Relatório da Anthropic: A autoaprimoração da IA avança, mas a autonomia total ainda está distante

De acordo com o monitoramento da Beating, a capacidade de autoiteração da IA está superando todas as expectativas. O Instituto Anthropic publicou em 5 de junho o relatório “When AI Builds Itself”, detalhando seus avanços em “autoaperfeiçoamento recursivo”. Os dados indicam que, até maio de 2026, mais de 80% do código integrado no repositório principal da Anthropic foi escrito pelo Claude. Antes do lançamento do Claude Code em fevereiro de 2025, o código escrito pelo Claude representava apenas dígitos individuais. Em 13 de maio, Tang Jie, fundador do Zhipu AI, previu que o ponto final dos grandes modelos seria a autoevolução, e que o Claude já poderia ter estabelecido a linha de base para auto-treinamento: “escrever código, limpar dados e treinar-se a si mesmo”. No entanto, o relatório da Anthropic esclareceu explicitamente que o autoaperfeiçoamento recursivo completo — envolvendo o design e desenvolvimento autônomos de sucessores — ainda não foi alcançado. O papel da IA na cadeia de desenvolvimento está em transição de eficiência parcial para tomada de decisão autônoma. No segundo trimestre de 2026, a quantidade média diária de código integrado por engenheiro da Anthropic atingiu oito vezes o valor de 2024. O processo atual é simples: os engenheiros apenas definem objetivos e revisam, enquanto o Claude realiza a codificação e execução específicas. A Anthropic também implantou o Claude como revisor automático de código, responsável por bloquear bugs e vulnerabilidades de segurança. Isso indica que o pilar da “autocrítica”, apontado por Tang Jie, já foi implementado na engenharia, mas a revisão humana permanece como o último sistema de segurança. A confiabilidade da execução autônoma de tarefas de longa duração também dobrou. O tempo contínuo durante o qual os modelos podem operar autonomamente duplica aproximadamente a cada quatro meses. Em março de 2024, o Claude 3 Opus conseguia lidar apenas com tarefas simples de 4 minutos. Um ano depois, o Claude 3.7 Sonnet conseguia sustentar 1,5 hora. Em março de 2026, o Claude 4.6 Opus já conseguia lidar com tarefas complexas de 12 horas. Dados da instituição de avaliação METR mostram que a versão prévia mais recente, Claude Mythos, consegue operar autonomamente por mais de 16 horas, aproximando-se do limite atual das ferramentas de avaliação. Na velocidade atual, até 2027, a IA será capaz de resolver autonomamente tarefas científicas que exigiriam semanas de trabalho humano, permitindo às empresas atravessar a transição de “empresa individual” para “empresa sem humanos”. Quanto à “linha de base de auto-treinamento” sugerida por Tang Jie, o relatório revela na verdade um “ciclo experimental microscópico” local. Em experimentos para acelerar o código de treinamento de modelos menores, em maio de 2025, o Claude 4 Opus conseguiu acelerar o código em apenas 3 vezes; já em abril de 2026, a versão prévia do Claude Mythos alcançou aceleração de 52 vezes. Em comparação, pesquisadores humanos顶尖 geralmente conseguem alcançar uma aceleração de 4 vezes em 4 a 8 horas. No entanto, os objetivos e métricas de sucesso dos experimentos foram previamente definidos pelos humanos. Diante da cadeia completa e mais complexa — “limpar dados, gerar dados sintéticos e auto-treinar-se” — a capacidade decisória da IA ainda está ausente. No entanto, o fechamento autônomo da cadeia de pesquisa e desenvolvimento está empurrando os humanos para a beira da perda do controle final do sistema. A previsão de Tang Jie — “um LLM OS substituindo arquiteturas tradicionais e aplicações geradas sob demanda em tempo real” — implica que, no futuro, todos os códigos executados nos computadores serão dinâmicos e impossíveis de revisar antecipadamente; e o alerta da Anthropic — “a revisão humana não consegue acompanhar a autoevolução da IA” — significa que nem mesmo a origem dos códigos gerados pode ser controlada. Quando a IA começar a projetar e treinar seus sucessores autonomamente, a evolução do software se tornará completamente uma caixa preta. Uma vez que se permita à IA realizar iterações autônomas sem auditoria humana dentro desses sistemas fechados, garantir isolamento de segurança, monitoramento e alinhamento comportamental dos sistemas de autoaperfeiçoamento tornar-se-á extremamente difícil.