O Vazamento de 512K Linhas do Claude: O Que a Anthropic Não Queria Que Você Visse

O Vazamento de 512K Linhas do Claude: O Que a Anthropic Não Queria Que Você Visse

Uma entrada faltando no .npmignore. Isso é tudo. Foi o que separou os segredos mais bem guardados da Anthropic de qualquer desenvolvedor com um comando npm install.

Em 31 de março de 2026, às 00:21 UTC, alguém da equipe de lançamento da Anthropic publicou o Claude Code v2.1.88 no registro npm. O Bun — o runtime JavaScript que a Anthropic adquiriu no final de 2025 — gera source maps por padrão. Ninguém os excluiu do pacote. Em três horas, 512.000 linhas de TypeScript não ofuscado distribuídas em aproximadamente 1.900 arquivos foram espelhadas, bifurcadas e dissecadas por dezenas de milhares de desenvolvedores em todo o mundo. Uma reescrita clean-room atingiu 50.000 estrelas no GitHub em duas horas — provavelmente o repositório de crescimento mais rápido na história do GitHub.

A Anthropic confirmou a autenticidade do vazamento sem negar um único detalhe. E o que essas 512.000 linhas revelaram não era apenas infraestrutura interna e flags de depuração. Era uma visão completamente diferente de como o desenvolvimento assistido por IA se parece — uma onde seu agente de codificação nunca dorme, sonha enquanto você está ausente e opera em um nível de capacidade tão perigoso que não pode ser liberado ao público.

Passei os últimos cinco dias lendo cada análise confiável, cruzando as referências do código vazado com as declarações confirmadas da Anthropic, e mapeando o que isso significa para desenvolvedores que constroem com o Claude todos os dias. Aqui está o que encontrei — e por que algumas coisas me perturbaram genuinamente.

Como 512.000 Linhas Saíram Pela Porta da Frente

A mecânica deste vazamento merece atenção, porque revela algo importante sobre o estado da infraestrutura de IA em 2026.

O Claude Code é construído sobre o Bun, que compila TypeScript em JavaScript empacotado para distribuição. Prática padrão. Mas o Bun gera arquivos .map de source maps por padrão — arquivos detalhados que mapeiam a saída compilada de volta ao código-fonte original. Cada nome de variável, cada comentário interno, cada feature flag não publicada, preservados em total fidelidade.

A correção teria sido uma única linha no .npmignore:

*.map

Ou um campo files no package.json que explicitamente incluísse apenas a saída compilada na lista de permissões. Qualquer uma das abordagens leva cerca de quinze segundos para implementar. Nenhuma foi feita.

Entre 00:21 e 03:29 UTC em 31 de março, qualquer pessoa que instalou ou atualizou o Claude Code via npm baixou um source map de 59,8 MB contendo toda a base de código. O The Hacker News reportou que uma versão trojanizada do cliente HTTP apareceu dentro dessa janela — um trojan de acesso remoto multiplataforma pegando carona no caos. A Anthropic retirou o pacote, mas o código-fonte já estava em toda parte.

Aqui está a parte que deveria deixar todo líder de engenharia desconfortável: esta é a segunda falha de segurança grave da Anthropic em uma única semana. A Fortune reportou que apenas dias antes, um sistema de gerenciamento de conteúdo mal configurado havia vazado um rascunho de post de blog sobre um modelo não lançado chamado Mythos. Dois vazamentos. Uma semana. Da empresa que constrói segurança de IA como sua identidade central.

Não estou apontando isso para atacar. Estou apontando porque a ironia é instrutiva. A empresa que constrói os modelos de IA mais conscientes de segurança na indústria foi derrubada por .npmignore e uma configuração incorreta de CMS. Segurança de infraestrutura não é sobre filosofia — é sobre checklists. E a Anthropic falhou na checklist duas vezes.

Mas o que saiu do vazamento? É aí que as coisas ficam genuinamente fascinantes.

