vida mais longo para pedidos fora da conversa principal.
Por isso, uma pergunta de uma linha introduzida numa sessão que deixou aberta durante o almoço fica cara porque a entrada de cache expirou enquanto esteve ausente. Todo o prefixo, incluindo a memória, é processado e gravado novamente no cache à taxa de gravação do cache. A duração da pausa determinou esse preço.
Pode confirmar isto em vez de aceitar a explicação sem verificar. Num plano Pro, Max, Ultra, Team ou Enterprise, a discriminação /usage assinala qualquer comportamento responsável por 10 por cento ou mais da utilização recente, e tanto o contexto longo como as falhas de cache aparecem ali pelo nome. A partir do Claude Code v2.1.251, o bloco da sessão em /usage também acrescenta uma linha Prompt cache (main) que mostra a percentagem de entrada servida a partir do cache, o número de falhas e se o cache está quente neste momento. Na API, observe cache_creation_input_tokens voltar a subir para o tamanho total do prefixo no primeiro pedido depois de um período de inatividade.
O que invalida silenciosamente a cache
O prefixo colocado em cache segue uma ordem: ferramentas, depois sistema e, por fim, mensagens. Uma alteração num nível invalida esse nível e tudo o que vem depois. Editar uma definição de ferramenta elimina toda a cache. Editar o prompt do sistema elimina a cache do sistema e das mensagens.
Esta é a armadilha para quem mantém memória no prompt do sistema e o reescreve à medida que o agente aprende. Cada reescrita descarta a cópia em cache de tudo o que vem depois. Por isso, o pedido seguinte paga novamente o custo total de escrita. Mantenha o material estável no início e não o altere. Coloque o material volátil mais tarde na lista de mensagens, onde a invalidação tem um custo menor.
Existe uma segunda falha, mais silenciosa. Cada modelo tem um prefixo mínimo que pode ser colocado em cache: 512 tokens no Claude Opus 5, 1,024 no Claude Sonnet 5 e 4,096 no Claude Haiku 4.5, conforme publicado em outubro de 2026. A documentação da Anthropic explica explicitamente o que acontece abaixo desse limite: os pedidos abaixo do mínimo são processados sem cache e nenhum erro é devolvido. Por isso, um ficheiro de memória marcado com cache_control não tem qualquer efeito, de forma silenciosa, se o prefixo completo até esse ponto de interrupção estiver abaixo do mínimo. O sintoma observável é cache_creation_input_tokens permanecer em 0, apesar de o prompt conter claramente um ponto de interrupção.
Eliminar memória que já não justifica o espaço
Cada linha de memória consome tokens em todas as interações que a incluem. Por isso, a pergunta para cada linha é se ela alterou recentemente alguma resposta. Claude Code torna estes limites concretos. Procure manter um CLAUDE.md com menos de 200 linhas, porque ficheiros maiores consomem mais contexto e reduzem a fiabilidade com que Claude os segue. MEMORY.md está limitado às primeiras 200 linhas ou a 25KB no carregamento. Tudo o que ultrapassar esse limite é descartado no início da sessão seguinte. Assim, um índice demasiado grande usa contexto para a parte carregada, enquanto o restante fica por ler.
Duas práticas ajudam a mantê-lo pequeno. Mova os detalhes do índice para ficheiros por tópico. Claude lê esses ficheiros quando necessário, e não no arranque. Mova as instruções de fluxo de trabalho de CLAUDE.md para skills, que só são carregadas quando invocadas. Nos ficheiros de memória que já começam com frontmatter, Claude Code regista a hora de escrita num campo modified como timestamp ISO 8601, na versão 2.1.214 ou posterior. Esse timestamp é a forma mais rápida de identificar um facto que ficou desatualizado. Eliminar memória desatualizada explica o processo de revisão em mais detalhe.
Quando a recuperação é melhor do que carregar tudo no contexto
A ferramenta de memória existe para permitir a recuperação just-in-time. Em vez de carregar tudo antecipadamente, o agente regista o que aprende e lê um ficheiro apenas quando uma tarefa precisa dele. Isto altera os cálculos, porque uma leitura de ficheiro adiciona primeiro o respetivo conteúdo quando necessário e depois mantém-no nos pedidos seguintes até ser removido do contexto, enquanto um bloco carregado permanentemente tem um custo em cada turno.
Dos dois gráficos acima resulta uma regra simples. O texto usado em quase todos os turnos pertence ao prefixo estável em cache. O texto usado em um turno a cada vinte deve ficar atrás de uma chamada view. O ponto de equilíbrio varia com o número de repetições, não com qualquer valor cobrado pela Anthropic.
Na API, também pode permitir que a plataforma reduza a conversa. A edição do contexto limpa resultados antigos de ferramentas quando a conversa ultrapassa um limite definido por si. Esta funcionalidade ainda está em beta, por isso os pedidos que a utilizam precisam do cabeçalho beta context-management-2025-06-27.
{
"edits": [
{
"type": "clear_tool_uses_20250919",
"trigger": {"type": "input_tokens", "value": 30000},
"keep": {"type": "tool_uses", "value": 3},
"clear_at_least": {"type": "input_tokens", "value": 5000}
}
]
}As predefinições são um limite de 100,000 tokens de entrada e 3 utilizações de ferramentas mantidas. Leia sobre a interação com o caching antes de ativar esta opção: limpar conteúdo invalida o prefixo em cache no ponto da limpeza, por isso paga uma escrita na cache no pedido seguinte. É essa a finalidade de clear_at_least. Esta opção adia a limpeza até que a poupança seja suficiente para justificar a escrita. A resposta indica exatamente o que aconteceu em context_management, com cleared_tool_uses e cleared_input_tokens, para que o compromisso possa ser medido em vez de permanecer teórico. Gerir a janela de contexto no Claude Code aplica a mesma ideia a uma sessão de programação.
