Quanto custa rodar o Claude como trader? — Fase 2: dois agentes, 30 dias

Dei R$500 para cada um de dois agentes Claude e deixei que operassem cripto por um mês. O trading perdeu R$15,37. O raciocínio custou R$605.

Essa proporção — a conta de inferência rodando quase quarenta vezes maior que a perda no trading — é a coisa mais importante que a Fase 2 produziu, e é por isso que este post quase não é sobre trading.

Este é o companion piece de portfolio para o writeup completo da Fase 2. Mesmo formato da Fase 1: aquele tem a metodologia, o SQL e dez seções densas; este é o que eu te contaria tomando um café sobre rodar dois agentes autônomos lado a lado por 30 dias e descobrir que meu instrumento mais importante era a fatura.

O setup, em números

• Período: 2026-05-24 → 2026-06-22, 30 dias.
• Capital: R$500 por agente, R$1.000 no total, na Binance Brasil.
• A1 v2 ("A"): opera as majors numa cadência de 15 minutos. O controle.
• A2 ("B"): opera um universo aberto — os 15 pares BRL mais líquidos — com consciência explícita de taxas. O tratamento.
• Volume: 6.166 decisões, 339 trades, 151 posições fechadas.
• Final: A R$490,87 (−1,83%), B R$493,76 (−1,25%).
• Gasto com modelos de tick: US$ 112,03. Exato, direto do banco — e a palavra "exato" é a maior parte da história.

A Fase 1 rodou um agente por sete dias e sua resposta honesta sobre o gasto com a Anthropic foi "não sei ao certo". A Fase 2 levou essa lição ao pé da letra: cada uma das 6.166 linhas de Decision agora registra inputTokens, outputTokens, usdCost e modelUsed. Uma mudança de schema, e ela moldou a fase mais do que qualquer comportamento de trading. A Fase 1 mediu a infraestrutura. A Fase 2 mediu o medidor.

Um mês de quase nada, que é exatamente o ponto

Os dois agentes passaram o mês a um ou dois por cento do capital inicial. A tentou uma arrancada em meados de junho e devolveu tudo. B ficou quieto na segunda metade e achatou a curva de propósito — mais sobre isso abaixo. Ninguém explodiu, nenhum piso de risco foi violado, e a escada de regimes que construí para drawdowns nunca saiu de normal em nenhum dos agentes. Como mês de trading: tedioso. Como experimento: o tédio é estrutural, porque significa que todo número interessante deste post é sobre custo e governança, não sorte.

Guarde esse screenshot — especialmente a linha "Anthropic cost" no final. Tem algo silenciosamente errado nela, e é uma das melhores lições da fase. Vamos voltar a isso.

O medidor

A fase rodou três modelos Claude como cérebros de tick, e a escada entre eles é o achado:

Isso é uma faixa de preço de 14× para o mesmo trabalho — mesmo prompt, mesmo schema JSON, mesma camada de risco. A única coisa que mudou visivelmente depois da chamada do modelo foi a conta.

Aprendi o topo dessa escada do jeito caro. Lancei os dois agentes no Opus 4.7 na noite de lançamento do modelo — a escolha deliberada de continuidade, era o modelo da Fase 1. Quinze horas depois, o medidor recém-nascido tinha registrado 153 decisões e US$ 15,12 — o que viria a ser 13% de toda a conta de ticks do mês. Fiquei olhando o dinheiro entrar no cano e migrei os dois agentes para o Sonnet na tarde seguinte. Se deixasse quieto, o Opus numa cadência de 10–15 minutos teria queimado uns US$ 700 por mês.

A outra ponta da escada é a melhor virada da fase. Em 6 de junho — dia 14 — duas alavancas entraram ao mesmo tempo. Alarguei a cadência de B de 10 para 15 minutos, porque o medidor tinha mostrado que os ticks extras compravam principalmente holds, não oportunidades de alta convicção. E troquei um campo de uma linha de Config de claude-sonnet-4-6 para claude-haiku-4-5. Sem redeploy, sem mudança de prompt, sem regra de risco nova. A troca de modelo sozinha cortou 67% do custo por decisão; juntas, as duas alavancas levaram o gasto diário de B de ~US$ 2,90 para ~US$ 0,65. E nos dezesseis dias seguintes, o modelo mais barato venceu 64% dos trades fechados (14 de 22) contra 39% do mesmo agente no Sonnet. Amostras pequenas, com certeza — mas não é a direção para a qual um "downgrade" deveria apontar.

(Houve também uma alavanca mais discreta no dia 4 — eliminar o processamento de posições-poeira e curto-circuitar mercados sem mudança — o tipo de correção sem glamour cujo único monumento é todos os números seguintes saírem mais limpos.)

Por completude, a alavanca que recusei: prompt caching. O TTL de cache do Bedrock e o checkpoint mínimo de 4.096 tokens do Haiku tornam o caching economicamente contraproducente numa cadência de 15 minutos — você pagaria para manter aquecido um cache que está sempre frio quando o próximo tick dispara. Saber por que uma alavanca de custo não se aplica também é algo que o medidor me comprou.

