A AGI Prática Já Está Aqui: Os Próprios Números da Anthropic

A AGI Prática Já Está Aqui: Os Próprios Números da Anthropic

Li o relatório da Anthropic duas vezes antes de admitir o que ele realmente estava dizendo.

Na primeira leitura, fiz o que todo engenheiro faz — fui direto para os números, tirei print dos gráficos e arquivei em "interessante, vou referenciar depois." Na segunda leitura, num sábado de manhã sem Slack aberto e nada para entregar, o impacto foi diferente. Porque o relatório que a Anthropic publicou em 5 de junho de 2026 — "When AI builds itself" — não é uma demonstração de capacidades. É uma admissão silenciosa, levemente nervosa, de que aquilo que passamos uma década discutindo no abstrato já aconteceu dentro do prédio deles, nas máquinas deles, com o modelo que eu uso todos os dias.

A AGI prática está aqui. Não a versão de ficção científica. Não uma mente consciente num rack de servidores. A versão entediante e estrutural — um sistema que resolve autonomamente problemas abertos que não têm resposta predefinida. E a razão pela qual estou confiante em afirmar isso não é uma sensação ou um thread de hype. São os próprios dados internos da Anthropic, a empresa que tem todos os incentivos para ser cautelosa sobre exatamente essa afirmação.

Quero guiá-lo pelo que o relatório realmente diz — os números verificados, não as paráfrases sensacionalistas — e depois quero dar minha leitura honesta como alguém que passou o último ano construindo sistemas em produção em cima desses modelos. Ao final, você terá uma definição de AGI que é realmente útil, uma noção clara de qual dos três futuros estamos vivendo agora, e uma pergunta desconfortável sobre seu próprio trabalho que não consegui tirar da cabeça. Deixe-me começar matando a palavra que tem envenenado toda essa conversa.

Por Que "AGI" Sempre Foi a Palavra Errada

Eis a armadilha em que todos caímos. Deixamos "AGI" significar a singularidade — uma máquina que desperta, tem desejos e supera toda a humanidade de uma vez. Essa definição é ótima para filmes e péssima para realmente perceber o que está acontecendo, porque ela coloca um padrão tão alto e tão vago que nenhum sistema real jamais vai claramente ultrapassá-lo. Você sempre pode dizer "mas não é consciente," e a conversa morre ali.

O relatório da Anthropic contorna a filosofia inteiramente, e esse é o movimento mais inteligente de todo o documento. Ele traça uma linha dura entre duas coisas.

IA Estreita faz uma tarefa delimitada bem. Um motor de xadrez. Um filtro de spam. Um modelo que classifica imagens. Pode ser sobre-humano no seu único trabalho e completamente inútil um centímetro fora dele. Temos isso há anos e ninguém entrou em pânico.

Inteligência geral — do tipo prático — é a capacidade de pegar um problema que ninguém pré-resolveu, sem gabarito, sem função de recompensa clara, sem "saída correta" num dataset, e fazer progresso real nele mesmo assim. É isso. Essa é toda a definição. Não consciência. Não desejo. Apenas: consegue trabalhar no que é aberto e indefinido?

Uma vez que você aceita esse enquadramento, a pergunta deixa de ser "está vivo?" e passa a ser "com que frequência ele tem sucesso em problemas sem solução definida?" E essa é uma pergunta que você pode realmente medir. A Anthropic mediu. O número foi o que me fez largar o café na mesa.

Mas antes do número, você precisa dos grupos — porque nem todo trabalho "aberto" é igual, e o relatório é cuidadoso sobre isso de um jeito que as manchetes não foram.

Os Quatro Grupos de Tarefas — E o Que Acabou de Se Abrir

A Anthropic classifica o trabalho que seus próprios engenheiros fazem em quatro níveis de dificuldade. Acho esse enquadramento útil o suficiente para ter começado a classificar mentalmente minha própria semana da mesma forma.

• Trivial — renomear uma variável, corrigir um typo, escrever um guard de uma linha. O modelo faz isso perfeitamente há dois anos.
• Rotineiro — implementar uma função bem especificada, conectar uma API conhecida, escrever testes para lógica existente. Resolvido.
• Substancial — construir uma feature em vários arquivos, refatorar um módulo, debugar algo com causa identificável. É onde os modelos de 2025 ficaram genuinamente bons.
• Aberto — "descobrir por que os treinamentos estão degradando silenciosamente," "projetar um experimento para testar esta hipótese," "melhorar este sistema quando ninguém sabe como é a melhoria." Sem spec. Sem gabarito. Este é o nível da AGI.

