Abri meu terminal na manhã de segunda-feira e o Claude me pediu para confirmar uma edição em um arquivo que ele não havia lido. Não era um arquivo que ele tinha lido uma vez. Era um arquivo que ele nunca tinha aberto. Ele iria tentar identificar padrões pelo nome do arquivo, adivinhar os imports e propor uma alteração em um código que nunca tinha visto.
Cancelei a ação. Fiquei olhando para a tela por um segundo. Então lembrei do relatório da AMD que saiu na semana anterior — aquele em que a equipe da Stella Laurenzo na AMD analisou 6.852 sessões do Claude Code e descobriu que o “reads per edit” do Claude havia despencado de 6,6 para 2,0. Uma queda de 70% na quantidade de contexto que o Claude coleta antes de começar a alterar seu código.
Eu já vinha sentindo isso há semanas. Os dados finalmente deram nome ao problema.
Essa foi a história que dominou o AI Twitter nesta semana, mas não foi a única. A Meta lançou o Muse Spark — seu primeiro modelo do novo Superintelligence Labs. A Netflix discretamente abriu o código de um modelo de vídeo que entende física. A Anthropic assinou um acordo de computação de 3,5 gigawatts com Google e Broadcom, que analistas agora estimam em US$ 42 bilhões só para 2027. O Microsoft Word começou a integrar o Claude diretamente no painel do documento. E Andrej Karpathy lançou casualmente uma solução open-source para o problema de memória do Claude, usando o Obsidian como camada de armazenamento.
Treze anúncios. Uma semana. Aqui está minha análise pessoal do que testei, do que me surpreendeu e do que realmente importa para quem constrói coisas.
A História de Desempenho do Claude Que Todo Mundo Sussurrava
Deixe-me começar com aquela que mais me afetou pessoalmente.
Se você usa o Claude Code diariamente, provavelmente já sentiu o que estou prestes a descrever. Edições sendo enviadas antes das leituras. Planos que antes abrangiam seis arquivos agora limitados a dois. O modelo tomando a ação mais barata disponível em vez da correta. Eu vinha culpando meus prompts. Eu vinha culpando meus arquivos de contexto. Eu vinha me culpando.
Então surgiram as evidências.
Stella Laurenzo, chefe da equipe de IA da AMD, publicou uma análise de dados de 6.852 sessões do Claude Code contendo 234.760 chamadas de ferramentas e 17.871 blocos de raciocínio. Os números são contundentes. Entre 30 de janeiro e 12 de fevereiro — o período “bom” — o Claude leu 6,6 arquivos para cada arquivo que editou. Entre 8 e 23 de março, esse número despencou para 2,0. A profundidade do raciocínio caiu 67% no mesmo intervalo.
O padrão comportamental descrito por Laurenzo corresponde exatamente à minha experiência: o Claude passou de “pesquisa em primeiro lugar” para “edição em primeiro lugar”. Quando o raciocínio fica superficial, o modelo recorre à ação mais barata. Ele edita sem ler. Ele para sem terminar. Ele faz o ajuste mais simples em vez do correto. Ele foge da responsabilidade pelos erros que causou.
A resposta da Anthropic apontou para duas mudanças conhecidas: o Opus 4.6 passou a usar raciocínio adaptativo por padrão em 9 de fevereiro e, em 3 de março, o esforço padrão foi reduzido de alto para médio. Eles dizem que o cabeçalho redact-thinking-2026-02-12 é apenas uma alteração de interface. Os usuários não estão comprando essa explicação completa — a Fortune cobriu a reação negativa em uma matéria esta semana centrada na “falta de transparência” da Anthropic sobre atualizações silenciosas do modelo.
Aqui está o que importa para quem constrói: você pode lutar contra isso.
