Os frameworks de agentes passaram de um assistente para muitos: um orquestrador que planeja, subagentes que escrevem código, revisam e rodam testes, e workers em lote que processam um backlog. Numa API por token, cada um desses aumenta a conta. Numa API de preço fixo, a pergunta passa a ser: quantas coisas estão chamando o modelo no mesmo instante?
O que uma sessão de preço fixo cobre?
Os planos ilimitados da BroadNet vendem sessões. Uma sessão roda uma requisição por vez, com tokens ilimitados do DeepSeek V4.1 Flash e sem janela móvel nem teto semanal. Isso bate com o jeito como um agente trabalha: envia uma requisição, lê a resposta, roda uma ferramenta e envia a requisição seguinte.
| Configuração | Requisições em andamento no pico | Sessões |
|---|---|---|
| Um agente de código num terminal | 1 | 1 |
| Orquestrador + 3 subagentes | 4 | 4 |
| 10 workers em lote | 10 | 10 |
| 2 desenvolvedores, 1 agente cada | 2 | 2 (cada um na própria conta) |
Cada sessão Full Moon custa $60 por mês. Uma chave pode ter várias sessões, ou você pode dividir as sessões de um plano entre as chaves dele, por exemplo uma chave por servidor ou por projeto, para que uma chave vazada ou revogada pare só os agentes que dependem dela. Chaves e contas são pessoais: você pode integrar um plano no seu próprio produto, mas não pode compartilhar nem revender a chave. Regras completas das sessões.
Quantas sessões os agentes em paralelo precisam?
Os agentes passam muito tempo sem chamar o modelo: rodando testes, lendo arquivos, esperando um build. Quatro subagentes que chamam o modelo 40% do tempo cada raramente precisam dele todos de uma vez. Antes de comprar quatro sessões:
- Registre o horário de início e de fim de cada requisição ao modelo que o seu framework faz, por agente.
- Conte o máximo de requisições que se sobrepõem em cada minuto.
- Compre sessões para a sobreposição que você atinge na maior parte do tempo, não para o pico absoluto, e enfileire o resto no seu próprio código (veja o semáforo mais abaixo). As páginas da BroadNet não dizem se uma requisição acima do limite espera ou é recusada, então não deixe os agentes enviarem às cegas.
Por exemplo, se os seus logs mostram duas requisições em andamento quase sempre e quatro só em picos curtos, duas sessões mais uma fila no cliente podem ser a configuração mais barata.
Um script curto faz a contagem. A partir de uma lista de tempos (start, end) em segundos tirados dos seus logs:
from collections import Counter
def overlap_histogram(requests):
events = sorted([(s, 1) for s, _ in requests] + [(e, -1) for _, e in requests])
in_flight, last_t, seconds_at = 0, None, Counter()
for t, delta in events:
if last_t is not None:
seconds_at[in_flight] += t - last_t
in_flight += delta
last_t = t
return dict(sorted(seconds_at.items())) # {requests in flight: seconds}
Se o resultado mostrar a maior parte do tempo com uma ou duas requisições em andamento, compre duas sessões. Se ficar em quatro por horas, compre quatro.
Quantas sessões cada padrão de agentes precisa?
| Padrão | Como chama o modelo | Regra de dimensionamento |
|---|---|---|
| Orquestrador + workers | O planejador chama e depois distribui o trabalho | Os workers que rodam juntos, mais uma para o planejador se ele continuar trabalhando |
| Pipeline (escrever → revisar → testar) | Uma etapa por vez por tarefa | Uma sessão por tarefa rodando em paralelo |
| Backlog em lote | Muitos jobs idênticos | Uma sessão por worker; mais workers terminam antes |
| Agentes de vários desenvolvedores | Independentes | Uma sessão por desenvolvedor, cada um na própria conta |
Como evitar que agentes em paralelo atrapalhem uns aos outros?
