A volta por cima da Anthropic: como o Claude Opus 5.5 passou o Codex, e a teoria de que ninguém fala

Q: O Claude Opus 5.5 é melhor que o GPT-6 Astra?

No [Sigma AI Ranking](/pt/ai-index/), que pondera várias fontes abertas, o Opus 5.5 lidera com 90,7 contra 84,0 do Astra. Em um teste isolado, como o da Epoch, os dois ficam quase empatados, e o Astra lidera em alguns testes, por exemplo no AutomationBench. No meu uso, em problemas complexos que exigem entender um sistema inteiro e explicá-lo, o Opus 5.5 é mais forte com folga. Para operar o computador em segundo plano e trabalhar em paralelo, o Codex com os modelos da OpenAI continua muito forte.

Noite, fim de setembro

Um projeto interno meu, daqueles em que cada peça mexe em outras três. Fazia horas que eu tentava arrumá-lo com o GPT-6 Astra dentro do Codex, avançando devagar. O Opus 5.5 tinha acabado de sair, então dei a ele exatamente a mesma situação. Ele achou onde estava o problema, me explicou de um jeito que entendi de primeira e resolveu.

Desde então não parei de trabalhar com ele. E a pergunta que não me larga: como a Anthropic fez isso, depois de meses em que quase todo desenvolvedor que conheço migrou para o Codex?

O Claude Opus 5.5, lançado em 22 de setembro de 2026, é, no meu uso, de longe o modelo mais forte com que trabalhei este ano. Não era isso que eu esperava escrever. Nos meses anteriores, o Codex da OpenAI era a ferramenta que eu e a maioria das pessoas ao meu redor usava, e o Claude parecia ter ficado para trás. Este artigo tem três partes: o que vi no dia a dia, o que os números dizem (mesmo quando discordam de mim) e uma teoria minha sobre o motivo do salto. Ao longo do texto, marquei o que é verificado, o que é experiência pessoal e o que é hipótese.

Em resumo

Do dia a dia: nos círculos em que trabalho, os desenvolvedores migraram nos últimos meses para o Codex com o GPT-5.6 Sol e o GPT-6 Astra. O Opus 5 e o Sonnet 5 decepcionaram, e o Fable foi muito restrito.
O Claude Opus 5.5 mudou o quadro para mim: em problemas complexos, ele resolve o que me custou horas com o Astra e se explica melhor. O Sonnet 5.5 e o Haiku 5.5 seguem o mesmo salto.
O que os dados mostram: no nosso Sigma AI Ranking, que pondera várias fontes abertas, o Opus 5.5 é o primeiro, com 90,7 contra 84,0 do Astra. Em um teste isolado, como o da Epoch, os dois ficam quase empatados, e explico por que um teste isolado não capta o que os desenvolvedores sentem.
Minha teoria (hipótese, não fato): a OpenAI investiu em polimento e RL, e a Anthropic lançou um modelo grande e menos polido, o Fable. Se o Fable serviu de professor para a geração 5.5, isso explica o salto. Para o dono de um negócio, a conclusão é simples: não se casa com um fornecedor.

Os meses do Codex: o que vi ao meu redor

Passo o dia cercado de desenvolvedores de IA, e eu mesmo trabalho com esses modelos da manhã até a noite. O que descrevo aqui é observação, não pesquisa.

Nos últimos meses, quase todo desenvolvedor que conheço migrou para o Codex. Primeiro com o GPT-5.5, depois com o GPT-5.6 Sol e o GPT-6 Astra. O motivo não era só o modelo. O harness do Codex, ou seja, a camada que roda o modelo, gerencia os passos e aciona as ferramentas, simplesmente termina as tarefas. Trabalha em ordem, confere o próprio trabalho e não para no meio para fazer uma pergunta cuja resposta é óbvia. O computer use dele, a capacidade de o agente operar aplicativos no computador, é excelente. Segundo a documentação da OpenAI, o Codex opera o computador em segundo plano, e "multiple agents can work on your Mac in parallel". Essa diferença se sente já no primeiro dia.

Os dados públicos também apontam um movimento, embora com cautela: a OpenAI divulgou um salto no número de usuários do Codex depois do GPT-5.6, e a Anthropic aumentou três vezes os limites de uso do Claude Code. Os números da OpenAI incluem usuários do ChatGPT, e nas pesquisas o Claude Code ainda lidera o uso profissional. Então "todo mundo migrou" não é fato. "Quase todo mundo com quem trabalho migrou" é o que eu vi.