O que tem uma linha de custo própria
A memória não tem um custo próprio, mas algumas funcionalidades têm, e vale a pena saber quais. Estas são as tarifas publicadas da Claude API em outubro de 2026. Algumas operações não têm qualquer custo, e os créditos de teste da Claude API ajudam os novos utilizadores a experimentá-la. A FAQ de preços da Anthropic diz apenas que os novos utilizadores recebem créditos gratuitos para testar a API e não publica qualquer montante. Os subscritores dos planos Max, Ultra e Team também recebem créditos mensais para a API. Na documentação da Anthropic, em 31 de outubro de 2026, esses créditos eram de $100 no Max e $200 no Ultra. No Team, os créditos são de $20 por lugar Standard e $100 por lugar Premium, partilhados e limitados a $500 por mês. Os planos Free, Pro e Enterprise não são elegíveis. Os créditos não utilizados não transitam para o mês seguinte e não cobrem o Claude Code interativo nem créditos de utilização. Cobrem claude -p e o Claude Agent SDK quando os executa diretamente com uma chave de API da organização associada no Console. As execuções iniciadas pela Claude Code GitHub Action, por uma extensão de IDE ou pela aplicação de desktop continuam excluídas, mesmo com -p. Esses créditos são um benefício de um plano pago, e os custos abaixo são descontados dos créditos disponíveis ou do saldo pago.
- Pesquisa na Web: $10 por 1.000 pesquisas, além do custo normal dos tokens de tudo o que a pesquisa coloca no contexto.
- Execução de código: 1.550 horas gratuitas por organização em cada mês. Depois, $0.05 por hora e por contentor. É gratuita quando o mesmo pedido inclui pesquisa na Web ou obtenção de conteúdo da Web na versão da ferramenta
20260209ou posterior. - Claude Managed Agents: tempo de execução da sessão a $0.08 por hora de sessão, além dos custos normais dos tokens.
- Obtenção de conteúdo da Web: sem custo adicional; paga apenas o custo dos tokens do conteúdo obtido.
A memória não aparece em nenhuma dessas linhas. Aparece na contagem de tokens de entrada, que é precisamente onde pode medi-la e onde a poda e o caching podem reduzi-la. Se estiver a orçamentar um agente que funciona sem supervisão num servidor privado virtual (VPS), os controlos de custos de um agente de IA num VPS são a próxima medida a implementar, porque um agente com um ficheiro de memória crescente e sem poda fica mais caro todas as semanas sem que nada comunique esse aumento.
FAQ
Existe uma cobrança separada pelas funcionalidades de memória do Claude?
Não. A tabela de preços da Anthropic apresenta tarifas por milhão de tokens de entrada, por milhão de tokens de saída e os multiplicadores de cache de prompts, sem uma linha específica para memória. Na API do Claude, a ferramenta de memória é executada no lado do cliente, portanto os ficheiros ficam num armazenamento pelo qual já paga. A memória acrescenta tokens de entrada, cobrados à tarifa normal de entrada do modelo ou à tarifa de cache aplicável em cada turno que os incluir.
Desativar a memória torna o Claude mais barato?
Reduz a contagem de tokens de cada pedido, o que reduz o custo de cada pedido. A poupança total depende do que acontece a seguir. Se o Claude tiver de reler três ficheiros e fazer duas perguntas para reconstruir o que a memória já continha, esses tokens custam mais do que a memória. Meça em vez de presumir: execute /context numa sessão com a memória automática ativada e noutra iniciada com CLAUDE_CODE_DISABLE_AUTO_MEMORY=1. Depois, compare o total de tokens gastos na mesma tarefa.
Porque é que o meu consumo aumentou quando não alterei nada?
A causa mais comum é uma falha de cache depois de uma pausa. Na API, as entradas de cache permanecem durante 5 minutos por predefinição. O Claude Code usa, por predefinição, uma hora para a conversa principal e alguns auxiliares dentro do uso incluído numa subscrição, e 5 minutos quando são usados créditos de consumo, uma chave de API ou um fornecedor de cloud. O primeiro pedido depois de esse período expirar volta a processar todo o prefixo e grava-o novamente à tarifa de escrita de cache. A segunda causa mais comum é uma alteração no prefixo: alterar uma definição de ferramenta invalida todo o cache, e alterar o prompt do sistema invalida o cache do sistema e das mensagens. Num plano de subscrição, a discriminação /usage identifica este comportamento quando ele representa 10 por cento ou mais do consumo recente.
A memória deve ficar no prompt do sistema ou atrás de uma chamada de ferramenta?
Coloque-a no prompt do sistema quando quase todos os turnos a utilizarem, porque assim fica no prefixo em cache e é cobrada à tarifa de leitura de cache. Coloque-a atrás de uma chamada view quando apenas algumas tarefas precisarem dela, porque isso adia a inclusão dos tokens do ficheiro até serem necessários. O resultado continua a ser reenviado nos turnos seguintes até ser removido do contexto. O número decisivo é a contagem de reenvios, e o objeto usage mostra os tokens de entrada, de escrita de cache e de leitura de cache de cada pedido.
As funcionalidades de memória contam para os limites de utilização da subscrição?
Sim, indiretamente, porque os limites da subscrição são consumidos pelos tokens transportados por cada pedido. A documentação de ajuda da Anthropic afirma que conversas mais longas que ativam a gestão automática do contexto consomem mais do limite de utilização. A memória torna cada pedido ligeiramente mais longo, e uma sessão longa reenvia esse conteúdo em todos os turnos. Como funcionam realmente os limites de utilização do Claude explica o que é reposto e quando.