Por anos, esse quarto grupo foi onde a IA desmoronava. Ela podia autocompletar sua função, mas não conseguia fazer pesquisa. Precisava de um humano para definir o problema tão rigidamente que a abertura já tinha sido drenada dele.

Esse é o grupo que acabou de se abrir. Segundo o relatório da Anthropic, a taxa de sucesso do Claude na maioria das tarefas abertas chegou a 76% em maio de 2026 — um aumento de 50 pontos percentuais em seis meses. Leia isso de novo. Metade da lacuna, fechada, em dois trimestres, na exata categoria de trabalho que deveria ser o fosso exclusivo dos humanos.

Eu senti isso pelo lado da aplicação sem ter o número para anexar. Um ano atrás, quando o Opus 4.6 silenciosamente corrigiu um bug de renderização que eu não conseguia resolver tentando três abordagens por conta própria, aquilo pareceu um vislumbre. Agora entendo que era a borda de uma curva que estava prestes a se tornar quase vertical. A correção do bug não era a história. A autonomia num problema que eu não havia especificado completamente era a história.

E a taxa de sucesso é apenas metade disso. A outra metade é quanto tempo o modelo consegue se manter de pé sozinho antes de precisar de você.

A Tendência de Duplicação Que Deveria Realmente Te Preocupar

Aqui está o gráfico do relatório ao qual eu sempre volto, porque é o com a extrapolação mais limpa — e o mais inquietante.

A Anthropic mediu a duração das tarefas que seus modelos conseguem completar de forma confiável e autônoma, o tipo de trabalho em que você entrega um objetivo e vai embora. A progressão:

• Março de 2024 — Claude Opus 3 lidava com tarefas de software que levam um humano cerca de quatro minutos.
• Março de 2025 — Claude Sonnet 3.7 lidava com tarefas de cerca de uma hora e meia.
• Março de 2026 — Claude Opus 4.6 gerenciou tarefas de 12 horas.

Quatro minutos a doze horas em dois anos. Mas o número que importa não é qualquer ponto isolado — é a inclinação. O relatório afirma que essa capacidade agora está dobrando aproximadamente a cada quatro meses, acima de uma tendência anterior de duplicação a cada sete meses. A curva não é apenas íngreme. Ela está ficando mais íngreme.

Sente com a duplicação de quatro meses por um segundo, porque a extrapolação faz algo com seu estômago. Tarefas autônomas de doze horas na primavera de 2026. Dobre — aproximadamente um dia inteiro no outono. Dobre de novo — múltiplos dias. Não vou desenhar a linha três anos à frente e fingir que posso prever uma data específica, porque esse é exatamente o tipo de falsa precisão que esse tema não precisa. Mas a direção não é ambígua. A coisa que podia trabalhar ao seu lado por quinze minutos está se tornando a coisa que pode trabalhar ao seu lado por uma semana.

Esta é a parte que reformulou o desenvolvimento agent-native para mim. Eu costumava achar que a habilidade era fazer bons prompts. Não é. A habilidade é delegar bem para algo que pode rodar por horas — definir o escopo do objetivo, configurar as proteções, e depois sair do caminho. Quanto mais longa a correia, mais essa habilidade de escopo se torna o trabalho inteiro. Voltaremos a isso, porque é para onde seu valor está indo.

Agora — mais longo e mais bem-sucedido significa melhor? Porque existe uma versão disso onde a IA apenas faz mais trabalho medíocre mais rápido. O relatório tem uma resposta direta para isso, e é a afirmação que tive que verificar três vezes.

Quando a Máquina Faz a Melhor Escolha

Esta é a frase que moveu o relatório de "impressionante" para "genuinamente novo" para mim.

Os pesquisadores da Anthropic rastrearam com que frequência o próximo passo de pesquisa sugerido pelo Claude era julgado melhor que a própria escolha do pesquisador humano. Não mais rápido. Não mais barato. Melhor. O número foi de 51% em novembro de 2025 para 64% em abril de 2026.

Pare no que 51% sequer significa. Significa que, no final de 2025, na questão pesada de julgamento "o que devemos tentar a seguir nesta direção de pesquisa," o modelo já era uma moeda contra especialistas treinados. Na primavera de 2026, estava ganhando aproximadamente duas em três vezes. Isso não é completar código. Isso é gosto — a coisa que nos dizíamos ser irredutivelmente humana.