Onde o Claude nos perdeu: Fable, Opus 5 e Sonnet 5

O Fable foi muito restrito. Esta é a parte verificada. O Claude Fable 5 foi lançado em 9 de junho, como uma nova camada acima do Opus e com preço de API em dobro: 10 e 50 dólares por milhão de tokens. Três dias depois, o acesso foi suspenso por causa de controle de exportação dos EUA, e só voltou em 1º de julho. Mesmo quando estava disponível, a cota era estreita: hoje, segundo a página de suporte da Anthropic, no plano Max dá para usar o Fable até 50% da cota semanal, e no plano Pro ele só funciona com créditos pagos. A justificativa oficial no lançamento foi capacidade: a inclusão na assinatura seria ampliada "when sufficient capacity allows us to do so".

O Opus 5 foi uma decepção séria, e eu mesmo fiquei decepcionado. Ele saiu em 24 de julho. No meu uso, era preguiçoso, prolixo e confuso nas explicações. Eu fazia uma pergunta objetiva e recebia telas de texto que não chegavam ao ponto. O Sonnet 5, lançado em 30 de junho, era fraco. E o computer use do Claude, até hoje, é bem menos utilizável do que o do Codex no meu trabalho.

Quero ser justo aqui, porque os próprios documentos da Anthropic contam uma história um pouco diferente sobre o Opus 5, e volto a isso na seção sobre benchmarks. Já sobre o Sonnet 5, os números estão comigo: na tabela que a Anthropic publicou no card do Sonnet 5.5, o Sonnet 5 teve 10,3% no Terminal-Bench 4.0.

Claude Opus 5.5: o que mudou no meu trabalho

O Opus 5.5 não é uma melhora gradual na minha experiência. No projeto complexo do começo, ele resolveu coisas que me custaram horas com o Astra. Desde então, é o primeiro modelo que abro para qualquer problema em que é preciso entender um sistema inteiro, e não só executar uma lista de passos.

A segunda coisa que chama atenção: a Anthropic claramente trabalhou na forma como o 5.5 se comunica. Ele apresenta a situação, explica o que vai fazer e por quê, e quando termina, o resumo é curto e claro. Depois do Opus 5, parece outro modelo. A própria Anthropic escreve no guia de migração que instruções ajustadas ao comportamento do Opus 5 "may no longer be needed".

O Sonnet 5.5 e o Haiku 5.5 seguem o mesmo salto. Estes são os números que dá para conferir:

79.2 → 89.9SWE-bench Pro, do Opus 5 ao Opus 5.5 (correção de bugs em código real)

52.3 → 66.4Terminal-Bench 4.0, do Opus 5 ao Opus 5.5. GPT-6 Astra: 57,9

10.3% → 70.6%Terminal-Bench 4.0, do Sonnet 5 ao Sonnet 5.5

10.7 → 44.7AutomationBench, do Sonnet 5 ao Sonnet 5.5

$5/$25 → $4/$20Preço do Opus por milhão de tokens, entrada e saída, do 5 ao 5.5

167Nota do Opus 5.5 no índice Epoch ECI, primeiro lugar, por pouco à frente do GPT-6 Astra

Fontes: página de lançamento e system card do Opus 5.5, system card do Sonnet 5.5 (tabela 8.1.A) e publicação da Epoch AI. Todos os números, exceto o da Epoch, são divulgados pela própria Anthropic.

A Anthropic faz mais duas afirmações que vale conhecer: que o Opus 5.5 "performs at the level of Claude Fable 5.1 on most work" e que ele exige menos compute para rodar do que o Opus 5. As duas voltam na teoria.

Por que os benchmarks não enxergam o que os desenvolvedores sentem

Agora a parte interessante. Em três pontos, os números complicam o quadro, e em dois deles eles simplesmente não concordam comigo.

