$ banc capsul
Mesuré, y compris ce que l'économie a coûté.
Chaque chiffre vient d'un relevé reproductible. Les intervalles sont à côté des médianes, et les lignes où une vérification de réponse a été perdue le disent sur la ligne, pas dans une note.
/banc · septembre 2026
Mesuré avec Claude et Codex.
Ce qui part vraiment sur le fil, modèle par modèle.
Les mêmes cinq questions courtes, au même modèle, avec et sans capsul. Les barres montrent la réduction de l’entrée pondérée par le cache. Les campagnes sont distinctes ; le gain varie avec la tâche et le cache.
part de l'entrée que capsul n'envoie pas
économisés par capsulencore envoyés= claude -p
Haiku 5.5
−60 %
- claude -p
- 270 145
- capsul
- 107 326
Haiku 4.5
−69 %
- claude -p
- 298 826
- capsul
- 93 693
Sonnet 5.5
−70 %
- claude -p
- 240 175
- capsul
- 71 726
Sonnet 5
−63 %
- claude -p
- 295 652
- capsul
- 110 166
Sonnet 4.6
−50 %
- claude -p
- 169 531
- capsul
- 85 171
Opus 4.6
−64 %
- claude -p
- 230 791
- capsul
- 82 199
Opus 4.7
−62 %
- claude -p
- 257 855
- capsul
- 96 722
Opus 4.8
−80 %
- claude -p
- 347 589
- capsul
- 71 236
Opus 5
−69 %
- claude -p
- 303 384
- capsul
- 95 151
Opus 5.5
−69 %
- claude -p
- 266 953
- capsul
- 82 584
Fable 5
−66 %
- claude -p
- 264 411
- capsul
- 89 855
Fable 5.1
−69 %
- claude -p
- 277 520
- capsul
- 86 622
Méthode
Deux bras, le même modèle imposé aux deux. Le bras nu lance le CLI de l'agent comme n'importe qui le lance ; le bras capsul envoie la même question par capsul sur le même modèle. Comparer deux modèles différents reviendrait à comparer des tarifs, pas des outils.
L'unité est l'entrée pondérée par le cache : token frais à plein poids, lecture de cache au dixième. Sur un abonnement, le token brut n'est pas ce qui est décompté, et un décompte brut flatte celui des deux bras qui met le mieux en cache.
Chaque cellule est conservée. Rien n'est écarté parce que le résultat dérange, et chaque campagne indique combien de cellules ont été lancées et combien ont été écartées. Dans la dernière campagne Claude, ce second nombre vaut zéro : les 360 cellules ont été mesurées.
Chaque question est posée trois fois par bras et les trois passages sont moyennés. Le premier passage écrit le cache de prompt et les deux suivants le lisent : prendre la médiane retiendrait donc le passage à chaud deux fois sur trois et flatterait chaque gain. La moyenne est le chiffre le plus prudent, et c'est elle qui est publiée.
Les intervalles sont obtenus par bootstrap à 90 % et dessinés sur le même axe que le gain, avec le trait du ×1 visible en dessous. Un intervalle qui franchit ce trait signifie que la mesure n'établit rien, et il est fait pour se voir.
Ce que ces chiffres ne disent pas
- Une médiane n'est pas une promesse. Les douze gains par modèle vont de ×1,99 à ×4,88, avec ×3,06 au milieu, et à modèle constant le gain bouge avec la question : sur Opus 4.8, il va de ×2,44 sur une tâche à ×8,64 sur une autre.
- Aucun des douze modèles Claude ne perd de vérification de réponse avec capsul, et six en gagnent au moins une : Haiku 4.5 en gagne deux ; Haiku 5.5, Opus 4.6, Opus 4.8, Opus 5.5 et Fable 5.1 une chacun. Une économie payée d'une réponse fausse n'est pas une économie : le compte est donc donné ici plutôt qu'omis.
- Le protocole est fait de questions courtes d'une ligne, là où le gain est le plus large. Un relevé antérieur sur des prompts de dix lignes, le 4 septembre 2026 sur 126 cellules, donne ×1,09 à ×3,34 dont deux lignes qui n'établissent rien. Si vous écrivez des prompts longs, c'est ce relevé qui vous décrit, pas ce tableau. Sur une tâche publiée, le gain est presque nul : ×1,05 sur Sonnet 4.6.
- Les campagnes sont distinctes. Des chiffres de dates différentes ont été mesurés sur des versions différentes du code : une ligne se compare à sa propre campagne, pas nécessairement à une autre.
- Ces chiffres mesurent l'entrée envoyée à un modèle. Ils ne mesurent pas ce que cela représente d'un quota d'abonnement, qui dépend de pondérations que nous ne maîtrisons pas.
Les données brutes
La campagne la plus récente est publiée en JSON, avec son protocole et ses chiffres tâche par tâche. Qui ne nous croit pas sur parole peut lire le fichier.