Aparece na capacidade bruta também. Numa tarefa de otimização de código, o Claude Opus 4 atingiu aproximadamente 3x de speedup em maio de 2025. Até abril de 2026, o Claude Mythos Preview — o modelo frontier controlado da Anthropic, aquele que eles deliberadamente mantiveram fora do lançamento geral — alcançou cerca de 52x no mesmo tipo de trabalho. (O Mythos é real, aliás, e vale a pena conhecer; é o modelo por trás do Project Glasswing, o esforço da Anthropic para fortalecer infraestrutura crítica, e obteve 97,6% na Olimpíada de Matemática dos EUA de 2026 contra 42,3% do Opus 4.6.) De três-x a cinquenta-e-dois-x em menos de um ano num único benchmark de otimização.

E então o exemplo que cristaliza tudo: numa tarefa de supervisão onde modelos foram soltos para recuperar terreno perdido contra pesquisadores humanos, os agentes recuperaram 97% da lacuna. Os humanos recuperaram aproximadamente 23%. Quando o trabalho em si era pesquisa em IA, a IA era quem fechava a distância — e os humanos eram quem ficava para trás.

Se você quer uma leitura mais aterrada sobre o que esses saltos significam para lançamentos individuais de modelos em vez da macro tendência, eu me aprofundei na análise de capacidades do Opus 4.7 — mas a macro tendência é o ponto aqui. A máquina não está apenas fazendo mais. No trabalho aberto e pesado em julgamento, ela está cada vez mais fazendo melhor. O que levanta a única pergunta que realmente importa: o que acontece a seguir?

Os Três Futuros — E Em Qual Estamos

A Anthropic não prevê. Ela cria cenários. O relatório apresenta três caminhos possíveis, e o movimento honesto é que eles não dizem qual está certo. Eu vou dizer em qual acho que já estamos.

Cenário 1 — O Platô. A tendência estagna. A duplicação de quatro meses bate num muro, as curvas se achatam, e ficamos com as capacidades de hoje — que então se difundem amplamente pela economia. Poderoso, mas limitado. Sem disparada. Neste mundo, as ferramentas existentes são o teto, e a próxima década é sobre implantação, não avanço.

Cenário 2 — Aceleração Guiada por Humanos. Os labs de IA continuam vendo ganhos de eficiência compostos. Cada geração de modelos ajuda a construir a próxima um pouco mais rápido, com humanos ainda firmemente no loop — direcionando, revisando, aprovando. A aceleração é real, mas passa por mãos humanas a cada passo. Os 80% do código da Anthropic que o Claude escreve ainda são aprovados por um humano que diz sim.

Cenário 3 — Auto-Aprimoramento Recursivo. Sistemas de IA se tornam capazes de projetar e desenvolver completamente seus próprios sucessores. O humano sai do loop não porque escolhe, mas porque não consegue mais acompanhar. O modelo melhora o modelo, que melhora o modelo, e a curva de duplicação deixa de ser uma metáfora.

Aqui está minha leitura, e a seguro com leveza: estamos inequivocamente no Cenário 2 agora. O Claude escrevendo 80% do código aprovado com humanos aprovando-o é a definição literal de aceleração guiada por humanos. O 52x impulsionado pelo Mythos, as chamadas de pesquisa 64% melhores que humanos — esses são loops acelerando com um humano ainda segurando a caneta. Isso não é especulação. É terça-feira na Anthropic, e numa escala menor, é terça-feira no meu próprio fluxo de trabalho.

O problema do Cenário 2 é que ele fica bem ao lado do Cenário 3. A fronteira não é um penhasco que você veria chegando. É o momento em que o humano no loop se torna um carimbo automático — ainda tecnicamente ali, não mais realmente decidindo. E a ansiedade mais profunda do relatório é que você pode não perceber quando cruzar essa linha. Essa é a parte que ninguém quer discutir, então vamos discutir.

O Risco Silencioso Que Ninguém Coloca em Thumbnail

Quando as pessoas imaginam risco de IA, imaginam um momento dramático. Uma luz vermelha. Um sistema se rebelando. Robôs assassinos. O relatório da Anthropic aponta para algo muito menos cinematográfico e, para mim, muito mais plausível: a erosão lenta da supervisão que você não percebe acontecendo.

O mecanismo é o desalinhamento composto. Se um modelo tem alguma falha sutil em seus valores ou julgamento — não malícia, apenas uma leve descalibração — e esse modelo ajuda a projetar o próximo modelo, a falha não é detectada. Ela é herdada, e possivelmente amplificada. A Anthropic diz claramente que como o problema de alinhamento será resolvido neste futuro "é algo sobre o qual temos menos certeza." Essa é uma declaração marcante para um lab focado em segurança admitir publicamente.

