L'étiquette de cinq mots avec un appétit de 40 000 jetons
Toutes les 30 secondes, Claude Code interroge les background agents actifs, demandant à un modèle de langage de résumer leur travail en quelques mots pour le panneau des agents. Cette fonctionnalité apparemment anodine, conçue pour la visibilité de l'utilisateur, peut consommer silencieusement une part importante du quota de jetons de l'utilisateur.
Le test OpenTelemetry de Better Stack, qui a exporté les données de trace de Claude Code, a révélé l'ampleur de cette fuite. Les demandes de résumé apparaissaient environ toutes les 30 secondes, transmettant à chaque fois l'historique complet de la conversation de l'agent. Cet encombrement du contexte signifiait que les requêtes impliquaient souvent environ 40 000 jetons d'entrée pour générer à peine 130 jetons de sortie, tels que "running seventh 20-second sleep".
Ces résumés, marqués avec query_source = "agent_summary", représentaient 12 % du coût total dans une session synthétique conçue pour exécuter plusieurs tâches sleep 20. Dans un scénario plus réaliste — la création d'un site TanStack utilisant trois background agents — la surcharge liée aux résumés consommait tout de même environ 8 % de l'utilisation totale des jetons de la session. Cela se produit parce que le système utilise par défaut le modèle d'agent principal (souvent Claude Claude Opus) pour ces résumés, plutôt qu'une alternative moins coûteuse comme Claude Claude Haiku.
Pourquoi une minuscule mise à jour de statut devient de plus en plus coûteuse
À plusieurs reprises, Claude Code envoie l'historique complet de la conversation — et pas seulement les changements récents — au modèle pour chaque background agent actif. Cela aggrave le volume de contexte et de jetons d'entrée à chaque cycle d'interrogation, passant de 18 messages à 42 dans un test. Chaque appel de résumé consommait environ 40 000 jetons d'entrée pour produire à peine 130 jetons de sortie, comme "running seventh 20-second sleep".
La sélection du modèle est une préoccupation majeure. Les tests de la vidéo ont révélé que ces appels de résumé s'exécutaient sur le modèle assigné à l'agent, y compris le coûteux Claude Claude Opus, plutôt que sur un modèle plus petit et plus économique tel que Claude Claude Haiku. Cela amplifie le coût d'une mise à jour routinière de l'interface utilisateur.
Les mesures communautaires de cette fuite de jetons varient, le nombre d'agents et l'activité entraînant des divergences. Les tests de Better Stack ont révélé que agent_summary représentait 12 % d'une session de veille synthétique et 8 % d'une construction TanStack réaliste. D'autres benchmarks communautaires variaient de 8 % à 26 % pour des flux de travail multi-agents intensifs.
Anthropic a cité des moyennes plus faibles, un ingénieur notant 2 % du coût de l'API et 6 % dans le terminal via la télémétrie mondiale. La mise en cache des invites (prompt caching) peut réduire les prix de l'API d'environ un dixième, mais Anthropic déclare que l'utilisation par abonnement puise toujours dans les quotas sans transparence totale sur les économies réelles.
L'utilisation que vous ne trouverez pas dans vos journaux habituels
Observer les coûts cachés de agent_summary nécessite de regarder au-delà de la journalisation standard. Les transcriptions locales .jsonl de Claude Code, souvent utilisées par des outils comme cc-usage pour l'analyse des coûts, n'enregistrent pas ces demandes de résumé. Par conséquent, les calculs d'utilisation basés sur les transcriptions peuvent considérablement sous-estimer la consommation réelle de jetons.
Pour vérifier l'activité de agent_summary, activez l'exportation OpenTelemetry dans Claude Code. Exportez ces traces vers une plateforme d'observabilité telle que Better Stack. Là, filtrez et regroupez les requêtes par query_source = agent_summary pour révéler leur fréquence et leur volume de jetons. Cette méthode fournit une preuve granulaire et mesurable de cette surcharge spécifique.
Les tests de Better Stack ont révélé que agent_summary représentait 12 % des dépenses totales de session lors d'un test de sommeil synthétique et 8 % lors d'une build TanStack réaliste. Les conclusions de la communauté externe de Flamerix AI ont noté jusqu'à 16,4 % des dépenses totales et 19,7 % des requêtes API attribuées à ces résumés dans des exécutions multi-agents à haute fréquence. Pour en savoir plus sur l'utilité plus large de Claude Code, consultez Claude Code: Best practices for agentic coding - Anthropic.
La télémétrie d'Anthropic suggère une moyenne mondiale de 2 % aux prix catalogue de l'API et de 6 % au sein du terminal. Bien que ces chiffres démontrent une surcharge significative dans des flux de travail spécifiques, la part exacte varie considérablement en fonction de l'activité des agents, de la durée des tâches et des processus simultanés. Il est crucial de distinguer ces impacts mesurés des affirmations universelles, car les modèles d'utilisation individuels influencent fortement la consommation de jetons observée.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Réduisez la consommation sans interrompre votre flux de travail
Atténuer la consommation de jetons de Claude Code ne nécessite pas de sacrifier votre flux de travail piloté par des agents. Une solution efficace consiste à définir l'option fork_subagents sur 0. Cela désactive les sous-agents qui héritent de l'historique complet de la conversation, arrêtant ainsi les appels de résumé tout en permettant aux agents d'arrière-plan ordinaires de fonctionner avec moins de contexte hérité. Les tests confirment que cela élimine les coûts liés à agent_summary.
Une autre solution, bien que plus avancée, utilise un script de préchargement Bun pour intercepter setTimeout et bloquer le minuteur de résumé. Cette approche modifie les processus de Claude Code, examinez donc le code minutieusement. Évitez d'exécuter aveuglément des installations curl flottantes ; préférez épingler une copie locale révisée pour atténuer les risques de sécurité.
Pour minimiser la consommation future, surveillez activement les sessions à forte intensité d'agents. Évitez la prolifération inutile de sous-agents et pesez soigneusement la commodité des étiquettes de statut en temps réel par rapport à leur coût d'utilisation cumulé. Les rapports d'Anthropic indiquent que des améliorations de la mise en cache des invites (prompt caching) et la possibilité d'options de résumé moins coûteuses sont en cours de développement, bien qu'une solution universelle ne soit pas garantie.
Questions fréquemment posées
Qu'est-ce que les résumés d'agents de Claude Code ?
Il s'agit de courtes descriptions de ce que font les agents d'arrière-plan, affichées dans le panneau des agents et générées périodiquement par un modèle.
Quelle quantité d'utilisation les résumés d'agents peuvent-ils consommer ?
La part signalée varie selon la charge de travail : Better Stack a mesuré 12 % dans un test synthétique et environ 8 % dans une build multi-agents, tandis qu'Anthropic a cité des moyennes plus faibles dans sa télémétrie.
Puis-je désactiver les résumés d'agents de Claude Code ?
Il n'existe pas de bouton dédié simple décrit dans la source. Définir les sous-agents fork à zéro peut arrêter ces résumés, mais cela modifie la façon dont les agents dérivés héritent du contexte.
Pourquoi les outils d'utilisation pourraient-ils manquer ces appels ?
Les demandes de résumé d'agent peuvent ne pas apparaître dans les transcriptions JSONL standard de Claude Code. Les données OpenTelemetry peuvent les exposer sous la source de requête agent_summary.
Les appels de résumé sont-ils toujours facturés au prix total des jetons ?
Pas nécessairement. La mise en cache des invites peut réduire les coûts de l'API, mais la comptabilité de l'utilisation des abonnements est moins transparente, l'impact précis dépend donc du plan et de la charge de travail.