Primeiro, Opus 5.5 contra Astra. Aqui o quadro depende do que se mede. No Sigma AI Ranking, nosso ranking que pondera várias fontes abertas em uma nota só (trabalho como agente, capacidade, escrita, confiabilidade e custo), a diferença é clara:

Sigma AI Ranking: nota ponderada, em 9 de outubro de 2026

Claude Opus 5.5

90.7

GPT-6.1 Sol

87.8

Claude Sonnet 5.5

86.8

Claude Fable 5.1

85.2

GPT-6 Astra

84.0

Claude Opus 5

83.0

GPT-5.6 Sol

82.1

Claude Sonnet 5

69.5

Fonte: Sigma AI Ranking da Platin Digital, que pondera fontes abertas (Epoch AI, LMArena, Terminal-Bench e tabelas de preços oficiais). As notas são atualizadas toda semana.

Dois pontos se destacam nessa tabela. O primeiro: o salto dentro da própria Anthropic, de 83,0 para 90,7 no Opus e de 69,5 para 86,8 no Sonnet. O segundo, que é o que mais gosto: na subnota de escrita, o Opus 5.5 tem 97,1 contra 82,7 do Astra. É exatamente o que senti: o modelo novo explica melhor.

Um teste isolado conta uma história mais modesta. No índice da Epoch, o Opus 5.5 está em primeiro, mas "narrowly ahead of GPT-6 Astra", e, segundo uma análise dos intervalos de confiança, eles quase se sobrepõem. A METR escreve que ele é "an incremental improvement above Fable 5.1". Mesmo na tabela da própria Anthropic, o Astra lidera no Terminal-Bench-Science (64,6 contra 58,7) e no AutomationBench (41,4 contra 40,0).

Segundo, computer use. No OSWorld 2.0, segundo o BenchLM, o quadro é o oposto do que senti:

OSWorld 2.0: operação de computador, taxa de sucesso

GPT-6 Astra

72.6

Claude Opus 5

70.6

GPT-5.6 Sol

62.6

Fonte: BenchLM, fonte secundária. Os laboratórios rodam versões diferentes do OSWorld, por isso números de anúncios distintos nem sempre são comparáveis diretamente.

Ou seja, no benchmark o Opus 5 passou o GPT-5.6 Sol, justamente no período em que eu e todos ao meu redor preferíamos o Codex para operar o computador.

Terceiro, o "preguiçoso". A própria Anthropic documenta os problemas do Opus 5, e eles são o contrário: respostas mais longas que antes, ampliação do escopo da tarefa, "over-verification" e tendência a delegar trabalho a subagentes. Ou seja, um modelo que faz demais.

Então quem está certo? Acho que os números estão corretos e medem outra coisa. Três razões:

Benchmark mede uma tarefa isolada. Não mede o harness, o produto, nem uma sessão de quatro horas em que o modelo precisa lembrar o que foi decidido no início. O desenvolvedor não trabalha com um modelo. Trabalha com o Codex ou com o Claude Code, e isso é uma diferença enorme.
Benchmark não mede comunicação. Um modelo que escreve três telas, amplia a tarefa, confere o próprio trabalho de novo e de novo e no fim não diz com clareza o que fez parece, visto de fora, exatamente um modelo que não fez o trabalho. "Preguiçoso" e "faz demais" são duas descrições da mesma experiência: não recebi o que pedi, de uma forma que eu consiga usar. Há também relatos anedóticos de que o Opus 5 parava cedo e pedia permissão para continuar, e é exatamente o que vivi.
Computer use como produto não é uma nota. O OSWorld testa se o modelo consegue cumprir uma tarefa na tela. Não testa se ele roda em segundo plano enquanto eu trabalho, nem se vários agentes trabalham em paralelo. Isso o Codex entrega, e foi o que o transformou na nossa ferramenta do dia a dia.

E mais uma ressalva que vale para os dois lados: a METR encontrou no GPT-5.6 Sol uma taxa de trapaça em testes maior do que em qualquer modelo público que ela avaliou, e o card do Opus 5.5 também documenta reward hacking no treinamento. Quando os modelos aprendem a driblar verificações, os números também ficam menos confiáveis.

Linha do tempo: quem lançou o quê e quando

Para testar uma teoria, primeiro é preciso ter as datas. Todas as datas aqui vêm de anúncios oficiais ou de system cards.

Fontes: anúncios da Anthropic, system cards da OpenAI em deploymentsafety.openai.com e página de suporte do Claude. "Grande treino" sobre o Astra é segundo a VentureBeat.

Minha teoria: duas estratégias diante do mesmo momento

Aqui passo dos fatos para a interpretação. O que está escrito neste capítulo é uma hipótese minha, e é assim que convém lê-lo.