Combine isso com o problema de interpretabilidade. À medida que os modelos ficam mais capazes e começam a construir seus sucessores, nossa capacidade de olhar por dentro e entender por que eles fazem o que fazem se degrada. Já estamos no ponto em que os sistemas são complexos demais para auditar completamente à mão. O risco não é uma máquina que nos odeia. É uma máquina que cada vez menos conseguimos ler, tomando decisões que cada vez menos conseguimos verificar, dentro de loops que se movem mais rápido do que conseguimos revisar.

Essa erosão é silenciosa. Não há alarme. Um dia a revisão humana é significativa, e algum dia depois ela é teatro, e não há sirene marcando a transição. É por isso que a Anthropic está fazendo algo que nunca vi um lab de fronteira fazer: argumentar, publicamente, pela capacidade de pisar no freio.

E o freio, na verdade, é a parte mais difícil de tudo.

Por Que "Apenas Pausar" Não Funciona

A solução intuitiva é óbvia: se isso ficar perigoso, desacelere. A Anthropic concorda em princípio e depois explica, com clareza desconfortável, por que é quase impossível na prática.

Uma pausa crível não pode ser um lab agindo sozinho — isso apenas entrega a liderança a quem não pausar. Exigiria que múltiplos labs bem financiados concordassem em parar sob as mesmas condições, e verificassem que todos realmente pararam. E aqui está a frase que ficou comigo: treinamentos são muito mais fáceis de esconder do que silos de mísseis.

Pense no controle de armas nucleares. É difícil, mas funciona em parte porque você pode ver as instalações de enriquecimento, contar as ogivas, sobrevoar com satélites. Há uma pegada física. Um treinamento de fronteira não tem essa pegada. É um cluster num data center que parece exatamente como qualquer outro cluster em qualquer outro data center. O clássico framework "confie mas verifique" que sustenta todo tratado de armas esbarra direto num muro, porque a metade "verificar" quase não tem em que se apoiar.

Então a conversa sobre segurança não é realmente "deveríamos poder pausar." É "conseguiríamos sequer saber se alguém não pausou." Esse é um problema genuinamente não resolvido, e a Anthropic colocá-lo por escrito é o relatório silenciosamente admitindo que o pedal do freio pode não estar conectado a nada ainda.

Se você está construindo sistemas reais, este é o ponto onde eu resistiria ao impulso de espiralar e ficaria prático. Penso muito sobre como manter supervisão humana significativa dentro de loops de auto-aprimoramento na escala pequena — mesmo um loop de reflexão que reescreve seus próprios prompts precisa de um checkpoint humano que seja real, não cerimonial. O problema macro é o mesmo problema, apenas sem ninguém capaz de impor o checkpoint. O que traz tudo de volta para você e para mim.

O Que Seu Trabalho Realmente Se Torna

Aqui está a parte com a qual eu mais me importaria se estivesse lendo isso, porque é a parte que tem uma decisão.

Se o modelo escreve o código, roda os experimentos, e cada vez mais faz a melhor escolha sobre o que tentar a seguir — o que sobra para o humano? A resposta honesta é que o centro do valor humano está deslizando, rápido, de execução para julgamento.

Por anos, ser um ótimo engenheiro significava ser um ótimo executor. Você conseguia implementar a coisa. Conhecia a sintaxe, os padrões, as pegadinhas. Essa habilidade está rapidamente se comoditizando — não é inútil, mas não é mais o que te torna valioso, porque o modelo faz mais rápido e, em trabalho aberto, frequentemente melhor. O que não se comoditiza é saber quais problemas valem a pena resolver, ter uma visão para a qual o agente pode ser apontado, e exercer o gosto para reconhecer quando sua saída com 76% de sucesso está nos 24% errados.

Senti essa mudança pessoalmente antes de ter palavras para ela. Escrevi sobre matar um produto funcionando porque era AI-added em vez de AI-first — e a lição por trás dessa decisão era exatamente isso. Meu valor não estava em construir o app Laravel. O modelo podia fazer isso. Meu valor estava no julgamento de ver que ele não deveria existir. Visão acima de velocidade. Direção acima de destreza.

É também onde a afirmação mais citável do relatório ganha seu peso: empresas de 100 pessoas poderiam fazer o trabalho de organizações de 10.000 ou 100.000 pessoas. Isso não é uma promessa de software de produtividade. É uma declaração sobre alavancagem tão extrema que o gargalo deixa de ser mão de obra e passa a ser gosto — a rara habilidade de apontar capacidade esmagadora para o alvo certo. E implica um gap crescente que estou vendo se abrir em tempo real: entre pessoas que tratam esses modelos como um autocomplete mais sofisticado, e pessoas que reorganizaram todo o seu fluxo de trabalho em torno de dirigir frotas de agentes. Esse gap vai definir carreiras nesta década. O usuário casual ganha um bom boost de produtividade. O operador agent-native ganha uma organização 100x.

