Headroom lover 15–20 prosent færre tokens for kodeagenter. Verktøyet dukket opp i januar og har allerede over 65 000 stjerner på GitHub. Det er akkurat den typen løfte man skrur på uten å tenke seg om.

For bedrifter begynner å merke AI-regningene nå som leverandørene endrer prismodeller fra lisens til forbruk. Vil du ha mer, betaler du API-pris. GitHub la om Copilot-faktureringen fra 1. juni 2026, og begrunnelsen er god: en kjapp chat og en autonom kodeøkt på flere timer kostet brukeren det samme, og det regnestykket går ikke opp. Cursor gjorde Pro-planen forbruksbasert i fjor sommer og fikk brukeropprør og en offentlig beklagelse fra sjefen.

Det pussige er at tokens aldri har vært billigere. 24. juli lanserte Anthropic Claude Opus 5 til samme pris som forgjengeren Opus 4.8, men med ytelse de selv plasserer tett opptil toppmodellen Fable 5. Likevel vokser regningene, fordi agentene bruker så mye mer enn chatbotene gjorde. En agent som jobber i timevis, leser filer, kjører tester og prøver på nytt, bruker fort millioner av tokens på én oppgave.

Løftet om 15–20 prosent frister ledere

Å bruke AI-verktøyene kostnadseffektivt har rykket opp til et av de viktigste lederansvarene. BCG intervjuet over 300 ledere i nordiske selskaper i vinter: over ti prosent av IT-budsjettet går nå til AI, men bare fire prosent oppgir at de får minst fem ganger igjen for investeringen.

Headroom er en proxy du kjører lokalt på egen maskin: agenten peker på den lokale proxyen i stedet for rett på Anthropic, og den komprimerer hver forespørsel før den sendes videre. Dokumentasjonen lover 60–95 prosent færre tokens for JSON-data, altså store API-responser og datadumper, og 15–20 prosent for kodeagenter. Det siste tallet er det som gjelder arbeid som vårt.

15–20 prosent av en voksende regning er ekte penger, så jeg ville teste Headroom, og jeg hadde det jeg trengte: et internsystem, en agent og en backlog å plukke fra.

Tre saker, to betingelser

Jeg valgte tre saker i CReMa, internsystemet vårt, som du kanskje kjenner fra forrige innlegg: en liten bug, en full feature og en jobb med å løfte testdekningen. Hver sak ble løst to ganger av samme agent, med samme modell, samme prompt og samme frosne utgangspunkt i koden. Eneste forskjell: den ene kjøringen gikk gjennom Headrooms proxy, den andre rett til Anthropic.

«Ferdig» var ikke en vurderingssak. For bugen og featuren hadde jeg skrevet akseptansetester på forhånd, tester som feiler før endringen og passerer når løsningen er riktig. For testdekningen var målet et tall: fra 38 til minst 55 prosent (ja, jeg vet, i dag er den heldigvis på 74). Agenten fikk ikke stoppe før målet var nådd.

Token-tallene leste jeg rett ut av samtaleloggene, der Anthropic selv fører hvor mye som er ferskt, ble lest fra cache og ble skrevet til den. Deretter regnet jeg om til dollar etter listepris. Det er grunnlaget fakturaen bygger på, ikke Headrooms eget dashbord. Selv kjører jeg på abonnement, så tallene viser hva arbeidet ville kostet med forbruksprising. Tre saker med én kjøring per betingelse er en stikkprøve, så noen få prosent i forskjell kan være tilfeldig variasjon.

Regningen gikk opp

Søylediagram: kostnad per oppgave med og uten Headroom. Med Headroom ble bugen 31 prosent dyrere og featuren 148 prosent dyrere, mens testdekningsjobben ble 6 prosent billigere.
Tokenforbruk fra samtaleloggene, priset etter Anthropics listepriser.

Verktøyet som skulle spare 15–20 prosent, gjorde to av tre oppgaver dyrere. På featuren ble prisen rundt to og en halv ganger så høy. Legg også merke til mønsteret: straffen var størst der agenten redigerte mange filer. Og på den repeterende testjobben snudde den til et lite minus, seks prosent billigere, men ikke på grunn av komprimeringen. Forklaringen på begge deler ligger i cachen.

Cachen betaler regningen

Her stusset jeg lenge. For Headroom gjorde jobben sin: den fjernet tokens fra forespørslene. Koden som kom ut, var like god, og begge løsningene passerte de samme testene. Færre tokens inn, og likevel en regning som gikk opp med inntil 148 prosent.

Forklaringen ligger i noe Headrooms markedsføring ikke nevner: prompt-caching. Når en agent jobber, sender den hele samtalen på nytt for hver runde. Anthropic vet det og priser deretter. Innhold modellen har sett før, leses fra cache til en tidel av prisen, ferskt innhold koster full pris, og å skrive til cachen koster 1,25 til 2 ganger vanlig pris, avhengig av hvor lenge det skal ligge der. Claude Code er bygget for å utnytte dette maksimalt, og tallene viser hvor godt det virker: i bug-oppgaven sendte den vanlige kjøringen 119 ferske tokens. Ikke 119 tusen. 119. Alt annet, millioner av tokens med historikk og filinnhold, gikk til tidelspris.

