OpenAIAnthropicGoogleMedido ao vivo com o contador de cada fornecedor
Dois produtos
Para onde vão os teus tokens: para a tua app ou para o teu agente de código?
Ambos são open core e ambos contam com o contador do teu fornecedor. Fazem trabalhos diferentes, por isso cada um faz a sua promessa — e hoje só um tem um número de poupança publicado.
SDK
Para apps Node.js, em JavaScript ou TypeScript, que chamam uma API de LLM com a tua própria chave e pagam cada token.
Envolve a chamada dentro do teu código, envia ao fornecedor só o que é preciso pagar e devolve um SavingsReport com cada resposta.
O número que publicamos
OpenAIgpt-4o-mini
31,5%menor custo a preços de tabela versionados (intervalo de 95%: de 25,7% a 36,7%) num fluxo onde 30% dos pedidos são repetições exatas — 100 famílias / 200 pedidos por braço, GSM8K, SDK 0.4.31
Por que este número e seus limites
Não é uma previsão: o que poupares depende de quanto o teu tráfego se repete. No teu relatório de poupança só conta o que o contador do teu fornecedor confirma — incluindo os pedidos repetidos servidos sem o chamar, cada um valorizado com o contador do pedido idêntico que já foi executado.
Para quem trabalha com Claude Code, Codex CLI ou outro agente de código com chave de API.
Um comando põe um medidor local à frente do teu terminal, sem tocar em código. O gateway conta cada pedido cujo uso o teu fornecedor reporta, com o contador do próprio fornecedor — nos modelos do nosso catálogo de preços — e soma-os no teu painel, por dia e por modelo.
O número que publicamos
Anthropic
2,49%de redução líquida estimada do custo a preços de tabela com a alteração do TTL da cache do PRO, descontadas as falhas de cache induzidas (intervalo de 95%: de 1,50% a 3,57%). Replay contrafactual com baseline parcialmente reconstruída sobre 51 sessões de Claude Code de uma organização; não é um A/B ao vivo nem uma reconciliação de faturas.
Por que este número e seus limites
Não é uma previsão para a tua equipa: é uma só organização, um só fornecedor e preços de tabela, e é uma poupança pequena que se nota onde a despesa na Anthropic é alta. Com PRO, em modelos da Anthropic, o gateway passa as escritas da cache do TTL de uma hora para o de cinco minutos só nos turnos em que uma boa parte do prompt é nova — como o primeiro turno de uma sessão ou uma compactação — e deixa como estão os turnos encadeados de uma sessão em curso. Isso muda o preço, nunca o que o modelo lê, e só o que o contador do teu fornecedor confirma conta no teu relatório de poupança.
SDK — para apps em JavaScript ou TypeScript com chave de API
Feito para programadores
Menos dores de cabeça com a fatura. Sem mudar de fornecedor.
Quatro factos sobre o pacote. Nenhum é uma promessa.
dependencies: {}
Zero dependências de runtime
Um único bundle ESM. Nada se instala ao lado do teu código que não tenhamos escrito nós; o tokenizador exato é um peer opcional.
report.cost.basis
Um SavingsReport por chamada
Quatro livros que nunca se somam, o custo com a sua base (medido ou estimado) e rastos por etapa. É o mesmo que o teu painel lê.
app → provider api
O teu tráfego continua direto
O SDK envolve a chamada dentro do teu processo. Os teus prompts não passam pela BiVelio: a nós só chegam contagens e custo.
layer.generateStream(request)
Streaming, o mesmo relatório
generateStream() entrega-te a resposta à medida que o fornecedor a escreve e fecha com o mesmo SavingsReport que generate(), com as mesmas regras de base: o contador final do fornecedor é lido no fim do stream, e um stream sem ele é reportado como não medido e nunca conta como poupança medida. Com contrato de saída, a resposta chega validada e numa só peça.
Em palavras simples
O que faz o SDK, exatamente?
Quatro ideias, quatro animações de oito segundos.
01
A IA cobra por palavras
Cada pedido a uma IA paga-se pelo texto que entra e sai. O Savings põe-se no meio desse caminho: um pedido que já viu e verificou é respondido sem voltar a chamar o fornecedor, e o que não era preciso pagar cai no seu pote.
