Claude Code consuma molti più token di OpenCode, e non di poco. A dirlo è un confronto condotto sullo stesso modello, sulla stessa macchina e con gli stessi compiti, con tutto il traffico API intercettato tramite un proxy di logging. Il risultato è un colpo abbastanza netto per Anthropic, perché i numeri raccontano una storia difficile da mascherare.
Il punto di partenza è già rivelatore. Prima ancora che il prompt dell’utente arrivi al modello, Claude Code ha già bruciato circa 33.000 token tra prompt di sistema, schemi degli strumenti e scaffolding iniettato. OpenCode, nelle stesse identiche condizioni, ne usa circa 7.000. Una differenza enorme, che nasce anche dal fatto che Claude Code si porta dietro 27 strumenti contro i 10 dell’avversario, inclusa un’intera suite per agenti in background, orchestrazione, gestione dei worktree e notifiche push. Il primo messaggio contiene tre blocchi di promemoria iniettati: un catalogo dei tipi di agente, uno delle skill e il contesto utente. Solo per le definizioni degli strumenti se ne vanno 24.000 dei 33.000 token iniziali.
Dove finiscono davvero tutti quei token
Anche togliendo di mezzo gli strumenti, il prompt di sistema di Claude Code pesa circa 6.500 token contro i 2.000 di OpenCode. Il resto è dottrina comportamentale, regole di tono, istruzioni di sicurezza e descrizione dell’ambiente. La prompt cache è il vero nodo della questione. Funziona solo se il prefisso resta stabile, e OpenCode lo mantiene identico byte per byte in ogni richiesta e in ogni sessione: paga la cache una volta e poi la rilegge a una frazione del costo. Claude Code, invece, emette tre classi distinte di richieste per sessione, ognuna con il proprio prefisso e quindi la propria voce di cache. E i suoi byte di sistema cambiano perfino tra sessioni diverse nello stesso workspace.
Sul semplice compito di riepilogare un file, Claude Code ha scritto 53.839 token di cache in cinque richieste, con tanto di riscrittura completa del prefisso a metà sessione. OpenCode ne ha scritti appena 1.003. Il divario nelle scritture di cache è arrivato a 54 volte, e queste scritture costano più delle letture normali. Ecco perché il dashboard di utilizzo sembra impazzire durante una sessione. Il comportamento si è ripetuto su due famiglie di modelli diverse, Sonnet 4.5 e Fable 5, quindi non si tratta di un difetto legato a una singola versione.
Configurazioni reali e agenti paralleli
In un setup di produzione la faccenda peggiora. Un file di istruzioni da 72 KB, chiamato AGENTS.md o CLAUDE.md, aggiunge in media 20.000 token a ogni richiesta. Cinque server MCP di dimensioni medie ne aggiungono altri 5.000 o 7.000. Prima che l’utente abbia scritto una parola, una configurazione vera è già a 75.000 o 85.000 token di baseline. C’è poi un dettaglio insidioso: Claude Code 2.1.207 ignora in silenzio AGENTS.md e legge il file solo se rinominato CLAUDE.md. Nessun errore, nessun avviso, semplicemente non viene letto. OpenCode legge entrambi i nomi.
Il caso limite riguarda gli agenti paralleli. Un compito che costa 121.000 token eseguito direttamente ne costa 513.000 se distribuito a due subagenti, con un moltiplicatore di 4,2 volte. Ogni subagente rilegge il proprio bootstrap a ogni turno, e il conto si gonfia in fretta. Non tutto va male, però. Sui compiti multi-step Claude Code raggruppa le chiamate agli strumenti in round trip paralleli, mentre OpenCode ne fa una per turno. Su un loop scrivere-eseguire-testare-correggere ha usato tre richieste contro nove, e i totali sono convergiti. Su Fable 5, invece, lo stesso compito ha richiesto sei richieste contro tre, con 298.000 token contro 133.000.
Entrambi gli strumenti hanno prodotto risultati corretti, verificati da script indipendenti. Su un benchmark con dieci sessioni, cinque per strumento, Claude Code è costato in media 268.000 token per sessione superata contro i 72.000 di OpenCode, circa 3,7 volte di più, con lo stesso modello e lo stesso esito. OpenCode ha anche chiuso ogni sessione in uno o due minuti contro i quattro o otto di Claude Code. Per chi gestisce agenti AI in produzione la lezione è misurare al confine API e non fidarsi ciecamente del dashboard, valutando se l’ecosistema di orchestrazione di Claude Code valga davvero il suo costo fisso.