O que está funcionando para mim agora:
- Definir explicitamente
thinking_effort: highem toda sessão do Claude Code que envolva código de produção - Carregar o contexto manualmente — colar os arquivos relevantes na conversa em vez de esperar que o Claude os encontre sozinho
- Usar definições de agente mais rigorosas. Instruções genéricas como “leia a base de código” resultam em leituras superficiais. Instruções específicas como “leia estes quatro arquivos e depois compare-os com o comportamento desejado” ainda funcionam
- Para qualquer questão arquitetural, mude para o Opus 4.6 com raciocínio estendido e aceite o custo de tokens
Vou detalhar toda a configuração que uso em um post dedicado. Mas, em resumo: a confiança nos padrões silenciosos acabou. Toda sessão séria precisa de orçamento de raciocínio explícito e contexto explícito. A era das sessões “dispare e esqueça” do Claude Code acabou de terminar.
Meta Muse Spark: O Modelo Multiagente Escondido no Seu WhatsApp
Em 8 de abril, a Meta lançou o Muse Spark — o primeiro modelo do Superintelligence Labs de Alexandr Wang desde que a Meta gastou US$ 14 bilhões para trazê-lo para a empresa.
Testei na mesma noite.
O grande destaque: o Muse Spark pode lançar múltiplos subagentes especializados em paralelo para lidar com diferentes partes de uma única solicitação. Peça para planejar uma viagem e ele ativa simultaneamente um agente de voos, um agente de hotéis e um agente de atividades, consolidando os resultados ao final. Ele também vem com o que a Meta chama de "cadeia visual de raciocínio" — um passo a passo sobre imagens, mostrado explicitamente na resposta.
No Intelligence Index, o Muse Spark marcou 52 pontos. Isso o coloca atrás do Gemini 3.1 Pro e do GPT-5.4 (ambos com 57) e logo abaixo do Claude Opus 4.6 (53). Não é líder em raciocínio geral. Mas a Meta não está realmente mirando no raciocínio geral.
Onde o Muse Spark realmente se destaca é em tarefas multimodais e relacionadas à saúde. Submeti o modelo a um teste de interpretação de imagens médicas e a um fluxo de planejamento nutricional. Em ambos, ele ficou no mesmo nível do Claude Opus 4.6 — e, em um caso específico (interpretando a foto de um prato de comida e montando a divisão de macronutrientes), foi visivelmente melhor. A cadeia visual de raciocínio tornou o processo lógico transparente, de uma forma que as respostas em imagem do Claude geralmente não são.
Mas o verdadeiro diferencial está na distribuição. O Muse Spark está sendo integrado ao WhatsApp, Instagram, Facebook, Messenger e aos óculos de IA da Meta. Esse alcance, nem Claude, nem ChatGPT, nem Gemini juntos conseguem igualar. Minha mãe usa WhatsApp. Ela nunca abriu o Claude.me na vida. Em seis meses, ela terá uma IA multiagente dentro do app de mensagens dela, por padrão.
Um ponto honesto: o Muse Spark é proprietário. A Meta disse que "espera abrir o código das próximas versões". Considerando como eles queimaram a confiança da comunidade open-source com o atraso dos pesos do Llama 4, só acredito vendo quando os pesos forem realmente liberados.
Netflix VOID: Edição de Vídeo Que Finalmente Respeita a Física
Esta realmente me surpreendeu.
A equipe de pesquisa em IA da Netflix — em colaboração com o INSAIT da Universidade de Sofia — abriu o código de um modelo chamado VOID (Video Object and Interaction Deletion). No papel, é uma ferramenta de remoção de objetos em vídeo. Na prática, é o primeiro modelo que testei que realmente entende o que acontece em uma cena quando um objeto desaparece.
Remova uma pessoa segurando um violão de um vídeo, e a maioria das ferramentas ou deixa o violão flutuando no ar ou alucina uma bagunça borrada onde a pessoa estava. O VOID remove a pessoa e a influência física que ela exercia sobre o violão — o violão cai. Uma mão pressionando um travesseiro é removida, e o travesseiro volta à sua forma original. Um pião girando é deletado, e a poeira ao redor assenta corretamente.