Em junho, os dois laboratórios estavam no mesmo ponto. A Anthropic lançou o Fable: uma série nova e maior, com alto potencial e menos polimento. Duas semanas e meia depois, a OpenAI apresentou o GPT-5.6 Sol: um modelo que, no meu uso, pareceu uma otimização massiva e RL (aprendizado por reforço, em que o modelo treina em tarefas e recebe uma nota pelo resultado). Muito metódico, confere bastante, termina o trabalho, mas sem romper o teto de capacidade.

A honestidade exige duas observações. A própria OpenAI chamou o GPT-5.6 Sol de "a next-generation model", e não existe fonte oficial dizendo que é a mesma base com mais RL. E o GPT-6 Astra, segundo reportagem da VentureBeat, foi a maior rodada de treinamento da OpenAI até hoje. Então não afirmo que a OpenAI "só fez RL". Afirmo que a ênfase estratégica era diferente: em junho, a OpenAI colocou na frente um modelo polido e confiável, e a Anthropic colocou na frente um modelo grande e não polido.

OpenAI: afiar o que já existe

GPT-5.6 Sol, junho e julho

Metódico, confere o próprio trabalho, termina as tarefas (experiência minha)
O system card: "overly persistent" e mais persistência que o GPT-5.5 (verificado)
O preço: a METR encontrou recorde de trapaça em testes (verificado)
METR: não é um avanço significativo sobre o estado atual (verificado)
O que ele ensinou: talvez o Astra, segundo relato secundário (hipótese)

Anthropic: ampliar o teto

Fable 5, junho

Nova camada acima do Opus, com preço em dobro (verificado)
Menos polimento (minha impressão, sem fonte)
Acesso muito restrito, com a justificativa de capacidade (verificado)
Enquanto isso, desenvolvedores migram para o Codex (observação)
O que ele ensinou: a geração 5.5 (hipótese)

E a peça que une tudo: laboratórios treinam os modelos seguintes com ajuda do mais novo modelo de ponta que têm. Não é segredo. A Anthropic escreveu em fevereiro de 2026 que "frontier AI labs routinely distill their own models" e definiu distillation como treinar um modelo mais fraco com as saídas de um modelo mais forte. A Meta escreveu publicamente que o Llama 4 Maverick foi treinado a partir do Llama 4 Behemoth. Em todo system card da Anthropic aparece "synthetic data generated by other models".

Se essa é a prática, então em junho cada laboratório também escolheu o professor da geração seguinte. O Fable "ensinou" a geração 5.5 da Anthropic, e o Sol 5.6 "ensinou" os modelos que vieram depois dele na OpenAI.

Simulados contra um grande professor

A forma mais simples que encontrei de explicar isso são dois alunos.

O primeiro faz simulado atrás de simulado. A cada rodada, recebe uma nota e corrige. Fica muito confiável: quase não erra a matéria que conhece, termina cada prova no tempo, confere as respostas. Mas não aprende um jeito de pensar que não tinha antes. Isso é RL.

O segundo senta ao lado de um grande matemático e vê como ele resolve problemas. Aprende caminhos a que não chegaria sozinho, e também o jeito como o matemático explica. Isso é um professor forte.

O primeiro aluno aumenta a confiabilidade. O segundo aumenta o teto. É assim que leio o que aconteceu: o Codex com o GPT-5.6 Sol foi o primeiro aluno no seu melhor, e a geração 5.5 da Anthropic me parece o segundo aluno.

A pesquisa tem algo a dizer sobre isso, dos dois lados:

A favor. Yue e colegas (2025) concluíram que as capacidades de raciocínio após o RL "originate from and are bounded by the base model", e que justamente a distillation pode introduzir padrões novos de raciocínio vindos do professor. No DeepSeek-R1, um modelo de 32 bilhões de parâmetros treinado com as saídas de um modelo forte chegou a 72,6 no AIME, contra 47,0 só com RL. Uma pesquisa da Meta sobre escalar o RL concluiu que um modelo maior eleva o teto a que o RL consegue chegar.
Contra. O ProRL, da NVIDIA, concluiu que um RL prolongado descobre estratégias que não existem no modelo base. Outra pesquisa mostra que, quando a distância entre professor e aluno é grande demais, o aluno aprende pior. O Llama 4 teve um professor gigante e foi recebido com decepção. E toda essa pesquisa foi feita com modelos bem menores que os de ponta.

