Claude Opus 5 divide debate entre desempenho e falhas de infraestrutura

O anúncio coloca o Opus 5 como modelo padrão do Claude Max e como o modelo mais forte do Claude Pro. A Anthropic diz que ele entrega desempenho muito maior pelo mesmo custo do Opus 4.8 e permite escolher o esforço usado em cada resposta. Esse controle troca inteligência por velocidade e economia de tokens. A escolha importa para equipes que calculam custo por tarefa, não apenas qualidade média.

O modelo ganha força quando o custo entra na conta

No Frontier-Bench v0.1, o Opus 5 supera todos os outros modelos e mais que dobra o desempenho do Opus 4.8 com custo menor por tarefa. No CursorBench 3.2, ele fica a 0,5% da pontuação máxima do Fable 5 no esforço máximo, mas custa metade por tarefa. O resultado muda conforme o nível de esforço.

A Anthropic também afirma que o Opus 5 alcança três vezes a pontuação do segundo colocado no ARC-AGI 3. No Zapier AutomationBench, ele conclui cerca de 1,5 vez mais tarefas que o próximo modelo pelo mesmo custo. No OSWorld 2.0, supera todos os modelos em qualquer custo comparável e ultrapassa o melhor resultado do Fable 5 gastando pouco mais de um terço.

Esses números sustentam a decisão de usar o Opus 5 em agentes de programação, automação de processos e tarefas que exigem uso do computador. O modelo também melhora sobre o Opus 4.8 em todas as avaliações de ciências da vida citadas pela empresa. Em química orgânica, ganhou 10,2 pontos percentuais; em tarefas sobre proteínas, avançou 7,7 pontos percentuais.

A vantagem não cobre todos os casos. A própria Anthropic diz que o Opus 5 fica atrás do Mythos 5 em tarefas de cibersegurança. O anúncio também destaca respostas visuais mais fortes, como uma simulação de fluxo de ar e uma ilustração interativa de célula. O modelo verifica mais o próprio trabalho e repete etapas até concluir a tarefa, segundo testes internos e de acesso antecipado.

Usuários medem confiabilidade, não só pontuação

O debate no Hacker News reuniu 1778 pontos e 1332 comentários, mas apenas 1 comentário aparece na coleta disponível. Esse comentário desloca o foco dos benchmarks para a operação do produto. Atraac escreveu: “É ótimo que exista um novo modelo, mas eles poderiam consertar a infraestrutura existente.”

A crítica continua com problemas concretos: “Estamos considerando cancelar nossa assinatura do Claude Team porque ela ficou inutilizável recentemente.” Atraac atribui a decisão a “bugs constantes, sessões interrompidas, problemas para trocar de modelo e erros HTTP”. Para uma equipe, uma falha na sessão pode anular o ganho de desempenho medido em uma avaliação isolada.

Os dois lados concordam que a capacidade do modelo importa. A página da Anthropic apresenta ganhos em programação, pesquisa científica, automação e uso de computador, enquanto o comentário aceita que “existe um novo modelo”. A divergência aparece na prioridade: a empresa mede o que o Opus 5 consegue fazer; o usuário mede se consegue repetir esse resultado sem perder a sessão.

Fica em aberto se a Anthropic sustenta os ganhos do Opus 5 no uso contínuo do Claude Team. Também não há, nos dados disponíveis, uma resposta da empresa sobre bugs, quedas de sessão, troca de modelos ou erros HTTP. Quem decide uma adoção precisa separar duas compras: capacidade do modelo e confiabilidade do serviço. O Opus 5 melhora a primeira; o debate não resolve a segunda.