Så kommer Headroom og skriver om hver eneste forespørsel. Litt komprimering her, noen verktøydefinisjoner den holder tilbake der. Hver omskriving endrer starten av forespørselen, og da kjenner ikke cachen den igjen. Samme innhold faktureres på nytt, som ferskt. I bug-oppgaven ble 119 ferske tokens til 315 000. I featuren ble 28 000 til 3,8 millioner. Headroom barberte bort noen prosent av tokenene og flyttet samtidig millioner av dem fra tidelspris til full pris.

Figur: uten Headroom leses nesten hele samtalen fra cache til en tidel av prisen. Med Headroom endres starten av hver forespørsel, cachen bommer, og alt faktureres som ferskt.
Samme samtale, to prislapper. Cachen kjenner bare igjen forespørsler som starter likt.

Minussøylen på testjobben har sin egen forklaring, og den handler ikke om komprimering. Å skrive til cachen har som nevnt to priser: 1,25 ganger vanlig pris når innholdet skal ligge i fem minutter, det dobbelte når det skal ligge i en time. Claude Code ber om den lange cachen, men Headrooms omskriving mistet den bestillingen i alle tre kjøringene, og Anthropic falt tilbake til fem minutter. Headroom endrer altså to ting på veien: innholdet i forespørslene, og hvor lenge cachen lever.

For testjobben, én lang og jevn kjøring, slo det heldig ut: den vanlige kjøringen skrev over en million tokens til dobbel pris, mens Headroom-kjøringen slapp med den billige. Det er hele besparelsen på seks prosent, og den er skjør. Den korte cachen utløper etter fem minutter uten aktivitet, så en kaffepause midt i arbeidet, og hele samtalen må betales på nytt til full pris. Og priser vi begge kjøringene med samme cache-levetid, var Headroom dyrest på alle tre oppgavene.

Tok jeg feil?

Et resultat som spriker så mye fra leverandørens tall, bør tåle et kryssforhør. Så jeg sjekket Headrooms egen bokføring: kommandoen headroom savings rapporterte rundt 1,2 prosent spart. Det er verktøyets eget tall, og det er et stykke unna 15–20.

Jeg kjørte også en kontroll utenom Claude Code: én stor, realistisk agent-forespørsel sendt rett mot API-et, med og uten Headroom. Der, i idealtilfellet uten samtalehistorikk og cache å ødelegge, komprimerte Headroom rundt 10 prosent. Under løftet der også, men i det minste en besparelse. Problemet oppstår i ekte agent-arbeid, der samtalen vokser runde for runde og cachen er det som holder kostnadene nede.

Når Headroom faktisk hjelper

Tre betingelser må være oppfylt for at regnestykket skal snu i Headrooms favør. Klienten bør ikke bruke prompt-caching, for da finnes det ingen cache å ødelegge; det var slik kontrollen hentet ut sine rundt 10 prosent. Forespørslene bør være store og enkeltstående, ikke en samtale som vokser runde for runde, for det er den voksende historikken som faktureres på nytt ved hver cache-bom. Og innholdet bør helst være JSON, store API-responser og datadumper, for det er der dokumentasjonens 60–95 prosent hører hjemme. En cache-optimalisert kodeagent som Claude Code bryter alle tre. Headroom er bygget for klienter som ikke cacher. Det blir stadig færre av dem.

Mål regningen, ikke dashbordet

Lærdommen er større enn Headroom. Et verktøys eget «spart X prosent» kan være ærlig ført og likevel irrelevant, fordi det regner på tall som ikke styrer fakturaen. Headrooms dashbord telte komprimerte tokens samvittighetsfullt, men så aldri at hver komprimering ødela en cache et annet sted, eller at cache-levetiden endret seg på veien. Både tapet og den ene besparelsen oppsto utenfor synsfeltet til verktøyet som skulle måle dem.

Å måle dette er i ferd med å bli alles jobb. Hos FinOps Foundation er styring av AI-forbruk nå den viktigste prioriteringen framover: 98 prosent av virksomhetene gjør det, mot 31 prosent bare to år tidligere.

Skal du rulle ut et sparetiltak i AI-kjeden, still to spørsmål først. Hva gjør det med prompt-cachen? Og har noen sammenlignet den faktiske fakturaen før og etter, på ekte arbeid? Testen min tok noen dagsverk og noen hundre dollar i listepris. Å skru på Headroom for alle agentene våre uten å teste hadde kostet mer enn det hver måned, mens dashbordet fortalte oss at vi sparte.

Testet med Headroom 0.32.1, claude-opus-4-8 og Claude Code 2.1.218, juli 2026.