A capacidade do modelo é só metade do problema. Dois agentes editando o mesmo arquivo desfazem o trabalho um do outro. A solução habitual é uma git worktree por agente: cada um ganha o próprio checkout e o próprio branch do mesmo repositório.
git worktree add ../agent-auth -b agent/auth
git worktree add ../agent-billing -b agent/billing
Depois divida as tarefas por módulo, para que os agentes raramente mexam nos mesmos arquivos, e faça o merge com uma etapa de revisão. Para rodá-los sem supervisão, veja execuções noturnas de agentes de código; para o que os agentes extras custam em tokens, veja o custo de sistemas multiagente.
Quando o pagamento por uso é melhor para agentes em paralelo?
Uma chave de pagamento por uso permite 4 requisições em andamento e 30 requisições por minuto. Isso serve para distribuições curtas e com picos: uma etapa de revisão que dispara quatro verificadores por vinte segundos e depois fica quieta. Carga constante combina com sessões, e carga em picos combina com cobrança por token. Muitas configurações usam as duas: sessões do plano para os agentes de longa duração e uma chave de pagamento por uso para picos e para outros modelos, como o GLM 5.3.
Quando uma chave de pagamento por uso atinge o rate limit ou o limite de concorrência, ela devolve 429. Espere e tente de novo; veja códigos de erro e quando repetir. A calculadora de rate limit mostra até onde um limite rende para o seu padrão de requisições.
Como ligar os agentes ao plano?
A maioria dos frameworks de agentes aceita uma base URL compatível com a OpenAI. Aponte cada agente para https://inference.broadnet.ai/v1 com o modelo broadnet/deepseek-v4.1-flash e dê uma chave a cada um:
export OPENAI_BASE_URL="https://inference.broadnet.ai/v1"
export OPENAI_API_KEY="$BROADNET_PLAN_KEY"
Para um agente de código de terminal, o guia do Aider traz as configurações exatas; o Cline e o OpenCode têm guias próprios. Para o seu próprio orquestrador, o guia do SDK Python da OpenAI mostra a configuração do cliente. No seu código, limite as requisições em andamento ao número de sessões, para que elas fiquem na fila do seu lado, onde você consegue ver:
import asyncio
SESSIONS = 4
gate = asyncio.Semaphore(SESSIONS)
async def ask(client, messages):
async with gate:
return await client.chat.completions.create(
model="broadnet/deepseek-v4.1-flash", messages=messages, max_tokens=4000)
O que dá errado com agentes em paralelo?
- Iniciar todos os agentes de uma vez. Uma rajada de primeiras chamadas simultâneas passa das suas sessões na hora. Escalone os inícios em alguns segundos.
- Tempestades de retries. Se todos os agentes tentam de novo no mesmo instante, eles colidem de novo. Adicione jitter ao backoff.
max_tokenspequeno demais. O DeepSeek V4.1 Flash raciocina antes de responder; um limite pequeno pode devolver uma resposta vazia. Por quê.- Compartilhar uma chave entre pessoas. As chaves são pessoais. Dê a cada desenvolvedor a própria conta.
Quanto contexto cada agente pode usar?
Cada requisição pode levar até 1.048.576 tokens no DeepSeek V4.1 Flash. Um subagente pode ler o módulo inteiro em que está trabalhando em vez de um resumo cortado, e num plano um prompt longo não custa a mais. Quando uma janela de 1M de tokens ajuda.
Como testar a configuração gastando pouco?
Compre uma hora Meteor ($1) para cada sessão que você acha que precisa e rode o seu fluxo real de agentes. Se os agentes esperarem uns pelos outros com frequência, adicione uma sessão. Se uma ficar ociosa, tire. Depois passe para Full Moon ou para sessões Orbit semanais ($15 cada).
Onde a BroadNet Inference se encaixa
Sessões do plano servem para agentes constantes e em paralelo num único modelo, porque a conta depende de quantos rodam ao mesmo tempo, não de quanto eles leem. Se os seus agentes precisam de vários modelos diferentes, ou só chamam o modelo em rajadas curtas, uma chave de pagamento por uso ou um roteador pode custar menos. Compare antes com a conta do ponto de equilíbrio.