02
Não paga duas vezes pelo mesmo
A IA relê em cada turno tudo o que já lhe tinhas enviado — e o fornecedor cobra-o outra vez. O Savings prepara cada pedido para que o fornecedor aplique o seu preço reduzido ao que se repete. O desconto é do fornecedor; a nossa parte é pedi-lo bem.
03
Um recibo que pode conferir
Não pedimos confiança cega. Os montantes medidos usam o uso reportado pelo fornecedor e preços documentados, e aparecem no teu SavingsReport. Os montantes valorizados por referência e os estimados são etiquetados à parte; nenhum é apresentado como reconciliado com uma fatura.
04
Open core: poupa sem chaves
Instala o pacote e as alavancas ficam ligadas: o modo Community liga cada alavanca local com zero telemetria, e uma chave definida mas inválida continua fail-closed. A nuvem é opcional: painel de equipa, caches partilhadas e gestão de licenças por uma taxa fixa por lugar — e sem comissão sobre a tua poupança.
As animações ilustram a ideia. Os números a sério — medidos contra fornecedores reais — estão logo abaixo.
Sem promessas: medições
Como sabemos que poupa? Medimos — e publicamos cada ensaio, um a um.
Cada cenário do SDK corre duas vezes contra o fornecedor real: tal como está, e com o Savings à frente. Os dois braços são valorizados com o uso reportado pelo fornecedor a preços de tabela versionados, sem reconciliação com faturas. Foi isto que saiu, com a sua margem de erro:
31,5%menor custo a preços de tabela versionados (intervalo de 95%: de 25,7% a 36,7%) num fluxo onde 30% dos pedidos são repetições exatas — 100 famílias / 200 pedidos por braço, GSM8K, SDK 0.4.31
Anthropicclaude-sonnet-5
75,1%fluxo reduzido, diferente do da OpenAI: 31 famílias / 62 pedidos por braço (intervalo de 95%: de 69,3% a 79,6%). Cerca de 41% do custo de A a preços de tabela é um efeito da cache de prefixo ativado por cache_control no braço B, não um desconto preexistente da Anthropic
Cada alavanca cai no seu próprio livro, e os livros nunca se somam. Nesta bateria a poupança veio de pedidos repetidos que o SDK serviu sem chamar o fornecedor e, no Claude, de um efeito da cache de prefixo ativado por cache_control no braço B. O pacote npm não traz compressor.
Compatível não é medido. O SDK funciona com qualquer endpoint compatível com a API da OpenAI, mais o adaptador nativo da Anthropic e o adaptador nativo do Gemini (novo na 0.4.33). Com um valor de poupança no banco público, hoje só modelos da OpenAI e da Anthropic; o Gemini não tem valor de poupança. O que está medido do Gemini: Gemini 3.8 Flash, pela sua API nativa, no banco semanal ao vivo de 1 de outubro de 2026 — as quatro baterias, sem nenhum erro da camada e sem nenhuma recusa em cache nem creditada como poupança. Esse banco verifica que a camada não estraga nada nem cobra a mais; não mede uma poupança. Também medido: o Gemini 3.1 Pro, pela sua API nativa, em duas rodadas parciais de 1 – 2 de outubro de 2026 (a sua quota diária do fornecedor não dá para as quatro baterias num dia): as quatro baterias, também sem nenhuma falha da camada e sem nenhuma recusa em cache nem creditada como poupança.
O teste é uma experiência justa: a mesma tarefa duas vezes — sem Savings e com Savings — com o mesmo contador do fornecedor a medir as duas.
Tradução, sem jargão
Num fluxo onde 30% dos pedidos se repetem exatamente, a fatura desceu 31,5% — entre 25,7% e 36,7% com 95% de confiança. O que poupares depende de quanto o teu tráfego se repete.
Uma percentagem não significa nada sem o seu intervalo, o seu modelo e o seu tráfego: publicamos os três.
Contabilidade honesta
Cada tipo de poupança, contado à parte — para nenhuma cifra inchar.
