A Anthropic removeu 80% de suas instruções de prompt de sistema e lançou o Opus 5, um novo modelo Claude Code que pode operar de forma autônoma por dias ou semanas e atinge 30% no benchmark Arc AGI. O redesenho "press-delete", que a empresa chama de estratégia de "unhobbling" (desimpedimento), permite que as capacidades brutas da IA surjam sem os grilhões de software que normalmente mantêm os grandes modelos de linguagem em um modo apenas de chat.

Por que a mudança importa

Os engenheiros da Anthropic costumavam preencher o Claude com um conjunto denso de guardrails — prompts explícitos que dizem ao modelo o que dizer, o que não dizer e como manter o foco na tarefa. Esses prompts agem como uma coleira, impedindo que o modelo vague por comportamentos não testados, mas também limitando o que ele pode realizar. Quando o Opus 5 chegou, a equipe deletou toda a pilha de prompts e, em seguida, readicionou as instruções uma a uma, medindo o impacto de cada uma. Como o novo modelo é mais capaz, eles descartaram a maior parte da redação original e ainda obtiveram resultados confiáveis. O sistema agora entende um objetivo de alto nível e gera arquivos e funcionalidades completos.

O retorno técnico

  • Salto nos benchmarks – O Opus 5 atingiu uma pontuação de 30% no benchmark Arc AGI, uma métrica que mede a capacidade de um modelo de resolver problemas inéditos. Versões anteriores do Claude pontuavam muito abaixo disso, indicando um salto substancial no poder de raciocínio bruto.
  • Autonomia estendida – O recurso “Auto Mode” permite que o modelo opere por períodos prolongados, mantendo seu próprio contexto e progredindo sem a necessidade de constantes intervenções humanas. Na prática, um desenvolvedor pode entregar uma especificação ao modelo e deixá-lo iterar por dias, verificando apenas quando um marco é alcançado.
  • Fortalecimento contra injeção de prompt – A injeção de prompt engana um modelo para que ele ignore suas regras de segurança, inserindo instruções maliciosas na entrada do usuário. A Anthropic afirma que o Opus 5 resiste a esse ataque melhor do que seus predecessores, graças a pesquisas internas e classificadores especializados que sinalizam padrões suspeitos. Eles também recomendam definir critérios de saída e guardrails antes do lançamento.

Riscos e oportunidades para desenvolvedores e empresas

Para startups que constroem ferramentas baseadas em IA, a mudança amplia o “product overhang” — a lacuna entre o que um modelo pode fazer e o que o software ao redor permite que ele faça. Ao eliminar esse excesso, o Claude Code pode transformar uma simples interface de chat em um assistente de desenvolvimento full-stack que escreve, testa e refatora código de forma autônoma. Empresas que adotarem o modelo poderão reduzir o tempo gasto em tarefas de codificação repetitivas, liberando engenheiros para trabalhos de design de nível superior.

O que “unhobbling” realmente significa

Cherny cunhou o termo “unhobbling” para descrever a libertação de um modelo capaz de suas restrições artificiais. Em muitos produtos de IA, os desenvolvedores limitam deliberadamente o que o modelo pode tentar porque a interface de usuário ou a estrutura de políticas não está pronta para o escopo total do modelo. O resultado é um “product overhang”, onde a IA fica em um pedestal de potencial não utilizado. O Claude Code traz esse potencial para o chão, permitindo que o modelo atue como um coautor de software, em vez de um mero bot de perguntas e respostas.

Conselhos para fundadores e estudantes

  • Identifique o overhang – Procure por tarefas onde as ferramentas de IA existentes tropeçam logo além de seus limites atuais. Essas são oportunidades fáceis ("low-hanging fruits") onde uma abordagem de "unhobbling" pode gerar retornos desproporcionais.
  • Desafie o modelo – Dê à IA tarefas que pareçam marginalmente além de suas capacidades anunciadas. O raciocínio interno do modelo pode surpreender, especialmente quando você reduz a fricção do prompt.
  • Defina guardrails claros – Antes de deixar o modelo rodar sem supervisão, estabeleça condições de saída (ex: tempo máximo de execução, limites de recursos) e verificações de segurança. Isso permite que a IA explore enquanto mantém os riscos controlados.

Estudantes devem misturar teoria com prática. Dominar algoritmos é valioso, mas combinar esse conhecimento com pensamento de produto e experimentação baseada em dados capacitará a próxima onda de construtores focados em IA.

O que observar a seguir

Resumo: Ao deletar a maior parte de seus prompts de sistema, a Anthropic permitiu que um modelo mais inteligente atuasse com muito menos condução manual, transformando o Claude Code em um codificador autônomo capaz de enfrentar projetos de semanas de duração.