Meça a continuação real de cada lane
Reenvio, estado remoto, resume local e compaction não são a mesma forma de memória.
BENCHMARK-MEASUREMENT-PLAN.md · model-context-matrix.csv · planned-run-manifest.json
A ideia em linguagem simples
Chat e Messages diretos reenviam histórico. Responses usa previous_response_id quando realmente suportado. Warp mede sua sessão real e, à parte, a emulação do sidecar. Codex usa codex exec resume; Claude Code usa --resume ou --continue.
Exemplo recorrente: envie o mesmo pacote lacrado — nonce, checksum e três needles — pelas seis lanes. Se o embrulho muda no harness, você mede a lane também. A analogia quebra porque contexto, tools e thinking têm semântica, não apenas tamanho.
Três turnos recuperam nonce e checksum; o tap prova quantos tokens foram enviados. Compaction, mapa volátil, estado local e reenvio total recebem rótulos distintos. O benchmark não promove um mecanismo a outro só porque a resposta final parece correta.
Trecho verificável
direct_chat/messages = explicit_history\ndirect_responses = previous_response_id when proved\ncodex = exec resume · claude = --resume/--continue
outputs/BENCHMARK-MEASUREMENT-PLAN.md · outputs/model-context-matrix.csv · outputs/planned-run-manifest.json
O caminho em uma imagem
Teste de recuperação
O que o tap deve provar na continuação?