Anthropic accelera le sessioni Claude Code con i "message threads"
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La nuova modalità beta riduce la latenza inviando solo i messaggi nuovi e ricostruendo lo storico sul server, senza abbassare il conteggio token fatturato.
Anthropic introduce i message threads nella Messages API: nelle sessioni Claude Code con storici tra 500.000 e 1 milione di token, il tempo mediano al primo token cala di circa il 35%1.
La funzione è in public beta. Anthropic dice che è già attiva di default per la maggior parte degli utenti di Claude Code1.
Cambia il flusso tra client e server. Prima, ogni richiesta includeva di nuovo l’intera conversazione, compresi messaggi e tool call. Ora il server conserva temporaneamente lo storico. La prima richiesta invia ancora tutto. Le successive contengono solo i messaggi nuovi e un riferimento alla risposta precedente. Anthropic ricostruisce lato server la conversazione completa prima di passarla a Claude1.
La riduzione della latenza deriva dal minor caricamento e dalla validazione ripetuta di grandi quantità di dati. Il modello riceve comunque l’intero contesto. Anthropic è esplicita: ogni richiesta diventa più piccola, ma l’uso token rimane invariato1.
L’effetto va oltre Claude Code. I message threads stanno nella Messages API e interessano agenti con conversazioni lunghe, tool ripetuti e grandi blocchi di dati1.
Anthropic elenca tre casi d’uso: agenti di coding che accumulano edit e risultati di tool, agenti che usano il computer e catturano screenshot a ogni passo, applicazioni che scambiano molti documenti o immagini. In tutti i casi si evita di ricaricare più volte gli stessi dati1.
Il taglio di banda si vede nei numeri di Guillaume Lebedel, cofondatore e CTO di StackOne. In una simulazione, un agente che invia uno screenshot da 150 KB a passo, su 50 passi, senza threads arriva a circa 191 MB caricati. Con i threads invia solo lo screenshot nuovo a ogni chiamata, circa 7,5 MB totali. Il risparmio sfiora 25 volte. Non è un test su API live. Indica la direzione. Lebedel prevede che gli agenti che controllano il desktop adotteranno la funzione prima dei coding agent, per il peso degli screenshot1.
Per attivare i message threads serve un nuovo parametro. La prima chiamata crea il thread con thread={"type": "create"}, insieme allo storico completo, al system prompt e agli strumenti. Le chiamate successive proseguono con thread={"type": "continue", "previous_message_id": ...} e includono solo i messaggi nuovi. La API conserva lo storico e le definizioni originali degli strumenti1.
La funzione è in beta e richiede un flag dedicato. Nelle richieste dirette va incluso l’header anthropic-beta con valore message-threads-2026-08-12. Nella SDK Python lo stesso valore si passa in betas=["message-threads-2026-08-12"]. Anthropic offre anche un helper di thread nella SDK che gestisce la cronologia1.
I costi non scendono per effetto dei message threads, ma si possono combinare con il prompt caching di Claude. Il caching consente di riutilizzare contenuti già processati a tariffe scontate. Insieme, le due funzioni riducono la latenza e, dove si applica il caching, i costi di processamento1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Rilettura. Un passaggio toglie i tic della prosa generata da un modello, come i contrasti costruiti e le frasi che annunciano invece di informare, senza toccare fatti e fonti.
- Fedeltà alle fonti. Un passaggio dedicato toglie ogni affermazione che le fonti non sostengono. Valutazione su questo pezzo: 9,5/10.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale: superato.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica. Questo articolo ha preso 8,2/10.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.