Criei um benchmark determinista em Python puro para medir o custo de agir em janelas de contexto obsoletas. O problema central: janelas de contexto lembram o que aconteceu, mas não sabem se essa informação continua válida. Dois executores executam o mesmo trabalho — um valida dependências antes de agir, o outro descobre a invalidade apenas após o fracasso. Essa pequena diferença cria desperdício mensurável em etapas e tarefas falhas.

Executei uma varredura de 96 configurações esperando que a forma do gráfico impulsionasse o trabalho desperdiçado, mas o tamanho se mostrou o verdadeiro motor. Atualizei o experimento em vez de forçar minha hipótese, resultando em resultados mais precisos. O benchmark usa um cenário de precificação de voos: às 10:00, o Voo A custa 420 dólares, um plano se forma às 10:01, o preço sobe para 610 dólares às 10:03, porém a baseline reserva às 10:04 baseada na suposição obsoleta de 420 dólares. O executor ciente da validade verifica a validade do preço antes de agir e replaneja imediatamente.

Não é perda de contexto — nada foi esquecido ou cortado. O fato que impulsiona a decisão errada está na janela mas deixou de ser verdade há minutos. A camada de validade não prevê o futuro; ela re-verifica fatos logo antes das ações dependerem deles. O repositório executável demonstra esta lacuna determinista entre executores com números reais.