Cada SavingsReport separa a poupança em quatro livros — chamadas evitadas, texto removido, texto comprimido e o desconto de cache do teu próprio fornecedor — e nunca os soma num número de marketing.
No banco público (2026-09-28), o que o SDK instalado poupou veio do primeiro livro — pedidos repetidos servidos sem chamar o fornecedor — e, no Claude, do quarto através de um efeito da cache de prefixo ativado por cache_control no braço B, não de um desconto preexistente do fornecedor. O pacote npm não traz compressor. Um livro sem valor publicado é descrito aqui, não anunciado.
01
avoided_calls
Chamadas a LLM, recuperação e ferramentas que nunca chegaram a executar.
02
eliminated_tokens
Informação descartada porque simplesmente não era necessária.
03
compressed_tokens
Informação mantida, mas codificada com menos tokens.
04
provider_cached_tokens
Ainda no prompt, mas faturada ou processada de forma mais barata.
SDK · uma alavanca, com os teus dados, antes de pagar
Cola os teus dados. Vê quantos tokens o SDK enviaria.
Aqui corre o seletor de formato real do SDK, no teu navegador e com os teus dados. Nada sai desta página e não precisas de conta.
Experimenta um exemplo
…ou cola aqui o teu próprio JSON. Nada sai do teu navegador.
A carregar o otimizador e o tokenizador exato…
O que é e o que não é: uma alavanca — como os dados estruturados se escrevem no prompt — sobre os tokens de entrada destes dados. Só se aplica aos dados que passas ao SDK como structuredData, não ao JSON que já vai escrito dentro das tuas mensagens. Não é a tua fatura: nem as chamadas evitadas, nem a cache do teu fornecedor, nem a saída estão aqui, e muitos pedidos não levam dados estruturados. Para o SDK inteiro, o número que publicamos é o da secção da medição, com a sua nota.
Executa-o na tua própria app. Os teus prompts nunca tocam nos nossos servidores.
Coloca o SDK à frente do teu fornecedor. Cada resposta traz um SavingsReport completo que podes representar em gráfico — os mesmos números que o painel lê.
# 1 · o pacote
pnpm add @bivelio/savings-layer# 2 · envolver a chamada — essa é toda a mudança de códigoconst layer = createSavingsLayer({ provider });
const { text, report } = await layer.generate({ model, messages });
console.log(report.cost.netSavingsRatio) // ← a economia, medida
Ou deixa que um comando o adapte ao teu stack. O init lê o teu package.json (Next.js, Express, o Vercel AI SDK, Mastra, LangChain.js, o SDK da Anthropic ou o da OpenAI) e imprime a linha de instalação, o código exato para o teu adaptador e uma verificação que não gasta tokens: sem chave nenhuma, a camada responde na tua máquina, sem chamar o modelo. Não escreve nada sem pedires.
Onde as tuas automações já vivem. O que se mede é a chamada à API do teu fornecedor com a tua chave: numa app Node.js, o SDK envolve-a; a partir de outro código com o SDK oficial da OpenAI ou da Anthropic, o gateway fica à frente e regista-a se for de um modelo com preço de tabela.
Gateway — para agentes de código com chave de API
Gateway · terminais de código
Claude Code com chave de API? Vê o gasto real, token a token.
Um único comando põe um medidor local à frente do teu terminal, sem tocar no teu código: exportas a tua chave de serviço e arrancas o teu agente através do bvsala. Os teus prompts nunca saem da tua máquina — ao teu painel só chegam contagens e custo.