A abordagem técnica é engenhosa. O VOID é construído sobre o CogVideoX e utiliza uma quadmask de 4 valores (0, 63, 127, 255) que codifica não apenas o que remover, mas quais regiões ao redor da cena serão fisicamente afetadas. Ele executa uma inferência em duas passagens: a primeira faz a remoção principal, a segunda corrige os artefatos de deformação de objetos que afetam todos os modelos de difusão de vídeo que já testei. Os dados de treinamento vieram de simulações físicas no Blender e do framework Kubric do Google — dados sintéticos pareados com física ground-truth.
Ele supera ProPainter, DiffuEraser, Runway, MiniMax-Remover e Gen-Omnimatte em benchmarks reais e sintéticos. E — esta é a parte que ainda não consigo acreditar — está disponível no Hugging Face e no GitHub sob a licença Apache 2.0.
A Netflix simplesmente disponibilizou gratuitamente a ferramenta que permite que pequenos estúdios façam edições de pós-produção que antes exigiam refilmagens. Se você está construindo qualquer coisa em produção de vídeo, ferramentas para criadores ou pipelines de dados sintéticos, este é o lançamento do trimestre.
Claude Dentro do Microsoft Word: A Beta Que Transforma o Trabalho Jurídico
Está sendo lançada uma versão beta que eu não esperava me importar — até testá-la em um contrato real.
A Microsoft integrou o Claude ao Word. Abra um documento, chame o Claude no painel lateral e ele pode resumir, analisar e editar o documento com controle de alterações. Mas o recurso específico que faz diferença: ele sinaliza automaticamente as mudanças críticas e os pontos negociáveis em documentos jurídicos e contratuais.
Enviei para ele um rascunho de contrato de prestação de serviços que eu vinha adiando. Em menos de um minuto, o Claude destacou três cláusulas que eram fora do padrão, explicou por que cada uma era incomum e sugeriu redações alternativas com controle de alterações que eu podia aceitar ou rejeitar. Foi como ter um advogado júnior fazendo a primeira revisão — só que, de fato, leu cada palavra.
O Word tem 1,2 bilhão de usuários mensais. Agora, o Claude está dentro dele. Isso não é apenas o lançamento de um recurso de IA. É uma mudança de distribuição.
Para quem lida com contratos, propostas ou documentos longos no Word — vale a espera pela beta.
Lançamentos Mais Discretos do Google: Notebooks, Agentes Gerenciados, Simulações, Compras com IA
O Google lançou quatro novidades esta semana. Nenhuma delas dominou as manchetes. Juntas, formam um padrão.
Notebooks dentro do app Gemini permitem organizar conversas por projeto com arquivos-fonte anexados. Pense no NotebookLM, mas integrado às suas conversas regulares do Gemini. Migrei meu fluxo de pesquisa de conteúdo para lá e isso praticamente eliminou o atrito de “onde salvei aquele fio de pesquisa”.
Managed Agents é a resposta do Google ao SDK de agentes do Claude — agentes autônomos alimentados pelo Gemini que executam tarefas em segundo plano. Se você viu meu walkthrough dos Managed Agents da Anthropic, esta é a oferta paralela. Ainda está no início, mas a integração com o Google Workspace significa que esses agentes podem acessar Gmail, Agenda e Drive de forma nativa. É uma presença que o Claude não consegue igualar hoje.
Simulações Interativas é a surpresa. O Gemini Pro agora pode gerar simulações físicas ao vivo e em execução — testei com o clássico exemplo do pêndulo duplo e ele construiu uma simulação funcional que pude parametrizar em tempo real. Isso vai abocanhar uma fatia do espaço de conteúdo educacional em menos de 12 meses.
