💰 A economia real

Pense numa redação de jornal. O editor-chefe não sai correndo atrás de cada fonte: ele lê, decide a pauta, distribui e fecha a edição. Quem vai à rua, transcreve entrevista e revisa ortografia é a equipe — gente boa, mais barata, em maior número. Se o chefe fosse fazer tudo, a folha de pagamento explodia e o jornal sairia atrasado. Subagentes funcionam igual: deixe um modelo caro pensar e uma frota barata trabalhar. A economia não está em cortar qualidade — está em colocar cada modelo onde ele rende.

↑ O desenho da economia: 1 chefe caro decide, uma frota barata executa em paralelo, o chefe fecha a edição.

O desenho que economiza dinheiro tem dois papéis. No topo, um modelo caro — Opus ou Sonnet — que pensa: lê o problema, faz o plano, distribui as tarefas e junta tudo no fim. Embaixo, uma frota de modelos baratos — Haiku — que faz o trabalho pesado: escaneia, busca, lê arquivo, resume. Você paga o caro uma vez, para a parte difícil, e o barato muitas vezes, para a parte mecânica.

Você pode definir o modelo de cada subagente um a um, no campo model do arquivo. Mas quando quer que toda a frota rode barato de uma vez, existe um atalho: a variável de ambiente CLAUDE_CODE_SUBAGENT_MODEL. Ela define o modelo padrão de todos os subagentes que não fixaram um modelo próprio — sem você tocar em cada arquivo.

# toda a frota de subagentes passa a rodar em Haiku
export CLAUDE_CODE_SUBAGENT_MODEL=claude-haiku-4-5

# abra o Claude Code já com a frota barata ligada
claude

# o chefe (a sessão principal) continua no modelo que
# você escolheu — só os subagentes herdam o Haiku.

O custo que assusta não é o subagente que faz o trabalho — é o subagente que entra em loop: tenta, falha, tenta de novo, e fica rodando às suas custas. O maxTurns é o teto de quantos passos (turnos de ferramenta) um subagente pode dar antes de parar. É um disjuntor: estourou o limite, desliga — em vez de queimar tokens a noite inteira.

Não tem mágica: rodar uma frota de subagentes consome muito mais tokens que uma única conversa — na ordem de ~15×. Cada subagente começa do zero e reúne o próprio contexto antes de produzir. Isso não é desperdício automático: é o preço do paralelismo e do contexto limpo. A pergunta certa não é "é caro?", e sim "o que eu ganho que compensa esse 15×?".

↑ Recriação ilustrativa, não medição real. A proporção existe para fixar a ordem de grandeza.

O instinto errado é "se está caro, é porque preciso de um modelo mais forte". Quase nunca. O ganho real vem de combinar: o modelo certo no papel certo, o teto certo, o paralelismo certo. Uma frota Haiku bem orquestrada por um chefe Sonnet entrega mais por menos do que tudo em Opus. Arquitetura vence força bruta.

Economia de verdade exige olhar para o gasto. Quanto cada subagente consumiu? Qual deles bateu no teto? Onde o tempo foi embora? Sem observar, você otimiza no escuro — corta o que era barato e deixa rodando o caro. Meça primeiro, ajuste depois: é assim que a divisão chefe/frota deixa de ser palpite e vira número.

Os dois controles deste módulo cabem no frontmatter de um único arquivo .md: model diz quem faz (modelo barato), e maxTurns diz até onde ele pode ir antes de parar. Este log-scanner.md é um trabalhador de frota típico: barato, read-only, com teto.

--- # frontmatter: a CONFIGURAÇÃO do subagente
name: log-scanner             # minúsculas e hífens
description: Vasculha logs e arquivos grandes em
  busca de erros e devolve só um resumo. Use para
  varreduras pesadas.          # o GATILHO
tools: Read, Grep, Glob       # só leitura: trabalho de frota
model: haiku                  # BARATO — é a frota, não o chefe
maxTurns: 12                  # TETO — disjuntor contra loop
---

# corpo: o CÉREBRO do subagente
You are a fast log scanner.

When invoked:
1. Grep the given files for errors and warnings.
2. Group what you find by type and file.
3. Stop as soon as you have the summary.

Return: a short report — counts per error type
and the 3 files with the most issues. Nothing else.
Do not open files line by line; do not loop.

Três prompts para aplicar a economia agora: ligar a frota barata, pôr teto contra loop e desenhar a divisão chefe/frota antes de gastar. Repare no padrão: modelo certo no papel certo, com limite.

Quero que toda a frota de subagentes rode em Haiku,
mas que você (o chefe) continue em Sonnet. Me mostre
como ligar isso com CLAUDE_CODE_SUBAGENT_MODEL e
confirme quem ficou em qual modelo.

Crie um subagente de varredura de logs em Haiku,
read-only, com maxTurns 12 para ele não entrar em
loop. Quero o arquivo .md pronto, com model e maxTurns
no frontmatter.

Para este trabalho [descreva], me proponha a divisão
chefe/frota: o que fica no modelo caro (decidir/juntar)
e o que vai para a frota Haiku em paralelo. Diga qual
modelo e qual maxTurns para cada papel — e por quê.

É assim que a economia aparece quando você observa: o chefe em Opus mal gasta, porque só pensa; a frota Haiku faz o trabalho pesado por uma fração do custo; e há um aviso onde um agente encostou no maxTurns. Esse é o quadro que diz onde cortar — antes de chutar.

↑ Recriação ilustrativa do painel de custo (não é screenshot real). O chefe pensa por pouco; a frota carrega o trabalho — e o teto parou o agente travado.