La etiqueta de cinco palabras con un apetito de 40,000 tokens
Cada 30 segundos, Claude Code sondea a los background agents activos, pidiendo a un modelo de lenguaje que resuma su trabajo en pocas palabras para el panel de agentes. Esta función, aparentemente inofensiva y diseñada para la visibilidad del usuario, puede consumir silenciosamente una parte significativa del límite de tokens del usuario.
La prueba de OpenTelemetry de Better Stack, que exportó los datos de rastreo de Claude Code, reveló el alcance de este drenaje. Las solicitudes de resumen aparecían aproximadamente cada 30 segundos, transmitiendo en cada una el historial completo de la conversación del agente. Esta hinchazón de contexto significaba que las solicitudes a menudo involucraban alrededor de 40,000 tokens de entrada para generar apenas 130 tokens de salida, como "ejecutando séptima pausa de 20 segundos".
Estos resúmenes, etiquetados con query_source = "agent_summary", representaron el 12% del costo total en una sesión sintética diseñada para ejecutar múltiples tareas de sleep 20. En un escenario más realista (construir un sitio con TanStack usando tres agentes en segundo plano), la sobrecarga del resumen consumió alrededor del 8% del uso total de tokens de la sesión. Esto ocurre porque el sistema utiliza por defecto el modelo de agente principal (a menudo Claude Claude Opus) para estos resúmenes, en lugar de una alternativa más económica como Claude Claude Haiku.
Por qué una pequeña actualización de estado sigue siendo cada vez más cara
Repetidamente, Claude Code envía el historial completo de la conversación —no solo los cambios recientes— al modelo por cada agente en segundo plano activo. Esto aumenta el contexto y el volumen de tokens de entrada a través de los ciclos de sondeo, pasando de 18 mensajes a 42 en una prueba. Cada llamada de resumen consumió aproximadamente 40,000 tokens de entrada para producir apenas 130 tokens de salida, como "ejecutando séptima pausa de 20 segundos".
Una preocupación importante es la selección del modelo. Las pruebas del video encontraron que estas llamadas de resumen se ejecutaban en el modelo asignado al agente, incluido el costoso Claude Claude Opus, en lugar de un modelo más pequeño y económico como Claude Claude Haiku. Esto amplifica el costo de una actualización de interfaz de usuario rutinaria.
Las mediciones de la comunidad sobre este drenaje de tokens varían, ya que la cantidad de agentes y la actividad provocan divergencias. Las pruebas de Better Stack encontraron que agent_summary representaba el 12% de una sesión sintética de pausa y el 8% de una construcción realista de TanStack. Otros puntos de referencia de la comunidad oscilaron entre el 8% y el 26% para flujos de trabajo pesados con múltiples agentes.
Anthropic citó promedios más bajos, con un ingeniero señalando un 2% del costo de la API y un 6% en la terminal a través de telemetría global. El almacenamiento en caché de prompts puede reducir los precios de la API en aproximadamente una décima parte, pero Anthropic afirma que el uso de la suscripción sigue consumiendo cuotas sin total transparencia sobre el ahorro de costos real.
El uso que no encontrarás en tus registros habituales
Observar los costos ocultos de agent_summary requiere mirar más allá del registro estándar. Las transcripciones locales .jsonl de Claude Code, a menudo utilizadas por herramientas como cc-usage para el análisis de costos, no registran estas solicitudes de resumen. En consecuencia, los cálculos de uso basados en transcripciones pueden subestimar significativamente el consumo real de tokens.
Para verificar la actividad de agent_summary, habilite la exportación de OpenTelemetry dentro de Claude Code. Exporte estos rastreos a una plataforma de observabilidad como Better Stack. Allí, filtre y agrupe las solicitudes por query_source = agent_summary para revelar su frecuencia y volumen de tokens. Este método proporciona evidencia granular y medible de esta sobrecarga específica.
Las pruebas de Better Stack revelaron que agent_summary representó el 12% del gasto total de la sesión en una prueba de sueño sintética y el 8% durante una compilación realista de TanStack. Los hallazgos de la comunidad externa de Flamerix AI señalaron hasta un 16.4% del gasto total y un 19.7% de las solicitudes de API atribuidas a estos resúmenes en ejecuciones multi-agente de alta frecuencia. Para más información sobre la utilidad general de Claude Code, consulte Claude Code: Best practices for agentic coding - Anthropic.
La telemetría de Anthropic sugiere un promedio global del 2% a precios de lista de API y del 6% dentro de la terminal. Si bien estas cifras demuestran una sobrecarga significativa en flujos de trabajo específicos, la proporción exacta varía considerablemente según la actividad del agente, la duración de la tarea y los procesos concurrentes. Es crucial distinguir estos impactos medidos de las afirmaciones universales, ya que los patrones de uso individuales influyen fuertemente en el consumo de tokens observado.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
Reduce el consumo sin interrumpir tu flujo de trabajo
Mitigar el consumo de tokens de Claude Code no requiere sacrificar tu flujo de trabajo basado en agentes. Una solución efectiva consiste en establecer la opción fork_subagents en 0. Esto deshabilita los subagentes que heredan el historial completo de la conversación, deteniendo así las llamadas de resumen mientras permite que los agentes en segundo plano operen con menos contexto heredado. Las pruebas confirman que esto elimina los costos de agent_summary.
Otra solución, aunque más avanzada, utiliza un script de precarga de Bun para interceptar setTimeout y bloquear el temporizador de resumen. Este enfoque modifica los procesos de Claude Code, por lo que debes examinar el código minuciosamente. Evita ejecutar ciegamente instalaciones de curl flotantes; en su lugar, fija una copia local revisada para mitigar los riesgos de seguridad.
Para minimizar el consumo futuro, monitorea activamente las sesiones con muchos agentes. Evita la proliferación innecesaria de subagentes y evalúa cuidadosamente la conveniencia de las etiquetas de estado en tiempo real frente a su costo de uso acumulativo. Los informes de Anthropic indican que se están desarrollando mejoras en el almacenamiento en caché de prompts y la posibilidad de opciones de resumen más económicas, aunque no se garantiza una solución universal.
Preguntas frecuentes
¿Qué son los resúmenes de agentes de Claude Code?
Son descripciones breves de lo que están haciendo los agentes en segundo plano, que se muestran en el panel de agentes y son generadas periódicamente por un modelo.
¿Cuánto uso pueden consumir los resúmenes de agentes?
La proporción reportada varía según la carga de trabajo: Better Stack midió un 12% en una prueba sintética y alrededor de un 8% en una compilación multi-agente, mientras que Anthropic citó promedios más bajos en su telemetría.
¿Puedo desactivar los resúmenes de agentes de Claude Code?
No existe un interruptor dedicado y sencillo descrito en la fuente. Establecer los subagentes de bifurcación (fork subagents) en cero puede detener estos resúmenes, pero cambia la forma en que los agentes bifurcados heredan el contexto.
¿Por qué las herramientas de uso podrían pasar por alto estas llamadas?
Las solicitudes de resumen de agentes pueden no aparecer en las transcripciones JSONL estándar de Claude Code. Los datos de OpenTelemetry pueden exponerlas bajo la fuente de consulta agent_summary.
¿Las llamadas de resumen siempre se facturan a precio completo de token?
No necesariamente. El almacenamiento en caché de prompts puede reducir los costos de API, pero la contabilidad del uso de la suscripción es menos transparente, por lo que el impacto preciso depende del plan y la carga de trabajo.