Os Nomes em Código Internos: Fenck, Capra, Tangu e Numbat

Enterrados no código-fonte estavam nomes em código internos para os níveis de modelo do Claude. Se você tem acompanhado as convenções de nomenclatura da Anthropic, três destes eram esperados:

• Opus = Fenck
• Sonnet = Capra
• Haiku = Tangu

Padrão. Toda empresa de IA usa nomes em código internos para desacoplar o branding do produto das referências de engenharia. O que chamou a atenção de todos foi um quarto nome: Numbat. Ele aparece na base de código sem modelo público correspondente, sem documentação, sem material de marketing. Apenas referências no código que confirmam sua existência.

O código-fonte vazado também continha strings de versão para Opus 4.7 e Sonnet 4.8 — nenhum dos quais foi anunciado. Estes não estavam enterrados em arquivos de teste comentados. Apareceram em lógica de validação de versão e verificações de compatibilidade, sugerindo que estão sendo ativamente desenvolvidos e testados internamente.

Os mercados de previsão reagiram rápido. O Polymarket atualmente estima a probabilidade de o Claude 4.7 ser lançado antes de 30 de junho de 2026 em aproximadamente 59%. Dada a cadência recente da Anthropic — o Opus 4.6 foi lançado em 5 de fevereiro, o Sonnet 4.6 seguiu em 17 de fevereiro — um lançamento em meados de 2026 para a próxima geração não é especulação. É a trajetória esperada.

Mas o Opus 4.7 e o Sonnet 4.8 nem são a descoberta mais interessante. Nem de longe.

Mythos e o Nível Capybara: O Modelo Perigoso Demais Para Ser Lançado

O rascunho do post de blog que vazou dias antes do despejo do código-fonte fazia referência a algo que a Anthropic chamou de Claude Mythos, operando sob um novo nível chamado Capybara (referenciado internamente como "Capiara" em alguns caminhos de código). Isto não é uma atualização menor. A Fortune obteve a descrição interna da Anthropic: um modelo representando uma "mudança de patamar" em capacidades, "maior e mais inteligente que nossos modelos Opus — que eram, até agora, os mais poderosos."

Deixe isso absorver. A linguagem interna da própria Anthropic descreve Capybara como um nível acima do Opus. Não uma substituição — uma adição. Um quarto nível que fica no topo da pilha de capacidades, projetado para tarefas computacionalmente intensivas que vão além do que até o Opus consegue lidar.

Os números de benchmark da documentação vazada contam a história:

Esses números do Terminal Bench são impressionantes. Uma melhoria de 13 pontos percentuais em um benchmark que mede execução real de comandos de terminal e tarefas de administração de sistemas. Para contextualizar, a diferença entre o GPT-5.4 e o Opus 4.6 no S.E. Bench é menos de um ponto percentual (80,0% vs 80,8%). O Mythos não fecha lacunas — cria novas.

O modelo supostamente vem com uma janela de contexto nativa de 1 milhão de tokens. Não um complemento de contexto estendido adicionado posteriormente. Nativo. Construído na arquitetura desde a base.

Então por que você não ouviu falar dele até agora? Porque a Anthropic não vai lançá-lo publicamente.

De acordo com múltiplas fontes analisando os materiais vazados, o Mythos demonstrou uma capacidade que cruzou uma linha com a qual a Anthropic não estava confortável: ele pode descobrir e explorar vulnerabilidades de software mais rápido do que equipes de segurança humanas conseguem corrigi-las. As capacidades de cibersegurança do modelo eram tão avançadas que a Anthropic restringiu o acesso a um punhado de clientes de ciberdefesa com acesso antecipado — organizações confiáveis para usar capacidades ofensivas de IA apenas para fins defensivos.

Este é um momento crucial para a indústria de IA. Passamos de "a IA pode eventualmente ser perigosa" para "construímos algo tão capaz que não podemos lançá-lo." A Anthropic tomou uma decisão de negócio deliberada de deixar dinheiro na mesa — potencialmente quantias enormes — porque as implicações de segurança do acesso generalizado ao Mythos eram demasiado significativas.

