Anthropic lança Claude 4.5 Opus e lidera benchmarks de codificação

A Anthropic lançou o Claude Opus 4.5 com uma estratégia que ignora a vaidade acadêmica para focar na eficiência operacional. Enquanto o Google e a OpenAI brigam pela supremacia em raciocínio abstrato e visão, o novo Claude se posiciona como a ferramenta definitiva de execução técnica.

A redução agressiva de preços e a especialização em código sinalizam que a empresa entendeu o gargalo real das implementações corporativas. Não faltava inteligência. Faltava viabilidade econômica para o erro.

O ataque via TCO (Custo Total de Propriedade)

O dado mais violento deste lançamento não é um benchmark, é o preço. Cobrar 5 dólares por milhão de tokens de entrada e 25 na saída muda a arquitetura de sistemas. O Opus 4.1 custava 15 e 75 dólares, respectivamente.

Essa queda drástica viabiliza loops de agentes. Quando você constrói um sistema autônomo que precisa corrigir o próprio código, ele roda o prompt dezenas de vezes. Com o preço antigo, o custo de depuração superava o valor da hora-homem de um júnior. Com o novo preço, a máquina volta a ser mais barata.

A Anthropic está subsidiando a tentativa e erro. Para empresas que dependem de automação via LLMs, essa matemática vale mais do que qualquer ganho incremental de pontuação em testes de lógica.

A divisão do trabalho: Operário vs Acadêmico

O Gemini 3 Pro do Google mantém a liderança no GPQA (91.9%), que mede raciocínio em nível de pós-graduação. Se você precisa de uma análise teórica sobre física quântica ou direito constitucional, o Google vence.

O Claude Opus 4.5, entretanto, focou no SWE-bench, o teste padrão para engenharia de software autônoma. Atingir 80.9% contra os 76.2% do Gemini não é apenas uma vitória numérica. Passar dos 80% é considerado o ponto de inflexão onde a supervisão humana deixa de ser uma checagem linha a linha para virar apenas uma aprovação final.

Temos agora uma ferramenta que escreve software melhor do que responde a perguntas de prova. Isso define o papel do modelo na esteira de produção: ele não é o arquiteto que desenha o sistema no quadro branco, é o engenheiro que implementa e testa.

O parâmetro de esforço e a latência útil

A introdução do parâmetro de esforço (effort parameter) oficializa o compute-time inference como padrão da indústria. Permitir que o usuário decida quanto tempo o modelo deve gastar pensando antes de responder é uma admissão de que nem toda tarefa exige genialidade imediata.

Isso entrega controle de latência para a engenharia. Tarefas críticas de infraestrutura podem usar esforço máximo, tolerando demora. Respostas de chatbot para cliente final podem usar esforço mínimo. A flexibilidade técnica aqui supera a força bruta.

Compactação de contexto: a memória que cabe no bolso

A funcionalidade de Context Compaction, prometendo uma redução de 76% no uso de tokens para históricos longos, ataca o problema da amnésia digital.

Sistemas de RAG (Retrieval-Augmented Generation) são complexos e propensos a falhas de recuperação. Manter todo o contexto na janela do modelo é mais preciso, mas custava uma fortuna. Ao comprimir o contexto sem perder a referência semântica, o Opus 4.5 permite sessões de trabalho contínuas que duram dias, não minutos. Isso é essencial para agentes que precisam lembrar de uma regra de negócio definida na segunda-feira para aplicá-la na sexta-feira.

Perspectiva de mercado

A OpenAI segura a liderança em multimodalidade com o GPT-5.1 vencendo no MMMU (visão e interpretação de imagens). O Google segura a coroa da inteligência acadêmica. A Anthropic escolheu não brigar nessas frentes.

Eles entregaram um modelo desenhado para integrar APIs, escrever código e rodar em loops de agente sem falir o departamento de TI. É uma decisão sóbria em um mercado embriagado por promessas de superinteligência geral.