Anthropic diz que Claude escreve mais de 90% do próprio código, mas ainda não se autoaperfeiçoa sozinho

A Anthropic enviou à SEC (comissão de valores mobiliários dos Estados Unidos) um documento, datado de 2 de novembro de 2026, admitindo algo que chama atenção: a empresa já passou por acelerações no próprio desenvolvimento de IA e só percebeu a mudança depois que ela aconteceu. O aviso veio junto de outra informação, a de que modelos futuros podem estar perto de cruzar um limiar interno que a companhia define como "progresso drasticamente acelerado atribuível à IA".

O relato é da The Neuron, que analisou o documento junto com pesquisas independentes publicadas nas últimas semanas. Para quem decide onde alocar orçamento em modelo de IA no Brasil, seja para montar agente, treinar time ou escolher fornecedor, a pergunta por trás da notícia é prática: o ritmo de evolução desses modelos está mudando de patamar, e dá pra medir isso, ou é só retórica de peça regulatória?

Claude já escreve quase todo o código da próxima versão de si mesmo

A Anthropic usa o Claude para desenvolver versões mais novas do próprio Claude. Isso não é segredo: a empresa descreve o processo em pesquisas publicadas.

1. Um engenheiro pede ao Claude para escrever o software de um experimento de treinamento.
2. Pesquisadores revisam os resultados do experimento e decidem o que aprender com eles.
3. O aprendizado alimenta o treino da próxima versão do modelo.
4. Essa versão mais nova ajuda em experimentos ainda mais complexos.

Repita o ciclo e, em tese, a IA acelera o próprio desenvolvimento. Pesquisadores chamam isso de autoaperfeiçoamento recursivo (RSI, de recursive self-improvement). No limite mais avançado desse conceito, um sistema de IA projetaria sozinho as gerações seguintes de modelos, acelerando o processo a cada ciclo, sem intervenção humana relevante.

Os números que a Anthropic divulgou mostram a escala atual desse uso. Segundo pesquisa da própria empresa, o Claude foi responsável por mais de 80% do código integrado ao repositório de produção em maio de 2026. No documento enviado à SEC, essa fatia sobe para mais de 90% em setembro. A contribuição média diária de código por engenheiro no terceiro trimestre foi mais de 45 vezes o nível de 2024.

O número impressiona, mas tem um limite claro: escrever mais código não é o mesmo que gerar ciência melhor no mesmo ritmo. Decidir qual experimento vale a pena rodar e interpretar um resultado ambíguo continuam sendo tarefas que dependem de julgamento humano, e são justamente as mais difíceis de automatizar.

O critério técnico que a Anthropic usa para dizer que cruzou (ou não) a linha

A Anthropic trabalha com uma Política de Escalonamento Responsável (Responsible Scaling Policy) que define quando considerar que um limiar de pesquisa automatizada foi atingido. Há dois caminhos possíveis para isso: a IA substituir toda a equipe de pesquisa humana a um custo competitivo, ou acelerar drasticamente a capacidade geral de IA.

Para o segundo critério, o progresso precisaria dobrar em relação tanto ao ritmo esperado quanto ao ritmo histórico mais rápido já sustentado, considerando pelo menos três gerações de modelo antes de uma participação substancial de IA no processo. A própria empresa resume a ideia de forma simples: seria o equivalente a alcançar dois anos de avanço esperado em capacidade de IA dentro de apenas um ano.

Além disso, a Anthropic precisaria de evidência de que a aceleração vem de pesquisa automatizada, e não simplesmente de mais poder computacional ou mais pesquisadores contratados. O documento de novembro sugere que modelos futuros podem atingir essa definição em breve, mas a empresa classifica a própria avaliação como ainda em andamento, sem afirmar que o Claude já é capaz de desenvolver sozinho seus sucessores.

O que avaliadores independentes encontraram até agora

Antes de aceitar a previsão da Anthropic de cara, vale olhar o que pesquisa independente mediu. Em setembro de 2026, a organização de avaliação de IA METR testou o Claude Opus 5.5 em tarefas difíceis de pesquisa.

O Opus 5.5 ainda teve dificuldade em tarefas que exigem julgamento de pesquisador experiente, como decidir quais ideias promissoras merecem investigação. A avaliação preliminar da METR que estimou a aceleração de 1,5 vez não especificou o período coberto, e a equipe que avaliou o Opus 5.5 não teve acesso às evidências completas por trás dessa estimativa. São dados sobre um modelo anterior, então não estabelecem o que sistemas futuros da Anthropic vão conseguir, mas oferecem um retrato mais cauteloso do que a IA consegue assumir de pesquisa hoje.

O risco que preocupa a própria Anthropic: medir a aceleração depois que ela já aconteceu

O documento enviado à SEC reconhece um problema de medição: algumas métricas só revelam a aceleração depois que ela já ocorreu, o que dificulta saber quando novas salvaguardas são necessárias. Isso tem consequência prática concreta.

Imagine um sistema de IA que ajuda a desenvolver o software de treinamento da próxima versão do Claude. Se esse trabalho contém um erro que passa despercebido, o erro pode afetar o modelo treinado em seguida. A preocupação cresce quando os mesmos sistemas de IA também ajudam a conduzir as avaliações de segurança desse modelo, criando um ponto cego que se retroalimenta.

A Anthropic afirma que não espera, por enquanto, permitir que o Claude construa gerações futuras de modelos de forma totalmente autônoma, e diz estar considerando atualizações de política para preservar supervisão humana significativa. A empresa também reconhece, no próprio documento, um trade-off de negócio: pesquisa assistida por IA mais rápida pode pressionar concorrentes a acelerar o próprio trabalho, mas cada geração nova também pode exigir testes mais extensos, o que afeta cronograma de lançamento.

Por que isso importa para quem decide modelo no Brasil

Para times de engenharia e lideranças de TI que escolhem entre Claude, GPT ou outro modelo para rodar em produção, o sinal relevante não é o percentual de código gerado por IA, isso já é fato conhecido em vários laboratórios. O que importa é a velocidade com que a capacidade desses modelos pode mudar de patamar sem aviso prévio claro, porque isso afeta diretamente o ciclo de avaliação que uma empresa precisa rodar antes de confiar o próprio sistema a um modelo novo.

Se a aceleração reportada pela Anthropic se confirmar em versões futuras, o intervalo entre lançamentos tende a encurtar, e também tende a aumentar a diferença de capacidade entre gerações consecutivas. Isso muda o cálculo de quando vale migrar de versão e quando vale esperar a próxima rodada de avaliação independente, como as que a METR vem publicando, antes de colocar um modelo novo em produção crítica.

O que ainda precisa ser provado

Em outubro de 2026, a METR publicou uma proposta descrevendo como avaliadores independentes poderiam investigar essas alegações de aceleração de forma mais rigorosa. O plano prevê acesso a modelos ainda não lançados e a medições históricas de capacidade, para separar o que vem de automação por IA do que vem simplesmente de mais poder computacional ou mais gente trabalhando no problema.

A pergunta que fica em aberto, inclusive para a própria METR, é se os métodos de avaliação atuais conseguiriam detectar uma aceleração bem maior antes que ela aparecesse de forma óbvia no lançamento da próxima geração de modelo. A Anthropic tem evidência de que a IA já ajuda a desenvolver versões mais novas de si mesma mais rápido. Se isso vira autoaperfeiçoamento recursivo autônomo de fato, ainda não há prova, só um limiar que a empresa diz estar observando de perto.

Fonte: The Neuron