Se você confia no julgamento da Anthropic aqui depende das suas visões mais amplas sobre governança de IA. Mas o fato de que uma empresa com fins lucrativos voluntariamente reteve seu produto mais capaz diz algo sobre o que viram durante os testes. Se você opera qualquer tipo de infraestrutura de produção, este é seu sinal para levar sua postura de segurança a sério — porque as capacidades ofensivas que o Mythos representa eventualmente se propagarão, seja da Anthropic ou de um concorrente com menos salvaguardas. Para um mergulho mais profundo nas capacidades de segurança do Claude no modelo atual, confira minha análise sobre como os upgrades de segurança do Claude Code funcionam na prática.

KAIROS: O Agente Que Nunca Dorme

O vazamento do código-fonte revelou algo que, para mim pessoalmente, foi mais interessante que o Mythos: um recurso não lançado chamado KAIROS.

O nome vem do grego antigo — kairos significa "o momento oportuno," em oposição a chronos (tempo sequencial). É um nome adequado para o que o código descreve: um modo daemon autônomo onde o Claude Code opera como um agente persistente em segundo plano.

Veja como o KAIROS funciona com base na implementação vazada:

1. O Sistema Heartbeat O KAIROS funciona com um heartbeat baseado em ticks, verificando em intervalos regulares se deve tomar uma ação. Pense nele como um cron job, mas inteligente — não apenas executa em um cronograma, ele avalia se a ação é justificada com base no estado atual do projeto.

2. Orçamento de Ação Proativa O agente tem uma janela de ação proativa de 15 segundos por tick. É uma restrição deliberadamente apertada. Tempo suficiente para executar um teste, verificar uma CI pipeline ou escanear problemas — mas não o suficiente para sair do controle e reescrever sua base de código enquanto você pega café.

3. Troca de Modo Consciente do Contexto Quando o KAIROS detecta que o usuário mudou o foco (mudou para outra janela, ficou inativo, saiu), ele ativa o modo autônomo. Quando o usuário retorna, ele volta para o modo colaborativo — mostrando o que fez enquanto você estava ausente e esperando seu input antes de tomar mais ações.

4. Ferramentas Daemon Exclusivas O código vazado faz referência a ferramentas que apenas o KAIROS pode acessar: PushNotification (para alertá-lo quando algo importante acontece), SubscribePR (para monitorar atividade de pull requests), e várias outras projetadas para operação em segundo plano.

Se você tem acompanhado meus escritos sobre a arquitetura de enxame de agentes do Claude Code, o KAIROS representa a evolução natural desse padrão. A arquitetura de enxame deu ao Claude a capacidade de coordenar múltiplos sub-agentes em tarefas complexas. O KAIROS dá a esses agentes a capacidade de continuar trabalhando quando você não está olhando.

Imagine isto: você está trabalhando em um feature branch. Você faz push das suas alterações e fecha seu laptop para almoçar. Enquanto você está fora, o KAIROS percebe que a CI pipeline falhou. Ele lê os logs de erro, identifica um teste instável, investiga se a instabilidade está relacionada às suas alterações ou era pré-existente, e abre uma PR com uma correção. Quando você volta, há uma notificação: "Corrigido teste instável em auth_middleware_spec.rb — CI passando no seu branch agora. Quer que eu faça merge?"

Isso não é um fluxo de trabalho hipotético que estou inventando. É o que a arquitetura do código vazado descreve. A infraestrutura está construída. As ferramentas estão definidas. A lógica de troca de modo está implementada. Simplesmente não foi lançado ainda.

As implicações para desenvolvedores solo são enormes. O KAIROS essencialmente te dá um desenvolvedor júnior que trabalha enquanto você dorme, não come nada e nunca reclama de ser designado para corrigir testes instáveis. Para equipes, é um multiplicador de força que lida com o trabalho de manutenção que ninguém quer fazer mas todos precisam.

Autodream: Ensinando IA a Dormir

Se o KAIROS é o agente que nunca dorme, o Autodream é o sistema que o ensina a sonhar.