A coisa mais interessante que qualquer um dos agentes fez foi nada

Em 5 de junho, B atravessou 144 ticks consecutivos — um dia e meio — com 99% em caixa, escrevendo alguma variante da mesma tese a cada quinze minutos: nenhum setup superava a barreira de ~50bps de taxas. Um scalper que se recusa a scalpar porque as taxas comem a margem não é um bug. É o prompt de consciência de taxas fazendo exatamente o que foi escrito para fazer, tick após tick, sem ninguém olhando.

A camada de risco teve um mês mais movimentado: 248 bloqueios nos dois agentes. O que pagou o próprio salário foi o streak halt — um disjuntor de perdas consecutivas que B acionou 44 vezes, cortando exatamente os padrões de perda por atrito que scalping pesado em taxas produz, bem antes de qualquer piso de perda diária entrar em cena.

A tabela que vou ficar encarando até a Fase 3

Toda decisão carrega um campo de confiança. Eu registrei o mês inteiro e só analisei depois que a fase fechou. Em 151 round-trips fechados:

Trades de alta confiança deram dinheiro nos dois agentes. Trades de confiança média perderam dinheiro nos dois agentes. Trades de baixa confiança nunca foram executados. Remova os fechamentos de confiança média de A e o P&L da fase dele vira positivo.

Pare e pense: o modelo estava me dizendo quais dos seus trades eram bons, num campo que eu armazenava e não usava. A Fase 3 ou dimensiona posições por confiança ou rejeita entradas de confiança média de cara — é o alpha mais barato do sistema inteiro, e estava parado numa coluna.

A seção de falhas, com honestidade

A Fase 1 me ensinou que as falhas são a parte que vale escrever, então:

• Os recaps diários rodaram sem medidor o mês inteiro. O Opus 4.7 escreve o recap diário de cada agente, e nenhuma contagem de tokens é registrada — exatamente a lacuna que a Fase 1 apontou para as decisões de tick, fielmente corrigida para ticks, fielmente reproduzida para recaps.
• Um Lambda zumbi. A fase terminou em 22 de junho. O job de recap continuou disparando diariamente até julho — sem medidor, e fora do inventário de kill-switches porque não existia inventário de kill-switches. Descobri lendo output pós-fase que não deveria existir. Todo job agendado agora entra numa lista central com dono e botão de desligar.
• A escada de regimes está epistemicamente sem resposta. Cinco bandas de defesa relativas ao capital, construídas e testadas em código, nunca dispararam — o sizing conservador manteve os dois agentes tão longe dos gatilhos que ainda não sei te dizer se a escada é segurança redundante ou código morto.
• A API pública limita /decisions às 2.000 linhas mais recentes por agente. A fase produziu 6.166. Isso deixa 2.166 linhas — 35% da fase — publicamente inalcançáveis, incluindo a noite de lançamento do Opus. Volte lá no screenshot do scorecard: ele diz custo Anthropic de US$ 37,52 e US$ 20,05, mas os totais reais da fase são US$ 56,57 e US$ 55,46. O dashboard lê a própria API limitada, então o aparato subreporta o próprio experimento em público. Os números do writeup vêm de um export SQL somente leitura; paginação retroativa está na lista da Fase 3.

Nenhuma dessas falhas tocou o capital. Todas tocaram o conhecimento — cada uma é um lugar onde o registro do que aconteceu ficou incompleto enquanto o dinheiro estava bem. Para um experimento cujo produto inteiro é o registro, esse é o modo de falha contra o qual engenheirar.

O que a Fase 2 mediu de verdade

A Fase 1 perguntou se a infraestrutura conseguia colocar um modelo em posição de operar e registrar o que ele fez. A Fase 2 perguntou o que só dá para perguntar depois que isso funciona: quanto custa cada decisão, quais desses custos são estruturais, e a governança aguenta quando são dois agentes e você muda as coisas em pleno voo?

A resposta a que sempre volto: depois que a infraestrutura funciona, a restrição vinculante de um agente autônomo não é capacidade — é economia unitária e governança. O Claude produziu decisões válidas no schema e coerentes com o plano 6.166 vezes. As perguntas em aberto agora moram todas do meu lado da fronteira: se eu consigo pagar pelas decisões, se consigo medir cada chamada de modelo incluindo as dos cantos, e se consigo desligar tudo quando a fase termina.

Os R$15,37 que os agentes perderam são ruído. Os US$ 112,03 que custou perdê-los — e o fato de que agora sei dizer esse número ao centavo, por modelo, por dia, por decisão — são o verdadeiro produto da fase.

Uma frase para lembrar

Uma mudança de um campo de configuração cortou 67% do custo de raciocínio de um agente, e o cérebro mais barato operou melhor.

Essa frase deveria ser no mínimo levemente desconfortável para qualquer pessoa (eu incluída) cujo padrão é pegar o maior modelo e chamar isso de diligência. É uma amostra pequena num bankroll pequeno — mas é exatamente o tipo de frase que só se ganha colocando um medidor em cada decisão e deixando a coisa rodar.

Dashboard, dados e a versão densa estão no writeup completo da Fase 2. Não é recomendação financeira. Apenas um experimento.