Dimitri Mazmanov, Principal Product Manager bei Spotify, veröffentlichte am 3. September 2026 im Engineering-Blog des Unternehmens einen Bericht über ein Setup, das seinen Token-Verbrauch in Claude Code angeblich um 90 % senkt. Seine Ausgangsbeobachtung: Das meiste, was ein Coding-Agent für ihn erledigt, ist kein Reasoning, sondern I/O — fünf Dateien lesen, um eine Frage zu einer Methode zu beantworten, eine Testdatei erzeugen, die mit den zwanzig benachbarten identisch ist. Diese Arbeit geht an ein überqualifiziertes Frontier-Modell, obwohl ein günstiges Modell sie ebenso gut erledigen würde.
Die Lösung stützt sich auf die AiKA Modes von Portal by Spotify: deklarative Agenten, die auf einer ephemeren Laufzeitumgebung laufen, definiert durch Instruktionen, ein Modell, Parameter und MCP-Tools, ohne Infrastruktur oder zu verwaltende API-Schlüssel. Der Autor erstellt zwei öffentliche Modes, die auf Gemini 2.5 Flash laufen. Der erste, bulk-reader, liest einen Stapel von Dateien und antwortet in strukturierten Aufzählungspunkten. Der zweite, code-writer, erzeugt Code aus einer Spezifikation und einer Referenzdatei, deren Konventionen er reproduzieren muss.
Das Routing übernimmt ein Claude-Code-Plugin namens shunt, nach dem Scheitern einer ersten Version, die auf in CLAUDE.md geschriebenen Regeln beruhte, die das Modell ignorieren konnte und die in jedes Projekt kopiert werden mussten. Das Plugin stapelt drei Schichten. PreToolUse-Hooks blockieren Dateilesevorgänge jenseits eines konfigurierbaren Zeilenschwellenwerts sowie cat-, head- oder tail-Befehle auf großen Dateien; gezielte Lesevorgänge werden durchgelassen. Bash-Skripte umschließen Aufrufe der Portal-CLI, bauen die Anfrage auf und melden die Token-Nutzung zurück. Skill-Dateien teilen Claude mit, wann und wie diese Skripte aufzurufen sind. Der Korpus wandert zum sekundären Modell, ohne je in Claudes Kontext zu gelangen, der auch den erzeugten, direkt auf die Festplatte geschriebenen Code nie sieht.
Die Messungen werden als durchschnittliche Einsparung von etwa 90 % über vier an einem Java-Monorepo getestete Szenarien dargestellt, wobei der Autor einräumt, dass das Generierungsszenario schwer zu messen ist. Ein Abschnitt beschreibt im Detail, was nicht funktioniert: Editieren ist mangels verlässlicher Zeilennummern nicht delegierbar, Reasoning ebenso wenig — das sekundäre Modell übersah einen Thread-Safety-Bug, den Claude sofort erkannte —, und jede Delegation kostet zehn bis dreißig Sekunden Latenz, was sie bei kleinen Dateien kontraproduktiv macht.
Der Autor kommt zu dem Schluss, dass die Token-Einsparung nur ein Ausgangspunkt ist: Der eigentliche Wert der Modes liegt darin, Modell-Routing zu einem Konfigurationsproblem statt zu einem Systementwicklungsproblem zu machen.