Qualquer pessoa que tenha trabalhado com agentes de codificação de IA em sessões longas conhece o problema: entropia de contexto. Quanto mais longa a sessão, mais a compreensão do agente sobre seu projeto se degrada. Ele começa a esquecer decisões iniciais. Contradiz instruções de vinte minutos atrás. A compactação — onde o agente resume seu contexto para liberar tokens — perde nuances importantes. Na segunda hora, você basicamente está trabalhando com um agente que tem amnésia.

O Autodream ataca esse problema em sua raiz. Quando o usuário fica inativo, o Autodream gera um sub-agente bifurcado que executa um processo de consolidação de memória. Os paralelos com o sono humano são intencionais e surpreendentemente precisos:

Fundir Observações Sobrepostas Se o agente principal observou o mesmo padrão em três arquivos diferentes durante a sessão, o Autodream consolida esses em uma única observação confiável. "O projeto usa o padrão repositório para todo acesso ao banco de dados" em vez de três notas separadas sobre arquivos individuais.

Eliminar Contradições Sessões longas acumulam contexto contraditório. No início da sessão, o agente pode notar "este projeto usa REST APIs." Mais tarde, após trabalhar em um módulo diferente, pode observar "este projeto usa GraphQL." O Autodream resolve isso: "O projeto usa REST para APIs públicas e GraphQL para comunicação interna entre serviços."

Converter Suposições Vagas em Fatos Confirmados O contexto bruto de sessão está cheio de observações cautelosas: "Este arquivo pode ser o ponto de entrada" ou "Este padrão parece que pode ser o middleware de autenticação." O Autodream avalia estas contra toda a base de código e as confirma como fatos ou as descarta.

A implementação é arquitetonicamente elegante. O sub-agente de sonho recebe acesso bash somente leitura — pode inspecionar seu código mas nunca modificá-lo. O acesso de escrita é limitado exclusivamente a arquivos de memória. Isso significa que o Autodream pode consolidar e clarificar a compreensão do agente sobre seu projeto sem nenhum risco de modificar acidentalmente seu código-fonte durante um processo em segundo plano.

Se você leu meu artigo sobre construir sistemas de IA auto-aperfeiçoáveis com Claude Code, o Autodream é esse conceito levado à sua conclusão lógica. Em vez de o desenvolvedor construir manualmente loops de reflexão, o agente cuida de sua própria manutenção de memória. O sistema se aperfeiçoa podando contexto ruim e fortalecendo contexto bom — autonomamente, em segundo plano, enquanto você está fazendo algo completamente diferente.

Este é o recurso que mais me empolga de todo o vazamento. Não porque é o mais chamativo — os benchmarks do Mythos são mais impressionantes no papel — mas porque a entropia de contexto é o maior ponto de dor no meu fluxo de trabalho diário assistido por IA. Um modelo que consolida sua própria memória durante o tempo ocioso resolve um problema com o qual eu luto todos os dias.

O Panorama de Modelos de IA em 2026: Onde Fica Cada Um?

O vazamento do código-fonte do Claude não aconteceu isoladamente. Caiu em um panorama de IA onde três empresas estão travadas em uma corrida cada vez mais acirrada. Aqui está a situação no início de abril de 2026:

A diferença entre os três principais modelos publicamente disponíveis é mínima. Menos de um ponto percentual os separa no benchmark de codificação mais respeitado. Essa não é uma corrida onde um único modelo "vence." É uma corrida onde a melhor estratégia é combinar o modelo certo com a tarefa certa.

O GPT-5.4 se destaca em fluxos de trabalho intensivos de terminal — DevOps, automação de infraestrutura, tarefas de administração de sistemas onde a velocidade bruta de execução de comandos importa mais que a estética do código. Cobri isso extensivamente no meu primeiro olhar sobre o GPT-5.4.

