ADR 0224 — O raciocínio é contado no stream e abortado no limite, e o custo é estimado e reconciliado

Status

Accepted. 2026-10-22 (AT-589, EP-026, decisões do dono). Tema: llm. Complementa, sem editá-lo, o 0223 e usa a coluna price_implicit do 0188.

Contexto

O 0223 só limita quem respeita o campo reasoning.max_tokens. O deepseek/deepseek-v4.1-flash ignora todo campo de limite (8192 de raciocínio em 8192), e foi para ele que a AT-589 nasceu: abortar a conexão no stream é a única forma de limitá-lo. Medição paga de 22/10 (OpenRouter): todo chunk de raciocínio traz delta.reasoning (texto); caracteres/4 aproxima os tokens (3,9 no deepseek, 3,8 no qwen); abortar cobra só o que já foi gerado (~521 de 529 tokens). Mas a resposta abortada NÃO traz usage nem finish_reason, e o custo real só aparece em GET /api/v1/generation?id= uns 5 minutos depois (antes, 404).

Decisão

1. O provider OpenAI-compatível conta delta.reasoning (caracteres/4) quando o modelo tem reasoning_budget, e ao passar do limite aborta a conexão e emite o chunk truncated com motivo: "raciocinio" (o truncamento por max_tokens não tem motivo). Modelo sem orçamento não conta nem aborta.
2. Gasto da chamada abortada = ESTIMATIVA NA HORA: tokens de saída = caracteres/4 (de raciocínio e texto), de entrada pelo estimador (ou caracteres/4 se não houver), ao preço do catálogo, com price_implicit e a nova token_usage.custo_a_reconciliar.
3. RECONCILIAÇÃO: ReconciliarCustoEstimadoUseCase roda por setInterval no próprio processo da api (o mesmo mecanismo dos projetores; sem fila nova, sem Redis), a cada CUSTO_RECONCILIACAO_INTERVAL_MS (5 min; 0 desliga). Só olha linhas marcadas das últimas 24 h, e troca pelo total_cost do /generation apenas com 200; a linha trocada guarda a estimativa em catalog_cost_micros. Qualquer outra resposta deixa a linha para a próxima passada; após 24 h a estimativa fica definitiva.
4. A migração 0075 cria a coluna e põe reasoning_budget 2048 no deepseek/deepseek-v4.1-flash (openrouter), no molde da 0074.

Consequências

• O contrato do provider ganha truncated.motivo e usage.abortadoPeloRaciocinio (aditivos); o metering ganha a coluna.
• Limites declarados: o spentMicros de budget e área NÃO é corrigido pela reconciliação (a estimativa já o incrementou; a diferença é de centavos); a chave usada é a do owner do workspace; várias instâncias da api reconciliam em paralelo sem dano (a troca só atua em linha ainda marcada); tool calls parciais do stream abortado são descartadas.

Referências

• 0223, 0188.
• RN-915, RN-914.