A organização independente de segurança em IA METR publicou nesta quinta-feira (5/11) o primeiro relatório auditado de acesso profundo já realizado dentro de uma empresa de inteligência artificial de primeira linha. O resultado é ao mesmo tempo concreto e perturbador: a Anthropic está melhorando seus modelos de IA a aproximadamente o dobro da velocidade que melhorava entre março de 2024 e outubro de 2025, e cerca de 80% dessa aceleração é atribuível ao uso de IA em sua própria pesquisa e desenvolvimento.
O que torna o caso Anthropic tão singular não é o número em si — o dobro de progresso em um ano —, mas a metodologia por trás dele. O METR enviou 2,5 equivalentes em tempo integral para dentro da Anthropic entre 12 de agosto e 29 de outubro de 2026. A equipe recebeu acesso sem precedentes a métricas de pré-treinamento, reinforcement learning, benchmarks de modelos internos não lançados, análises de velocidade de IA e previsões sobre métricas futuras. Foram realizadas cerca de 15 entrevistas com pesquisadores da empresa. O METR não recebeu nenhum pagamento da Anthropic, embora tenha trabalhado em dispositivos da empresa por questões de segurança.
Dois anos de progresso em um
A métrica central do relatório é o AECI (Anthropic Epoch Capabilities Index), um composite de múltiplos benchmarks. Antes de outubro de 2025, os modelos da Anthropic ganhavam cerca de 15 pontos por ano nesse índice. Depois desse marco, a taxa subiu para 29 pontos por ano — uma aceleração de 1,9x, com intervalo de confiança de 95% entre 1,5x e 2,8x. Em outras palavras, a Anthropic realizou em um ano o mesmo progresso em benchmarks que levou dois anos para fazer entre outubro de 2023 e outubro de 2025, um salto equivalente à evolução de Claude 2.1 para Sonnet 4.5.
O que os auditores confirmaram com certeza é que a aceleração não veio de um aumento no scaling de training compute. O fator responsável é o uso de IA para R&D. Um pesquisador entrevistado pelo METR disse textualmente: 'Agora estamos apenas limitados por ideias e compute, não mais por código.' Outros relataram que experimentos que antes levavam um ou dois dias para serem configurados agora são praticamente 'gratuitos' em termos de overhead.
A queda livre das autoavaliações
Um dos gráficos mais reveladores do relatório mostra a evolução das autoavaliações de produtividade enviadas por pesquisadores da Anthropic. Com o Claude 3.7 Sonnet, a produtividade relatada era de 1,2x. Com o Model 4 interno (treinado entre julho e outubro de 2026), os funcionários relataram produtividade 12x maior que o baseline. O METR trata essas avaliações como 'evidência muito frouxa', chamando-as de pouco representativas e propensas a superestimar os ganhos reais. Mas a tendência é consistente: mesmo os relatórios mais conservadores indicam uma aceleração significativa.
O relatório também destaca 'sinais de vida' — termos usados pelos auditores — indicando que contribuições autônomas de IA aos componentes mais importantes do processo de treinamento podem ocorrer em breve. Ainda que a IA não seja capaz de fazer contribuições totalmente autônomas e de alto impacto nas partes cruciais do pipeline, a maturidade varia por área, e os pesquisadores entrevistados concordam que o inflexion point já está em algum lugar entre o Opus-4.5 e o Model 4 interno.
A política de escrutínio público
O timing do relatório não é coincidência. A Anthropic está na semana anterior ao início do marketing formal de sua oferta pública inicial, prevista para a semana do Thanksgiving, com uma captação de US$ 100 bilhões. O S-1 já havia incluído um aviso sobre RSI (recursive self-improvement) — o ponto em que a IA melhora a si mesma de forma que supera a capacidade humana de supervisionar —, dizendo que 'podemos não ter identificado e em futuro próximo não identificaremos uma aceleração significativa em nossa taxa de desenvolvimento até que isso tenha ocorrido'.
O METR considera plausível que o limiar de aceleração da RSP da Anthropic já tenha sido ultrapassado em 15 de julho de 2026. O relatório público da Anthropic de agosto afirmava que a aceleração era 'inferior a um fator de 2'. A versão interna não redatada sugere um valor de 1,97 — praticamente o mesmo número do METR. A própria Anthropic considerou 'plausível' que o limiar tenha sido cruzado.
As redações que enfraquecem a auditoria
Um ponto que o METR enfatiza repetidamente é que o relatório público está significativamente incompleto. A Anthropic exerceu direitos unilaterais de redação sobre todas as informações não públicas e usou amplamente essa prerrogativa. A maioria das evidências que os auditores consideraram mais informativas foi removida, incluindo previsões de modelos futuros, decomposições por steps de treinamento e análises de gargalos. Um gráfico no relatório público ostenta a marca 'FAKE DATA' em letras grandes.
O METR reconhece que a Anthropic redigiu informações com a intenção legítima de evitar que detalhes confidenciais acelerassem outros desenvolvedores de IA — não era apenas sigilo corporativo. Mas o efeito líquido é que o público depende muito mais do julgamento do METR do que seria ideal. Sam McCandlish, co-fundador da Anthropic, disse ao The Decoder que 'muitas das conclusões do METR correspondem às minhas próprias', mas acrescentou que é difícil medir exatamente quanta IA está acelerando a pesquisa.
O ceticismo dentro da Anthropic
Os pesquisadores da própria empresa não estão unânimes. Um deles estimou a contribuição da IA em apenas 15% a 20% dos ganhos de produtividade, e desconfia das autoavaliações dos colegas. Outro considerou que os novos contratados foram o fator mais importante nos ganhos recentes. Quando o METR considerou os modelos de OpenAI, Google e xAI, o número de aceleração do setor caía para 1,4x — possivelmente porque a Anthropic ficou para trás em relação aos concorrentes em 2025, gerando um efeito de 'catch-up'.
O que isso significa para o setor
A aceleração na Anthropic não é um fenômeno isolado. O METR calculou que, incluindo todos os desenvolvedores de fronteira, a taxa de aceleração global é de 1,4x — menor que a da Anthropic, mas ainda significativa. O que é mais preocupante é a ausência de gargalos observáveis. Sem limites de compute, dados ou retornos decrescentes, não há evidência de que a aceleração vai desacelerar nos próximos doze meses. Se a IA continua automatizando partes cada vez maiores do R&D, e se mais IA no R&D gera mais aceleração, o loop de feedback pode se tornar auto-reforçante.
O CEO Dario Amodei já alertou abertamente que 'é hora de pisar no freio' no desenvolvimento de IA, e contratou o próprio METR como auditora externa. O paradoxo é irônico: a empresa que mais insiste na necessidade de desacelerar a IA é a que demonstrou, em dados concretos, a maior aceleração impulsionada por IA. E isso ocorre exatamente quando a Anthropic está se preparando para abrir seu capital ao mercado — um momento em que a confiança de investidores e do público é mais crucial do que nunca.
A pergunta que permanece é se a aceleração autossustentada da IA é inevitável ou se pode ser contida por governança institucional, e se a própria existência de auditorias como a do METR basta para impedir que a velocidade escape ao controle.
Fontes: The Verge, METR, The Decoder
✓ Fontes independentes cruzadas e verificadas antes da publicação