O Gemini 3.1 Pro oferece a melhor proposta de valor. Se seu gargalo são custos de API em vez de capacidade bruta, o modelo do Google entrega 80,6% de desempenho no S.E. Bench por uma fração do que o Opus custa por token. Minha análise do Gemini 3.1 Pro detalha os casos de uso específicos onde ele supera modelos que custam o dobro do preço.

O Opus 4.6 continua sendo minha ferramenta diária para qualquer coisa envolvendo geração de UI, decisões arquitetônicas complexas, ou tarefas onde a saída precisa parecer polida e coerente. Sua compreensão estética — a capacidade de gerar código que produz resultados visualmente coerentes — ainda é incomparável. Minha análise prática do Opus 4.6 cobre isso em detalhe.

Mas a tendência que estou observando não é sobre qual modelo é o "melhor." A tendência é orquestração de inteligência — usar diferentes modelos para diferentes subtarefas dentro do mesmo projeto, baseando-se em suas forças específicas. A arquitetura daemon do KAIROS no código vazado realmente suporta esse padrão. O agente em segundo plano poderia teoricamente despachar diferentes níveis de modelo para diferentes tipos de tarefas em segundo plano: Haiku para verificações rápidas de lint, Sonnet para análise de testes, Opus para revisão arquitetônica.

Estamos nos movendo de "qual modelo de IA devo usar?" para "como componho um sistema de IA a partir de múltiplos modelos especializados?" Essa é uma pergunta fundamentalmente diferente, e requer um conjunto de habilidades fundamentalmente diferente.

O Que os Nomes em Código Internos Nos Dizem Sobre o Roadmap da Anthropic

Deixe-me conectar alguns pontos que não vi ninguém mais expor claramente.

O código vazado faz referência a quatro nomes em código de modelos: Fenck (Opus), Capra (Sonnet), Tangu (Haiku), e o misterioso Numbat. Mais o nível Capybara para o Mythos. São cinco identificadores internos para uma empresa que atualmente oferece três níveis públicos.

Aqui está o que penso que está acontecendo.

A Anthropic está reestruturando sua linha de modelos. O sistema atual de três níveis (Haiku / Sonnet / Opus) foi projetado quando os modelos tinham níveis de capacidade claros. Mas conforme a diferença de desempenho entre os níveis diminui — o Sonnet 4.6 lida com tarefas que requeriam o Opus 3.5 há apenas um ano — a lógica de níveis precisa evoluir.

O Capybara (Mythos) adiciona um teto acima do Opus para tarefas computacionalmente intensivas e de alto risco. O Numbat provavelmente preenche uma lacuna em algum lugar da oferta atual — talvez um nível entre o Haiku e o Sonnet otimizado para tarefas de alto throughput e baixa latência onde o Haiku é limitado demais mas o Sonnet é excessivo. Pense em cargas de trabalho intensivas de API onde você está fazendo milhares de chamadas ao modelo por minuto e precisa de qualidade consistente sem o custo do nível Sonnet.

As strings de versão para o Opus 4.7 e Sonnet 4.8 confirmam que a cadência de desenvolvimento da Anthropic é rápida. Eles não estão descansando no 4.6. Com uma probabilidade de 59% nos mercados de previsão de que o 4.7 será lançado antes de julho, a próxima geração provavelmente está em estágio final de testes agora.

Para desenvolvedores construindo sobre a API do Claude, isso significa que sua lógica de seleção de modelo precisa ser flexível. Codificar claude-opus-4-6-20260205 diretamente na sua aplicação vai te prejudicar em meses. Construa camadas de abstração. Use aliases de modelo. Projete seus sistemas para trocar modelos sem reescrever código de integração.

O Que os Desenvolvedores Devem Realmente Fazer Com Essa Informação?

Passei cinco dias mergulhado nesta história. Aqui está o que estou realmente mudando no meu próprio fluxo de trabalho com base no que aprendi.

