Claude Code envoie 33k tokens avant de lire le prompt, OpenCode envoie 7k

TL;DR

• Claude Code envoie 33k tokens avant de lire le prompt, OpenCode envoie 7k [1]
• Migration GPT-5.6 : 2.2x plus rapide, 27% moins cher en production [4]
• Clawk lance des VMs Linux jetables pour agents de code, open-source [5]

Les 3 signaux

⚡ Overhead token : Claude Code vs OpenCode

Claude Code envoie 33 000 tokens avant même de lire le prompt utilisateur. OpenCode envoie 7 000 tokens [1]. Pourquoi ça compte : Le choix du client CLI d’agent de code impacte directement le coût token par session, surtout sur des sessions longues avec nombreux échanges.

🚀 GPT-5.6 en production : 2.2x plus rapide, 27% moins cher

Un agent IA en production migré vers GPT-5.6 obtient 2.2x de gain en vitesse et 27% de réduction de coût [4]. Pourquoi ça compte : La migration vers GPT-5.6 offre un ROI immédiat sur les coûts d’inférence et la latence pour les systèmes agents en production.

🖥️ Clawk : VM Linux jetable pour agents de code

Clawk est un outil open-source qui donne aux agents de code un accès à une VM Linux éphémère plutôt qu’au système local [5]. Le repo GitHub est disponible sous licence open-source. Pourquoi ça compte : Solution de sandboxing immédiatement utilisable pour sécuriser l’exécution d’agents de code sans infrastructure cloud.

À retenir

1. 33k vs 7k tokens d’overhead système — écart entre Claude Code et OpenCode [1]
2. 2.2x plus rapide et 27% moins cher — gains mesurés en production après migration vers GPT-5.6 [4]
3. Open-source — Clawk fournit des VMs Linux jetables pour exécuter des agents de code en isolation [5]

🔍 Radar Contradictions

Claim : Claude Code sends 33k tokens before reading the prompt, while OpenCode sends only 7k [1]. Contre-signal : Aucun des éléments fournis ne contient de reproduction ratée, benchmark divergent ou critique méthodologique de cette mesure. Ce que ça change pour un dev : Rien, car le contre-signal nécessaire n’est pas présent dans les sources du jour. Aucune contradiction significative identifiée aujourd’hui.

⏱ Reproduit en 15 min

Repo/Snippet : Clawk – [github.com/clawkwork/clawk [5]] Comment tester : git clone le repo, lancer docker compose up, puis exécuter un agent (ex. Claude Code) en pointant CLAWK_HOST vers l’URL locale. Prérequis : Docker, un agent CLI compatible (Claude Code, OpenCode).

📊 Track Record

Ce qu’on disait le 2026-06-30 : Agents-A1, un modèle 35B MoE, atteint des performances de niveau trillion de paramètres en scalant l’horizon d’agent [15] Verdict aujourd’hui : partiellement tenu. La migration d’un agent vers GPT-5.6 montre un gain 2,2x plus rapide et 27% moins cher [4], confirmant l’intérêt pour l’efficacité des agents. Mais aucun élément ne valide directement la performance “trillion” d’Agents-A1.

🕳 Sous le radar

L’item : arXiv 2607.11785 – MIRA: A Modular Open-Source Micro-UAV for Indoor Research [13] (faible métrique: non spécifiée, mais zéro couverture HN/Reddit) Pourquoi c’est du signal : Propose une plateforme micro-drone entièrement open-source (airframe, électronique, logiciel) avec accès bas niveau, là où les solutions commerciales verrouillent ces modifications. Utile pour la recherche en robotique indoor sans dépendre d’APIs propriétaires.

❓ Donnée manquante

L’annonce : “2.2x faster, 27% cheaper” pour GPT-5.6 [4] Ce qui manque : Le coût d’inférence par token et la taille du dataset d’évaluation ne sont pas divulgués. Pourquoi ça compte : Sans ces données, impossible de vérifier si les gains sont reproductibles sur d’autres charges de travail ou tailles de contexte, ni de comparer objectivement avec d’autres modèles.

🔗 Sources (18) — vérifiées le 14/07/2026 11:15 UTC

1. Claude Code sends 33k tokens before reading the prompt; OpenCode sends 7k — Hacker News · 2026-07-12
2. I love LLMs, I hate hype — Hacker News · 2026-07-12
3. Empowering India’s next generation of innovators with ATL Saathi — Google DeepMind · 2026-07-13
4. Migrating a production AI agent to GPT-5.6: 2.2x faster, 27% cheaper — Hacker News · 2026-07-12
5. Show HN: Clawk – Give coding agents a disposable Linux VM, not your laptop — Hacker News · 2026-07-13
6. How data science teams use ChatGPT Work — OpenAI · 2026-07-14
7. How sales teams use ChatGPT Work — OpenAI · 2026-07-14
8. Mixture of Frames Policy: Multi-Frame Action Denoising for Bimanual Mobile Manipulation — arXiv · 2026-07-13
9. Invariant Learning Dynamics of Transformers in Inductive Reasoning Tasks — arXiv · 2026-07-13
10. Encoder-Side Neuron Identification and Amplification for Acoustic Perception in Large Audio-Language Models — arXiv · 2026-07-13
11. Casting Everything to Online API Services? A Survey of Integrating Localized Speech Recognition Models in Robotic Systems — arXiv · 2026-07-13
12. Forgetting Our Way to Shared Meaning: Effects of Forgetting on Conceptual Alignment in a Non-Partnership Coordination Game — arXiv · 2026-07-13
13. MIRA: A Modular Open-Source Micro-UAV for Indoor Research — arXiv · 2026-07-13
14. Motion4Motion: Motion Transfer Across Subjects at Inference — HF Papers
15. Weak-to-Strong Generalization via Direct On-Policy Distillation — HF Papers
16. ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory — HF Papers
17. ABot-N1: Toward a General Visual Language Navigation Foundation Model — HF Papers
18. Flow-ERD: Agent-type Aware Flow Matching with Entropy-Regularized Distillation for Diverse Traffic Simulation — HF Papers

V3ille — Sources : arXiv, GitHub Trending, Hugging Face Daily Papers, OpenAI, DeepMind, Google AI, IEEE Spectrum, The Robot Report.