npm i -g @bivelio/savings-layer
# optional: cloud dashboard
export BIVELIO_SERVICE_KEY=bvk_…
bvsala claude
O gateway mede, com o contador do teu fornecedor, cada pedido cujo uso este reporta (nos modelos do nosso catálogo de preços) e, tal como o SDK, arranca sem nenhuma chave (modo Community): uma chave de serviço opcional acrescenta o painel e os direitos da org. Com licença PRO, em modelos da Anthropic, aplica também uma alavanca por defeito: passa as escritas da cache do TTL de uma hora para o de cinco minutos só nos turnos em que uma boa parte do prompt é nova — como o primeiro turno de uma sessão ou uma compactação — e deixa como estão os turnos encadeados. Isso muda o preço, nunca o conteúdo que o modelo lê. As restantes alavancas ficam desligadas até as ativares. O skill savings-mode está disponível para os teus limites, com o efeito ainda por medir. O gateway funciona também com Codex CLI, Goose, Qwen Code, opencode, Kilo, Aider e, com a tua própria chave da Anthropic, GitHub Copilot CLI; para outros, como Cline ou Continue, o bvsala doctor imprime a configuração exata. O Cursor funciona atrav�s da substitui��o do URL base OpenAI com a tua pr�pria chave, e a Gemini CLI arranca com bvsala gemini. Vê como funciona →
Python ou qualquer outra linguagem? Aponta o SDK oficial da OpenAI ou da Anthropic para o gateway e cada pedido cujo uso o fornecedor reporte, de um modelo com preço de tabela, fica registado neste painel a esse preço; o log do gateway avisa quando um não é medido. O bvsala doctor imprime o base URL de cada SDK. Em streaming com a OpenAI, pede o uso no pedido (stream_options.include_usage).
Skill — para agentes de código com subscrição
savings-mode · skill gratuita
A skill que estica os teus limites de subscrição
Sem fatura não quer dizer sem dor: a janela de cinco horas e o teto semanal. savings-mode é uma skill de instruções puras — sem proxy, o teu tráfego intacto — que corta as duas massas que realmente queimam o teto: a saída do modelo e os resultados de ferramentas. É gratuita; o que se paga com o Savings é saber quanto te poupa.
01
leituras de cache
O contexto inteiro é relido a cada turno — por isso mantê-lo magro importa.
02
escrita de cache (uma hora)
Cada resultado de ferramenta é escrito em cache com sobretaxa antes de ser relido.
03
saída do modelo
Uma pequena parte dos tokens, ao preço mais alto por token; a skill ataca-a diretamente.
Para onde vai o gasto de uma sessão do Claude Code, por esta ordem: leituras de cache, escritas de cache de uma hora e saída do modelo — medido com o nosso medidor no nosso próprio tráfego, contra os contadores do fornecedor. Esse relatório não está publicado, por isso não mostramos os seus valores. O efeito da própria skill será publicado quando estiver medido em A/B — nunca antes.
npx -y @bivelio/savings-layer skill
Um único comando: instala-se em ~/.claude/skills e ativa-se sozinho quando a conversa fala de limites ou de poupar tokens.
Planos
Meça grátis. Pague por lugar quando quiser a poupança.
O pacote é open core Apache-2.0: sem chaves, todas as alavancas locais ligadas, zero telemetria. A nuvem é opcional — Measure é o plano gratuito, Pro e Team são faturados por lugar, em EUR, sem comissão sobre a tua poupança.
Medir
Grátis
Grátis, sem cartão. O plano NUVEM gratuito: modo sombra para uma organização, até 5 lugares e 20.000 pedidos por dia — nada do que envias muda, nada é servido da cache, nunca entra em nenhuma comissão, e o teu painel mostra quanto teria poupado. As alavancas locais não precisam dele: o open core corre sem chave nenhuma. Precisa de @bivelio/savings-layer 0.4.33 ou posterior.
Mais lugares do que o pagamento online permite, um contrato próprio ou condições de faturação acordadas: escreva-nos.
Todas as otimizações do BV‑SALA, sem limite
Um recibo por pedido: SavingsReport com quatro livros, medido e estimado em separado
Painéis de poupança e analíticas de equipa
Os teus prompts nunca saem da tua infraestrutura
Um lugar é uma máquina ou identidade de serviço, não uma pessoa. Paga os lugares que a sua subscrição cobre; o seu painel mostra quantos estiveram em uso este mês (ativos em pelo menos 3 dias; CI e executores efémeros não contam).
IVA não incluído. Se a sua empresa tiver número de IVA intracomunitário, aplica-se a autoliquidação.
Já tem a modalidade anterior, com comissão sobre a poupança medida? Mantém-na sem alterações; as condições estão nos termos de preço.
Empresa e ecossistema
A BiVelioBıVelıo é membro do NVIDIA Inception Program.
O programa da NVIDIA para startups que constroem com IA.