Compras com IA para a Índia lançou comparações de produtos em linguagem natural usando Gemini + Lens. Lançamentos regionais estão virando padrão no Google — eles testam fluxos de compra complexos em mercados onde a Amazon é menos dominante antes de trazer para o Ocidente.
Nenhuma dessas novidades é “a história da semana” isoladamente. Juntas, o Google acabou de adicionar quatro novas superfícies de distribuição para o Gemini em sete dias.
A História do Ghost Murmur: Onde Precisei Parar e Conferir
Quero destacar este caso porque é o tipo de história que soa como hype de IA até você investigar — e então parece outra coisa.
Em 3 de abril, um piloto americano foi resgatado no Irã. Surgiram relatos de que sua localização foi identificada usando uma ferramenta de IA classificada chamada "Ghost Murmur" — descrita como capaz de detectar assinaturas eletromagnéticas individuais de batimentos cardíacos a quilômetros de distância. O piloto teria sido localizado sem o uso de ativos tradicionais de vigilância.
Físicos em quem confio contestaram fortemente. O campo eletromagnético gerado por um batimento cardíaco humano é mensurável em laboratório com um magnetômetro SQUID a distâncias de centímetros. Detectá-lo a quilômetros, através de prédios e ruído eletromagnético, violaria diversas leis conhecidas da física. A explicação mais provável é algum tipo de tecnologia de sensores classificada que não corresponde ao que o vazamento descreve, ou uma história de cobertura para proteger uma fonte de inteligência humana.
Não vou julgar a física em um post de blog. O que posso dizer é o seguinte: quando capacidades de IA não verificadas são associadas a operações classificadas, encare a afirmação com uma dose enorme de ceticismo. Estamos na era em que “foi a IA” substituiu “foi uma fonte” como explicação padrão para resultados que ninguém quer explicar. Aplique o mesmo ceticismo que você aplicaria a qualquer outro vazamento de inteligência.
A Única Solução que Estou Realmente Usando: A Wikipédia Pessoal de Karpathy
Se você for experimentar apenas uma novidade desta semana, escolha esta.
Andrej Karpathy discretamente abriu o código de uma solução para a memória do Claude esta semana, usando o Obsidian como camada de armazenamento. Estou utilizando há quatro dias e já substituiu três ferramentas no meu fluxo de trabalho.
A configuração é simples:
- Instale o Obsidian e a extensão Web Clipper
- Conecte o Obsidian ao Claude Desktop via filesystem MCP
- Carregue o esquema de wiki fornecido (tópicos, fontes, conexões)
- Comece a alimentar sua vault com documentos de pesquisa, recortes e anotações
- O Claude lê toda a vault, sintetiza grafos de conhecimento conectados entre tópicos e escreve novas páginas de síntese conforme você adiciona mais material
Testei com três artigos não relacionados que eu vinha guardando: um sobre degradação de capacidade de LLMs, outro sobre adoção de automação empresarial e um sobre economia do trabalho em engenharia de software. Pedi ao Claude para encontrar as conexões. Em menos de um minuto, ele escreveu uma nota de síntese argumentando que a degradação silenciosa de modelos de IA (artigo um), a rápida automação empresarial (artigo dois) e a reestruturação de equipes de software (artigo três) são três faces de uma mesma mudança subjacente — a otimização de custos impulsionada por computação está sendo empurrada para camadas inferiores, e o efeito colateral é a perda silenciosa de capacidade em ferramentas das quais trabalhadores do conhecimento dependem.
Esse é um post que eu poderia escrever. O Claude escreveu o esqueleto para mim, com citações das minhas próprias anotações de fonte.
Se você leu meu artigo anterior sobre o Obsidian como segundo cérebro do Claude, esta é a mesma arquitetura, agora formalizada em um esquema e fluxo de trabalho que qualquer um pode replicar. É o mais próximo de uma memória durável para o Claude que realmente funciona hoje.