1. Prepare-se Para Agentes Autônomos — Eles Estão Chegando Mais Rápido do Que o Esperado

O KAIROS não é um protótipo de pesquisa. O código vazado mostra uma implementação de nível de produção com restrições de segurança, troca de modo e permissões de ferramentas. Quando isso for lançado — e será lançado, provavelmente em 2026 — o fluxo de trabalho do desenvolvedor muda fundamentalmente. Comece a pensar sobre quais partes do seu fluxo de trabalho poderiam se beneficiar de um agente em segundo plano: monitoramento de CI, triagem de code review, análise de atualização de dependências, escaneamento de segurança.

Se prefere que alguém construa esses fluxos de trabalho de agentes autônomos do zero, eu aceito projetos de integração e automação de IA. Você pode ver o que construí em fiverr.com/s/EgxYmWD.

2. Melhore Sua Postura de Segurança — Agora Mesmo

O Mythos pode encontrar vulnerabilidades mais rápido do que defensores humanos podem corrigi-las. Essa capacidade existe hoje, mesmo que restrita. Outros laboratórios estão construindo capacidades similares. Ferramentas ofensivas de IA se propagarão. Se sua aplicação tem dependências sem patch, servidores mal configurados, ou aquele tipo de dívida de segurança desleixada que "ninguém tem tempo de corrigir," a janela para corrigir isso discretamente está se fechando.

Execute npm audit em cada projeto. Atualize suas dependências. Habilite escaneamento de segurança automatizado na sua CI pipeline. Isso não é mais opcional — são fundamentos de sobrevivência.

3. Aprenda Orquestração de Inteligência

A era de escolher um modelo de IA e usá-lo para tudo está terminando. Os desenvolvedores que prosperarão em 2026 e além são os que conseguem compor sistemas a partir de múltiplos modelos especializados. Comece a experimentar com o roteamento de diferentes tipos de tarefas para diferentes modelos. Use Haiku para classificação e triagem. Use Sonnet para geração e iteração. Use Opus para revisão e arquitetura. Construa a memória muscular agora enquanto as ferramentas ainda estão amadurecendo.

4. Projete Para Persistência de Memória

O Autodream revela a resposta da Anthropic à entropia de contexto — e é uma boa resposta. Mas mesmo antes de ser lançado, você pode projetar seus fluxos de trabalho em torno do mesmo princípio. Use arquivos CLAUDE.md, bancos de memória e resumos de sessão para dar ao seu agente contexto persistente. Quando o Autodream for lançado, ele vai aprimorar o que você já construiu. Você não está esperando pelo recurso — está construindo a fundação onde ele se assentará.

5. Fique de Olho no Numbat

O que quer que o Numbat se revele ser, ele representa a aposta da Anthropic em uma lacuna de capacidade na oferta atual. Se for um nível de alto throughput entre o Haiku e o Sonnet, pode mudar drasticamente a economia de aplicações intensivas em IA. Fique de olho nas notas de lançamento da Anthropic. Quando o Numbat surgir, os adotantes antecipados que já têm camadas de abstração de modelo poderão integrá-lo imediatamente.

O Quadro Geral: O Que a Pior Semana da Anthropic Revela Sobre o Melhor Futuro da IA

Dê um passo atrás das funcionalidades específicas e números de benchmark. O que este vazamento realmente nos diz sobre para onde o desenvolvimento de IA está indo?

Três coisas se destacam.

IA autônoma não é um estado futuro — é um problema de engenharia sendo resolvido agora. O KAIROS e o Autodream não são conceituais. Estão implementados. As restrições de segurança estão definidas. A lógica de troca de modo funciona. A única lacuna entre aqui e o deployment é testes, refinamento e a tolerância ao risco da Anthropic. A pergunta não é "os agentes de IA vão trabalhar autonomamente?" É "quando as empresas se sentirão seguras o suficiente para lançá-lo?"

A tensão entre segurança e capacidade é real e está ficando mais aguda. A Anthropic construiu um modelo que supera tudo no mercado por uma margem ampla, e então o trancou em um cofre porque as implicações de cibersegurança eram sérias demais. Essa tensão — construir a coisa mais capaz possível, e então decidir se a lança — vai definir os próximos dois anos do desenvolvimento de IA. Todo grande laboratório enfrenta o mesmo dilema. Como o resolvem moldará a indústria mais do que qualquer melhoria de benchmark.

