Em um resultado que deve fazer engenheiros de software de robótica ao redor do mundo atualizarem seus currículos com certa urgência, a Anthropic revelou que seu modelo mais recente, o Claude Opus 4.7, é capaz de programar um robô físico quase 38 vezes mais rápido do que uma equipe humana. De acordo com a pesquisa “Project Fetch Phase Two” da empresa, a IA completou autonomamente uma série de tarefas complexas de robótica em apenas 9 minutos e 35 segundos. A equipe humana, sem auxílio, levou 361 minutos para realizar o mesmo trabalho.
Não estamos falando de um pequeno ganho de performance; é um verdadeiro salto evolutivo. Há apenas dez meses, em agosto de 2025, a Anthropic realizou a primeira fase deste experimento. Naquela rodada, o então modelo de ponta, o Opus 4.1, falhou logo no primeiro passo: sequer conseguiu se conectar ao “robocão” quadrúpede. Uma equipe humana auxiliada pelo Claude levou 181 minutos para concluir as tarefas, enquanto a equipe sem ajuda lutou por mais de seis horas. Corta para hoje, e o Opus 4.7 não apenas se conectou, como finalizou todo o fluxo de trabalho 19 vezes mais rápido do que os humanos assistidos por IA do primeiro teste.
As tarefas estavam longe de ser triviais: envolviam a conexão com a câmera do robô e sensores lidar, o desenvolvimento de um programa para monitorar sua trajetória e o uso de visão computacional para detectar uma bola de praia. O único papel do pesquisador humano foi plugar o notebook, fornecer o prompt inicial e aprovar as ações da IA. O Claude cuidou de todo o resto — desde encontrar as bibliotecas de software corretas até escrever e executar o código.
Por que isso é importante?
A revelação mais impactante da Anthropic é que esse ganho massivo de desempenho não foi fruto de um treinamento especializado em robótica. Em vez disso, trata-se de uma “capacidade emergente” que simplesmente brotou do escalonamento geral da IA — a mesma força que impulsiona as melhorias em chatbots e geradores de imagens. Isso sugere que, à medida que os modelos de base se tornam mais inteligentes, eles se tornam inerentemente mais capazes de interagir com o mundo físico e programá-lo.
A chave técnica reside no que a Anthropic chama de “loop agêntico” (agentic loop), onde o modelo coleta contexto, toma uma ação (como escrever código) e verifica o resultado antes de repetir o ciclo. O Opus 4.7 operou com “pensamento adaptativo em esforço máximo”, um modo de raciocínio que permite ao modelo “pensar” entre as etapas individuais. Esse raciocínio intercalado é o que permite à IA identificar um erro — como uma falha na conexão de um sensor — e corrigir seu próximo comando sem precisar parar e esperar que um humano faça o debug. Embora a Anthropic observe que o modelo ainda tenha dificuldades com tarefas de precisão motora fina, a barreira para colocar robôs em funcionamento acaba de ser pulverizada. O gargalo não é mais apenas construir o hardware; é sobre quem — ou o quê — consegue programá-lo mais rápido. No momento, a aposta mais segura está no silício.