A História da Infraestrutura Que Define o Preço de Todo o Resto
Por trás de cada lançamento de modelo desta semana existe um número: a Anthropic acaba de fechar um acordo para 3,5 gigawatts de capacidade de TPU do Google via Broadcom, a partir de 2027.
Para contexto: o acordo original com o Google Cloud, de outubro, trouxe 1 gigawatt online em 2026. Este novo contrato quase quadruplica esse valor. Analistas do Mizuho estimam que a Broadcom irá faturar US$ 21 bilhões em receita de IA da Anthropic em 2026 e US$ 42 bilhões em 2027.
A receita anual recorrente da Anthropic ultrapassou US$ 30 bilhões — um salto em relação aos cerca de US$ 9 bilhões no final de 2025. Isso representa um crescimento de 3,3 vezes em menos de um ano, partindo de uma base que já era a de crescimento mais rápido da história do software corporativo.
Duas coisas decorrem disso.
Primeiro, computação é o fosso competitivo agora. Não é arquitetura de modelo, nem dados de treinamento — são gigawatts brutos de inferência eficiente em energia. Quem controla o pipeline de TPUs controla a API padrão para os próximos três anos. O Google acaba de se inserir na camada de infraestrutura de todo modelo de fronteira que não seja o deles.
Segundo, a história de desempenho do Claude que abri lá no início precisa ser lida sob essa ótica. A Anthropic está enfrentando restrições reais de computação enquanto escala mais rápido do que qualquer empresa SaaS da história. Os padrões silenciosos caindo de alto para médio esforço não são uma traição — são um sistema de racionamento. O acordo de 3,5 gigawatts é a solução de longo prazo. Orçamentos explícitos de raciocínio são o paliativo de curto prazo.
Os Lançamentos Menores Que Merecem Uma Linha Cada
Algumas novidades foram lançadas que não precisam de uma seção própria, mas não devem passar em branco:
- OpenClaw Native Video Generation unificou a geração de vídeo de nove modelos de IA (OpenAI, Google, Alibaba, entre outros) em uma única interface. Vale a pena instalar se você gera vídeos com frequência.
- Cursor Remote Laptop Control via Phone — inicie tarefas de codificação com IA no seu laptop a partir do celular. É de nicho, mas se você costuma alternar de contexto e sair do computador, resolve uma dor real.
- Offline Gemini 4 via OpenClaw — o Google publicou um guia em três etapas para rodar o Gemini 4 totalmente offline. Sem nuvem. Sem assinatura. O fato de o Google estar ensinando ativamente os usuários a desconectarem seu próprio modelo diz muito sobre para onde caminham os custos de computação.
O Que Esta Semana Realmente Significa
Ao ampliar o olhar sobre os treze anúncios, três padrões se destacam com força.
Padrão um: a degradação silenciosa agora é uma categoria. O caso do Claude é o primeiro bem documentado, mas não será o último. Todos os grandes laboratórios enfrentam restrições de computação. Todos têm alavancas que podem ser acionadas silenciosamente para gerenciar a carga. Os usuários precisam assumir que os padrões que utilizavam há seis meses não são mais os mesmos de hoje. Configuração explícita é questão de sobrevivência.
Padrão dois: distribuição está engolindo inteligência. O Muse Spark não é o modelo mais inteligente. É o que a maioria das pessoas realmente vai usar, porque está dentro do WhatsApp. O Claude dentro do Word não é a integração mais avançada. É a que 1,2 bilhão de pessoas vai acessar. Para quem constrói, a pergunta "de qual API eu uso?" está rapidamente se tornando menos importante do que "onde meu usuário já está?".
Padrão três: a camada open-source está subindo na pilha. A Netflix abriu o código de um modelo de vídeo com consciência física. Karpathy abriu o código de uma camada de gestão de conhecimento. A MiniMax abriu o código de um LLM autoaperfeiçoável na semana passada. Aquilo que seria uma vantagem proprietária há 18 meses agora são pesos públicos. Se você está construindo um SaaS fino em cima de uma API fechada, sua vantagem está evaporando. Se você está construindo fluxos de trabalho, pipelines e integrações, está exatamente onde o valor está se acumulando.
