A Anthropic abriu em beta público o Message Threads, recurso da plataforma Claude que muda o transporte do histórico de conversas. Em vez de reenviar o diálogo inteiro a cada chamada de API — a interface que conecta aplicações ao modelo —, o sistema transmite apenas o que mudou desde a última mensagem e, com isso, corta em cerca de 35% o tempo até o primeiro token, a latência que separa o pedido do instante em que a resposta começa a aparecer, em requisições de 500.000 a 1 milhão de tokens.
Como o recurso funciona
Até o lançamento, toda requisição à API da Anthropic carregava o histórico completo da conversa, mesmo quando nada tinha mudado além da última linha. O Message Threads passa a enviar somente o delta — a diferença entre o que o modelo já viu e o que acabou de ser escrito. A thread permanece criptografada em memória entre uma chamada e outra e expira após cinco minutos sem atividade.
Os números da mudança
| Métrica | Efeito |
|---|---|
| Tempo até o primeiro token | queda de 35% em requisições de 500.000 a 1 milhão de tokens |
| Consumo de tokens | sem alteração, pois o modelo continua lendo todo o histórico |
| Retenção da thread | criptografada em memória; expira após 5 minutos de inatividade |
| Canais de acesso | plataforma Claude, AWS, Microsoft Foundry e Google Cloud |
O dado central é o corte de cerca de 35% no tempo até o primeiro token na faixa de 500.000 a 1 milhão de tokens, justamente o terreno de conversas longas e de fluxos com muito contexto acumulado.
Onde o ganho é maior
Segundo a Anthropic, os mais beneficiados são agentes de programação, agentes que operam computadores e fluxos que processam grandes volumes de documentos ou imagens. Nessas cargas, cada etapa acrescenta contexto e o histórico cresce depressa, o que transforma o reenvio integral em peso crescente.
A leitura para o investidor
A distribuição do recurso passa pela plataforma Claude e também por AWS, Microsoft Foundry e Google Cloud — as três grandes nuvens, canais por onde o uso corporativo de modelos costuma entrar nas empresas. Latência menor pesa em produtos interativos e em agentes que executam várias etapas em sequência, situações em que a espera se acumula a cada chamada.
Do lado da conta, o quadro não se altera: o gasto em tokens segue igual, porque o modelo continua lendo o histórico inteiro. A economia está em tempo de resposta e em tráfego de dados, não em cobrança. O recurso está em beta público, e os detalhes técnicos aparecem na documentação da Anthropic.