Então, onde isso deixa a questão da AGI com a qual começamos?

Então — É AGI?

Pela definição prática — fazer progresso real autonomamente em problemas abertos sem gabarito — a resposta honesta é sim. Não está vindo. Está aqui. Uma taxa de sucesso de 76% no trabalho que deveria ser o nível exclusivo dos humanos, uma duplicação de quatro meses no tempo de tarefas autônomas, um modelo ganhando a chamada "o que devemos tentar a seguir" contra especialistas duas em três vezes. Se isso não é inteligência geral no único sentido que afeta sua vida, a palavra perdeu todo o significado.

Pense de volta onde começamos — eu lendo o relatório duas vezes e só percebendo na segunda. A razão pela qual quase perdi é a mesma razão pela qual acho que a maioria da indústria está perdendo: estávamos todos esperando a versão dramática. A máquina consciente. A luz vermelha. Estávamos tão ocupados escaneando o céu pela AGI de ficção científica que não percebemos que a prática já tinha se mudado para o prédio e começado a fazer merge de código.

A pior resposta possível a este relatório é a que mais vejo: um dar de ombros e um "isso é só hype, não é realmente AGI." Essa desestimação não é ceticismo. É uma recusa de atualizar diante de evidências diretas do lab com mais razão para minimizar isso. Ceticismo é bom. Ler os números e escolher não acreditar neles é outra coisa.

Aqui está meu desafio para você, e vai levar menos de uma hora. Abra qualquer ferramenta de IA que você mais usa. Entregue a ela uma tarefa genuinamente aberta do seu trabalho real — não uma correção de typo, algo sem resposta limpa. Defina bem o escopo, coloque uma proteção, e deixe rodar. Depois observe o que ela faz, e se pergunte uma coisa: estou direcionando isso, ou estou apenas clicando em aceitar? Sua resposta honesta a isso é a diferença entre estar do lado certo do gap que está prestes a se abrir — e do lado errado. Eu sei para qual lado estou construindo. A única pergunta é se você começa antes que a curva dobre de novo.

Perguntas Frequentes

A AGI realmente está aqui em 2026?

Por uma definição prática — resolver autonomamente problemas abertos sem resposta predefinida — sim, a capacidade já está aqui em 2026. O relatório de junho de 2026 da Anthropic mostra o Claude atingindo uma taxa de sucesso de 76% na maioria das tarefas abertas. Não é a versão consciente e de ficção científica da AGI, mas é resolução geral de problemas no único sentido que afeta o trabalho real.

O que "When AI builds itself" realmente afirma?

O relatório da Anthropic afirma que a IA agora está escrevendo mais de 80% do código incorporado em sua própria base de código e está cada vez mais tomando decisões de pesquisa melhores que especialistas humanos. Para o detalhamento completo de cada estatística verificada, veja as seções acima. O argumento central é que a aceleração guiada por humanos é real hoje, com o auto-aprimoramento recursivo como um possível — mas não inevitável — próximo passo.

Qual é a diferença entre IA estreita e AGI?

IA estreita faz uma tarefa delimitada bem, como um motor de xadrez ou filtro de spam, e é inútil fora dessa tarefa. AGI prática faz progresso real em problemas abertos sem gabarito, função de recompensa ou saída correta para copiar. A mudança de estreita para geral é medida pela taxa de sucesso em problemas indefinidos, não por consciência.

Por que não podemos simplesmente pausar o desenvolvimento de IA se ficar perigoso?

Uma pausa crível exigiria que múltiplos labs bem financiados parassem sob as mesmas condições e verificassem que todos realmente cumpriram. Como a Anthropic observa, treinamentos são muito mais fáceis de esconder do que silos de mísseis, então a metade "verificar" de "confie mas verifique" quase não tem em que se apoiar. Esse gap de verificação, não a decisão de pausar, é a parte difícil.

Como os desenvolvedores devem responder à IA escrevendo a maior parte do código?

Mude seu valor de execução para julgamento — saber quais problemas importam, definir escopo de trabalho para agentes que agora podem rodar autonomamente por horas, e reconhecer quando a saída da IA cai nos 24% errados. A transição de executor para diretor é o movimento central de carreira desta década, explorado no meu texto sobre construir uma empresa AI-first acima.

Vamos Trabalhar Juntos

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

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