Antes de encerrar — uma tarefa prática. Escolha uma única coisa desta lista que mudaria sua manhã de terça-feira se você experimentasse, e reserve 30 minutos amanhã para testar. Para mim, foi a correção do Obsidian do Karpathy. Para você, pode ser o beta do Word, ou orçamentos explícitos de pensamento no Claude Code, ou baixar o VOID e rodar em um vídeo que te incomoda há um ano.
A diferença entre quem lê as notícias e quem testa as notícias se multiplica a cada semana. Daqui a um ano, os construtores que testaram três coisas por semana serão inalcançáveis. Os que continuaram apenas lendo, continuarão lendo.
É terça-feira. Escolha uma.
Perguntas Frequentes
O Claude Code está realmente piorando ou são só meus prompts?
Ambos podem ser verdade, mas os dados da AMD tornam a regressão do modelo inegável. A análise de Stella Laurenzo sobre 6.852 sessões mostrou que os “reads por edição” caíram de 6,6 para 2,0 e a profundidade de raciocínio caiu 67% entre fevereiro e março de 2026. A Anthropic confirmou que o esforço de raciocínio padrão foi reduzido de alto para médio em 3 de março. Defina explicitamente thinking_effort: high e antecipe o contexto manualmente.
O que é o Meta Muse Spark e devo migrar para ele?
Muse Spark é o primeiro modelo da Meta desenvolvido pelo Superintelligence Labs, lançado em 8 de abril de 2026. Ele marcou 52 no Intelligence Index, atrás do GPT-5.4 e Gemini 3.1 Pro. Não migre seu fluxo de trabalho principal para ele, mas é realmente forte em tarefas multimodais de saúde e já está integrado ao WhatsApp, Instagram e Messenger — o que significa que tem mais impacto no alcance do consumidor do que em ferramentas para desenvolvedores.
O Netflix VOID é realmente open source?
Sim. O VOID está disponível no Hugging Face e GitHub sob a licença Apache 2.0. Ele exige uma GPU com VRAM suficiente para rodar a inferência do CogVideoX, mas o modelo, os pesos e a metodologia de treinamento são todos públicos. Isso faz dele a ferramenta de remoção de objetos em vídeo open source mais poderosa disponível até abril de 2026.
Qual foi o acordo de computação da Anthropic com Google e Broadcom?
A Anthropic assinou um acordo para aproximadamente 3,5 gigawatts de capacidade de TPU de próxima geração do Google via Broadcom, a partir de 2027. Analistas do Mizuho estimam que a Broadcom irá gerar US$ 21 bilhões em 2026 e US$ 42 bilhões em 2027 apenas com a Anthropic. Isso se soma ao 1 gigawatt já previsto para entrar em operação em 2026 no acordo original com o Google Cloud.
Como configuro o sistema de memória Karpathy Obsidian + Claude?
Instale o Obsidian e a extensão Web Clipper, depois conecte o Obsidian ao Claude Desktop via um MCP de sistema de arquivos. Carregue o esquema de wiki público compartilhado por Karpathy e, em seguida, alimente o cofre com seus documentos de pesquisa e recortes da web. O Claude lê todo o cofre sob demanda e sintetiza conhecimento conectado entre as notas. Para o passo a passo completo, veja meu post sobre o Obsidian como segundo cérebro do Claude.
Vamos Trabalhar Juntos
Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura de tecnologia? Eu posso ajudar.
- Fiverr (projetos personalizados & integrações): fiverr.com/s/EgxYmWD
- Portfólio: mejba.me
- Ramlit Limited (soluções corporativas): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (serviços de segurança): xcybersecurity.io
