Google Antigravity: Análise do alto consumo de tokens e a gestão de caches
Aprofundamento CEVIU
Aprofundamento
O Google Antigravity, ferramenta de codificação com IA, tem um comportamento de cache implícito que impacta diretamente a quota semanal dos usuários. A análise detalhada revela que o sistema apaga os caches de prompt após 5 minutos de inatividade, o que força a reingestão de todo o histórico da conversa e causa um alto consumo de tokens. Mesmo um prompt simples de cinco palavras pode gerar uma requisição inicial de 13.800 a 16.800 tokens, pois inclui instruções de sistema, esquemas de MCP (Media Codecs Processing) e definições de habilidades. Esta pesquisa detalhada, realizada por meio de engenharia reversa do binário Antigravity, identificou que o Google já possui um motor de keep-alive embutido, mas ele está desativado por flags internas e restrições de modelo. Ativar esse motor, que envia pings de baixo custo para manter o cache aquecido, poderia reduzir significativamente o consumo de tokens. A otimização do custo efetivo do token é crucial, pois em sessões de 150 mil tokens, uma pausa de 5 minutos pode custar 133.065 tokens extras na mensagem seguinte.
Para mitigar o problema das 'cold turns' (reinicializações a frio), a pesquisa sugere que desativar servidores MCP e plugins não utilizados pode diminuir a base de tokens por requisição. Métodos como o comando /btw para manter o cache ativo mostraram-se caros, consumindo até 4,9 vezes mais tokens do que um ping normal e 26% mais do que uma falha de cache. A solução mais eficiente seria a ativação do motor de keep-alive nativo, que envia uma requisição mínima (um ponto final e max_output_tokens = 1) a cada 4 minutos e 30 segundos, sem poluir o histórico da conversa. O limite de pings é crucial para evitar que o keep-alive se torne mais caro que a própria perda do cache em longos períodos de inatividade. Em um contexto de 16,8 mil tokens, o limite ideal é de 3 pings, cobrindo cerca de 18 minutos de tempo ocioso.
O que mudou
A questão do consumo de tokens e a gestão de caches em agentes de IA tem sido um tópico recorrente. Em 15 de abril de 2026, o CEVIU noticiou o
Por que isso importa
Para profissionais de IA, machine learning e ciência de dados que utilizam o Google Antigravity, a compreensão do mecanismo de cache implícito é essencial para gerenciar custos e otimizar o fluxo de trabalho. A revelação de que o cache expira após 5 minutos de inatividade, e que cada requisição 'fria' pode custar mais de 16 mil tokens, impacta diretamente a eficiência e o custo operacional. A descoberta de um motor de keep-alive interno, porém desativado, aponta para uma otimização de custos substancial que, se habilitada pelo Google, poderia alterar significativamente o panorama de uso. A desativação de servidores MCP e plugins não utilizados é uma medida prática imediata para reduzir o custo base por requisição.
A forma como os modelos de linguagem gerenciam o contexto e o caching tem implicações diretas na experiência do desenvolvedor e nos gastos com APIs. A falta de controle sobre o TTL do cache e a necessidade de estratégias complexas para mitigar o reprocessamento de tokens destacam a importância de provedores oferecerem mais transparência e controle sobre esses mecanismos. A análise mostra que mesmo em um ambiente de desenvolvimento iterativo, onde pausas são comuns, o custo de não manter o cache ativo é proibitivo para sessões longas, exigindo uma atenção maior à arquitetura de prompts e à gestão de estado.
Linha do tempo
CEVIU noticia problemas com o cache do Claude Code e reclamações de cota, com TTLs de cinco minutos ou uma hora.
CEVIU analisa a longevidade do KV Cache em Anthropic, OpenAI e Google, notando que o cache da Anthropic dura cerca de 5 minutos.
CEVIU destaca a estratégia de caching de prompts para otimização de custos em agentes de IA.
CEVIU aborda a fragilidade operacional do cache de prompt em agentes de IA e fatores que o invalidam.
CEVIU reporta o salto no consumo de tokens do GPT-5.6 Sol xhigh em comparação com o GPT-5.5 xhigh.
CEVIU noticia que servidores MCP elevam significativamente o uso de tokens, segundo a OpenRouter.
Análise revela que o Google Antigravity apaga caches de prompt após 5 minutos de inatividade, causando alto consumo de tokens.
Perguntas frequentes
O que causa o alto consumo de tokens no Google Antigravity?
O alto consumo ocorre porque o cache de prompt é apagado após 5 minutos de inatividade. Isso força o sistema a reprocessar todo o contexto da conversa, incluindo instruções de sistema, esquemas MCP e habilidades, que podem somar mais de 16 mil tokens por requisição inicial, mesmo para prompts curtos.
Como o Google Antigravity gerencia o cache e qual é o impacto da sua expiração?
O Antigravity usa um cache implícito, que tenta reutilizar prefixos de prompt automaticamente. Quando o cache expira (após 5 minutos), o sistema precisa reingerir todo o contexto da conversa, cobrando o valor total dos tokens. Isso resulta em um aumento rápido da quota semanal, especialmente em sessões de codificação interativas com pausas.
Existe alguma solução para manter o cache ativo e reduzir o consumo de tokens?
A pesquisa revelou que o Google já tem um motor de keep-alive embutido, mas ele está desativado. Ativar esse motor, que envia pings de baixo custo a cada 4 minutos e 30 segundos sem poluir o histórico, poderia manter o cache aquecido. Outra medida é desativar servidores MCP e plugins não utilizados para reduzir o volume de tokens base em cada requisição.
Qual a economia potencial com a ativação do motor de <em>keep-alive</em>?
Em uma sessão de 16,8 mil tokens, um ping bem-sucedido pode economizar entre 9.653 e 13.286 tokens efetivos, uma economia de 29% a 36%. Em sessões maiores, de 150 mil tokens, uma pausa de 5 minutos pode custar 133.065 tokens extras na mensagem seguinte, evidenciando o grande potencial de economia com o keep-alive.
Fontes
- asubedi.com.npfonte original
- Categoria
- CEVIU IA
- Publicado
- 19 de novembro de 2026
- Editoria
- CEVIU IA