O fosso não é a inteligência do modelo — é o sistema ao redor do modelo. Os benchmarks do Mythos são impressionantes. Mas os recursos que mudariam meu dia a dia não são sobre inteligência bruta. São sobre o KAIROS executando testes enquanto durmo. O Autodream consolidando a memória do meu agente enquanto almoço. O PushNotification me alertando quando meu agente em segundo plano encontrou algo importante. O modelo é um componente. O sistema é o produto.

Esse último ponto é ao qual continuo voltando. Estivemos tão focados em qual modelo pontua mais alto em qual benchmark que perdemos a verdadeira corrida. A verdadeira corrida é quem constrói o melhor sistema ao redor do modelo — o loop autônomo, a persistência de memória, a orquestração inteligente.

Com base no que vi nessas 512.000 linhas, a Anthropic está mais à frente nessa corrida do que eu esperava. Muito mais à frente.

O erro do .npmignore custou à Anthropic sua surpresa competitiva. Mas para desenvolvedores como você e eu, nos deu algo valioso: uma visão clara do caminho à frente. E esse caminho leva a um lugar específico — para sistemas de IA que não apenas respondem quando perguntados, mas antecipam, agem e melhoram enquanto não estamos olhando.

A pergunta não é se você está pronto para esse futuro. A pergunta é se você está construindo em direção a ele agora — ou se vai estar correndo para recuperar o atraso quando ele chegar.

Perguntas Frequentes

O que exatamente foi vazado no incidente do código-fonte do Claude?

Em 31 de março de 2026, 512.000 linhas do código-fonte TypeScript do Claude Code foram expostas via source maps do npm devido a uma entrada faltante no .npmignore. O vazamento revelou nomes em código internos de modelos, recursos não lançados como KAIROS e Autodream, e referências a versões de modelos futuras incluindo Opus 4.7 e Sonnet 4.8. Para a análise completa de cada descoberta, veja as seções acima.

O que é o Claude Mythos e quando estará disponível?

O Claude Mythos é o modelo ultra-nível não lançado da Anthropic operando sob a classificação de nível "Capybara", alcançando 87,4% no S.E. Bench Verified comparado aos 80,8% do Opus 4.6. Está atualmente restrito a clientes selecionados de ciberdefesa devido à sua capacidade de descobrir vulnerabilidades mais rápido do que equipes humanas conseguem corrigi-las. Nenhuma data de lançamento público foi anunciada.

O que é KAIROS no Claude Code?

KAIROS é um modo daemon autônomo não lançado que permite ao Claude Code operar como um agente persistente em segundo plano. Usa um sistema heartbeat com um orçamento de ação proativa de 15 segundos, alterna entre modos autônomo e colaborativo com base na presença do usuário, e inclui ferramentas exclusivas como PushNotification e SubscribePR para operações em segundo plano.

Como funciona o Autodream no Claude Code?

O Autodream é um sistema de consolidação de memória em segundo plano que gera um sub-agente bifurcado durante períodos de inatividade do usuário. Ele funde observações sobrepostas, elimina contradições no contexto da sessão e converte suposições vagas em fatos confirmados — tudo com acesso de somente leitura ao código e acesso de escrita limitado exclusivamente a arquivos de memória.

O Claude Opus 4.7 está confirmado?

O Opus 4.7 e o Sonnet 4.8 apareceram em lógica de validação de versão dentro do código-fonte vazado, confirmando desenvolvimento interno ativo. Os mercados de previsão estimam aproximadamente 59% de probabilidade de o Claude 4.7 ser lançado antes de 30 de junho de 2026, embora a Anthropic não tenha feito nenhum anúncio oficial.

Vamos Trabalhar Juntos

Procurando construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.

• Fiverr (desenvolvimentos personalizados e integrações): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e branding): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io