Anthropic corta em 35% o tempo de resposta do Claude em conversas longas

O que a Anthropic anunciou

A Anthropic colocou em beta pública, nesta terça-feira (3 de novembro de 2026), um recurso chamado Message Threads na API do Claude. Até então, toda chamada precisava reenviar o histórico inteiro da conversa: cada novo turno carregava de novo as mensagens anteriores, os arquivos, as imagens e as instruções de sistema. Com o Message Threads, o cliente passa a transmitir só o que mudou desde a última mensagem, segundo a empresa.

O ganho medido pela Anthropic é de cerca de 35% a menos no tempo até o primeiro token (TTFT, do inglês time to first token), em requisições com contexto entre 500 mil e um milhão de tokens. TTFT é a métrica que mede quanto tempo passa entre o envio do pedido e o momento em que o primeiro pedaço de resposta começa a chegar: é o que o usuário sente como "demora pra começar a responder", mesmo antes de a resposta ficar pronta.

Por que contexto longo pesava tanto até agora

A API do Claude, como a maioria das APIs de modelo de linguagem, não guarda memória entre chamadas por padrão. Cada requisição é tratada de forma isolada, então cabe à aplicação reconstruir e reenviar o histórico completo sempre que o usuário manda uma nova mensagem. Em um chat de poucas trocas isso é irrelevante, mas em agentes que leem repositórios de código inteiros, navegam por várias telas de um computador ou processam dezenas de documentos e imagens, o histórico cresce rápido e pode passar de centenas de milhares de tokens.

Reenviar esse volume de dados a cada chamada consome tempo de rede antes mesmo de o modelo começar a gerar qualquer coisa. Quanto maior o payload, maior o atraso só para a requisição chegar inteira ao servidor e ser processada. É esse atraso de transporte, mais do que o processamento em si, que o Message Threads ataca.

Como o recurso funciona na prática

Segundo a Anthropic, ao abrir um thread a conversa fica mantida em memória no lado do servidor, de forma criptografada, entre uma chamada e outra. Nas chamadas seguintes, o cliente manda apenas o delta: a nova pergunta, o novo trecho de código, a nova captura de tela, sem reconstruir o pacote inteiro da conversa. O thread expira depois de cinco minutos de inatividade, o que indica que o recurso foi pensado para sessões interativas contínuas, não para guardar histórico por longos períodos sem uso.

A empresa diz que coding agents (agentes que escrevem e revisam código), agentes de uso de computador (os que operam uma tela como um usuário humano faria, clicando e lendo a interface) e workflows que processam muitos documentos ou imagens são os que mais sentem o ganho. Faz sentido: são justamente os casos em que o contexto acumulado passa fácil da casa dos 500 mil tokens.

O que não muda: o custo por token continua igual

Um ponto que merece atenção de quem calcula orçamento de agente: o uso de tokens não muda. A Anthropic afirma que o Claude continua lendo o histórico completo da conversa internamente, então a cobrança por tokens de entrada permanece a mesma de sempre. O Message Threads reduz o tempo de transporte dos dados pela rede, não o volume que o modelo processa nem o valor da fatura.

Em resumo: o ganho é de latência percebida, não de custo. Para quem está otimizando gasto com IA, Message Threads não ajuda. Para quem está otimizando a sensação de resposta rápida em produto, ajuda bastante.

Onde o recurso está disponível

O Message Threads funciona na Claude platform e também através de três provedores de nuvem: AWS, Microsoft Foundry e Google Cloud. Isso importa para equipes brasileiras que já rodam Claude via Bedrock (AWS) ou Vertex AI por exigência de compliance ou de residência de dados, porque o ganho de latência não fica restrito a quem usa a API direto da Anthropic.

A Anthropic publicou os detalhes técnicos na própria documentação do Claude, mas a fonte consultada não especifica como habilitar o recurso nos SDKs nem se há mudanças de precificação futuras associadas a ele.

O que muda para quem constrói agente aqui no Brasil

Para equipes de TI que operam Claude Code em repositórios grandes, ou que montam agentes de atendimento que acumulam histórico de conversa ao longo do dia, o TTFT alto costuma aparecer como aquela pausa visível antes do agente começar a responder, especialmente quando o contexto já passou de centenas de milhares de tokens. Reduzir esse tempo em 35% pode ser a diferença entre um agente que parece travado e um que parece ágil, mesmo sem mudar uma linha de prompt.

Vale lembrar que a infraestrutura da Anthropic não tem data center no Brasil, então parte da latência que o usuário brasileiro sente vem do trajeto da rede até os servidores da empresa. Um recurso que reduz o volume de dados transmitidos por chamada tende a ser sentido de forma ainda mais perceptível em conexões com mais distância até o servidor, embora a fonte não traga números específicos para esse cenário.

Fica em aberto, por ora, como o recurso se comporta em agentes autônomos de longa duração que ficam mais de cinco minutos sem interação (o thread expira e, provavelmente, o próximo pedido volta a carregar o histórico inteiro), e se a Anthropic vai expandir o suporte a outros SDKs além dos três provedores de nuvem já listados.

Fonte: The Decoder