Presupuestos y estimaciones

Cómo evitar que un run cueste más de lo que querías, en el orden en que los cuatro frenos actúan de verdad. Solo los dos primeros actúan antes del dinero.

1. Mira la cuenta antes de pagarla

tldrx next --prepare        # o --dry-run: ninguno lanza nada ni cuesta nada

Los dos imprimen la contabilidad del contexto: el prompt ya armado, desglosado según de dónde salieron los bytes:

context 83.7 KB of 400.0 KB (~23.8k tok, 12% of sonnet's ~200.0k window)
  stage 3.7 KB · inputs 77.3 KB · experts 2.7 KB (bodies 2.5 KB, knowledge 250 B)
  input docs/domain-design/DECISIONS-NEEDED.md 15.1 KB
  input docs/domain-design/SEED-README.md 7.6 KB

Si se pasa del prompt_max_bytes de la etapa (400 KB por omisión), la etapa se rechaza — salida 2, antes de lanzar nada — nombrando las secciones más grandes y el ajuste que encoge cada una. --prompt-max-bytes <n> lo sobreescribe para un solo run.

Esa contabilidad es la razón de que exista el techo. En un run real el mismo prompt medía 159,575 bytes antes de que el presupuesto de bytes se volviera un único total compartido: el 52% era conocimiento de expertos que nadie había pedido, y uno de los seis documentos que el run existía para resolver se había tirado completo para hacer espacio. Hoy mide 85,676 bytes, y trae ese documento entero.

2. Compra menos pensamiento

tldrx next --effort low        # low | medium | high | xhigh | max

--effort es la palanca que cambia lo que un turno cuesta, en vez de detener uno que ya salió caro. Los valores por omisión de cada etapa están puestos para esto: What medium, How high, Plan medium, Build high, Watch low. Las etapas baratas corren baratas, y solo las que de verdad razonan pagan por high.

3. Que el agente no se ponga a leer para siempre

tldrx next --max-reads 60

Este es el freno de verdad. Cuenta las llamadas Read / Glob / Grep completadas directo del stream que el modelo ya está mandando — sin llamadas extra, sin tokens extra — y detiene el run al llegar al techo. Por omisión: 120 para What/How/Plan, 200 para Build, 60 para Watch. El intento registra stopped_by: max_reads, y la vista en vivo muestra reads 37/120.

4. --max-usd es el más débil

tldrx next --max-usd 3

Termina un run después del turno en el que ya va. No puede detener un turno en vuelo, porque el costo apenas se conoce cuando el turno lo reporta. Medido: a una llamada se le pasó un techo de $1.50 y se mató con error_max_budget_usd después de total_cost_usd: 5.15, en un solo turno de 597 segundos.

Dimensiona el prompt para el dinero que estás dispuesto a perder, no para el techo que pasaste.

Mover un techo

tldrx budget show
tldrx budget raise 04-build 25 --take-from 02-how --note "the plan grew to nine stories"

Una fase que se cobra en tokens de sesión host tiene su propio techo — ceiling_host_tokens en budget.yml, que nunca se mezcla con ceiling_usd; ver Presupuestos.

raise recibe un delta, no un techo nuevo: raise 04-build 5 convierte $20 en $25. --take-from lo saca de otra fase en lugar de subir el total del run. El log de eventos guarda quién lo subió, por cuánto y por qué. Subir un techo a media etapa es además una de las cosas que impide que una compuerta agent se firme sola.

Dejar por escrito lo autorizado

tldrx budget grant 20 --fact F031
tldrx budget grant 5 --fact F031 --phase 04-build --on-exceed block

grant registra lo que el dueño autorizó, para que el techo tenga a qué responderle. No gasta nada y no mueve ningún techo: el <usd> es un total, al revés del delta que recibe raise. --fact es obligatoria y tiene que nombrar un hecho vivo, porque una autorización que no puede citar una decisión es un número que nadie dijo. budget show la vuelve a leer en una línea —el hecho, cada alcance y la política— y no dice nada cuando no hay ninguna, porque imprimir $0.00 authorized sería inventar justo la cifra que esa llave se niega a adivinar.

Después, raise revisa contra ella el techo que está por escribir, antes de que se escriba nada. Con el valor por omisión lo escribe y avisa; con --on-exceed block lo rechaza y deja budget.yml idéntico byte por byte. Esa política es on_grant_exceed, y no es on_exceed: una gobierna gastar por encima de un techo y la otra escribir uno por encima de lo autorizado. Ver Presupuestos.

Después

tldrx cost                # por intento, por etapa, por run
tldrx cost --all          # todos los runs del workspace
tldrx run estimate        # el único comando que adivina

cost lee lo que de verdad se cobró, por intento: los reintentos nunca se doblan dentro del total de la etapa, ya que el reintento suele ser justo el dinero que andabas buscando. Las dos economías se reportan por separado y nunca se suman; ver Presupuestos.

tldrx cost --stories      # por story, contra el techo de spawn que le dieron

--stories es el reporte de calibración: una fila por story de build, con lo que costó de forma medible, el techo de spawn que le entregó el ejecutor y la razón entre ambos. No cambia ningún techo y no gasta nada. Úsalo antes de argumentar que el valor por omisión de una etapa está mal: las cifras que vienen de fábrica dicen en sus propios comentarios que son suposiciones, y este es el comando que produce la evidencia con la cual reemplazarlas.

run estimate imprime ESTIMATE con todas sus letras. Su mitad de entrada está medida (el prompt real); su mitad de salida es la mediana de los intentos pasados en esa etapa, y sin historia no imprime nada en lugar de inventarse un número.

Números gruesos

Medidos con Sonnet, agosto de 2026, en un workspace real — indicativos, no una lista de precios.

Los techos que vienen de fábrica son afirmaciones del mismo tipo, y lo dicen: cada budget_usd de un archivo de etapa y cada default_budget_usd de un archivo de workflow lleva un comentario [assumption] sobre el dinero mismo, que nombra qué es (una suposición acotada), qué evidencia existe (una story que costó 5.8 veces el techo que le dieron a su spawn) y qué la reemplazaría (tldrx cost --stories). Un run creado por tldrx seed apply registra lo mismo en su propio run.yml, como triage.budget_basis: model-guess.

• una etapa What: $1.20–1.40
• un entrenamiento ligero de experto sobre unos 20 archivos: ≈ $5
• el piso de cualquier llamada fría a claude -p: ≈ $0.25, porque se pagan entre 10 y 26 mil tokens de creación de caché antes de la primera respuesta. Las etapas rechazan un techo por debajo de eso en vez de pagar por una falla garantizada.

El detalle completo: 6 — Budgets and cost.