Ou seja, a ideia de que o RL afia e o professor amplia tem apoio na pesquisa, mas é contestada. Não a apresento como lei da natureza.

O que é verificado e o que é hipótese

A afirmação	Situação	Em que se apoia
A Anthropic restringiu muito o Fable	Verificado	Pro só com créditos, Max até 50% da cota semanal e justificativa oficial de capacidade
Laboratórios treinam modelos com as saídas de seus modelos mais fortes	Verificado como prática geral	Anthropic em fevereiro de 2026, Meta com o Behemoth, "synthetic data" nos system cards
A geração 5.5 saltou acima da geração 5	Verificado, dados do fabricante	SWE-bench Pro e Terminal-Bench. Segundo a Epoch, o Sonnet 5.5 "roughly matched Claude Fable 5.1"
O RL afia e não amplia	Apoiado em pesquisa, contestado	Yue e DeepSeek-R1 a favor, ProRL contra, tudo com modelos pequenos
O Fable especificamente ensinou o Opus, o Sonnet e o Haiku 5.5	Hipótese minha	Sem confirmação. Indícios: 5.5 no nível do Fable 5.1 e com custo de execução menor, e a Anthropic protege muito as saídas do Fable contra distillation
O compute do Fable foi desviado para o treinamento	Hipótese minha	A justificativa oficial é só capacidade. A demanda que cresceu 80 vezes no primeiro trimestre, segundo Amodei na CNBC, explica isso igualmente bem
O GPT-5.6 Sol ensinou o Astra	Hipótese com indício	Segundo a VentureBeat, no Astra modelos anteriores tiveram papel central no treinamento. Isso não consta do system card

O elo fraco da minha teoria é o Opus 5. Ele saiu em 24 de julho, depois do Fable. Se o Fable foi o professor, por que o Opus 5 não se beneficiou? Minha explicação: uma rodada de treinamento leva meses, e o Opus 5 provavelmente já estava na reta final quando o Fable ficou pronto para ensinar em escala total. Mas o Mythos, a versão restrita da mesma série, já existia na Anthropic em abril, e não sei quando começou cada rodada. É a lacuna que mais me interessa ver fechada.

As outras explicações, e por que ainda volto ao professor

Há explicações mais simples para o salto. Algumas são mais bem documentadas que a minha teoria. Escolha a que lhe parecer mais convincente e veja o que a sustenta e o que lhe falta.

A minha explicação

O Fable ensinou a geração 5.5, e por isso o teto subiu.

A favor: o Opus 5.5 está no nível do Fable 5.1 segundo a Anthropic, é mais barato de rodar, e o Sonnet 5.5 está no nível do Fable 5.1 segundo a Epoch. É o padrão de um aluno que chegou ao nível do professor.

O que falta: não há confirmação oficial, e o Opus 5 saiu depois do Fable sem se beneficiar dele.

Correção do comportamento do Opus 5

O Opus 5 já era forte. No 5.5 só corrigiram a prolixidade.

A favor: no índice interno da Anthropic, o Opus 5 teve 165,18, acima do Mythos 5. Os problemas documentados eram de comportamento, e sumiram.

O que falta: isso não explica o salto do Sonnet de 10,3% para 70,6% no Terminal-Bench. E o polimento de comportamento é justamente o que um professor forte permite: as saídas dele ensinam também como explicar, não só o que pensar.

Mudança nas configurações

Mudaram o effort e o harness, não o modelo.

A favor: no Opus 5.5 o nível de esforço padrão é medium, contra high no Opus 5, e há raciocínio adaptativo em cada requisição. Em abril, a Anthropic já havia mostrado que uma queda de qualidade vinha de configurações do produto.

O que falta: baixar o esforço deveria gerar respostas mais curtas, não resolver problemas que outro modelo não resolveu.

Mais trabalho por dólar

Simplesmente é mais barato e há mais cota, então se usa mais.

A favor: o Opus 5.5 custa 4 e 20 dólares, contra 5 e 25, e as cotas do Claude Code foram aumentadas.

O que falta: preço explica por que se trabalha mais com ele, não por que ele resolve o que outros não resolveram.

Viés do usuário

Um modelo novo sempre parece melhor na primeira semana.

A favor: o efeito novidade é real, e trocar do Codex para o Claude Code muda a experiência. A própria Anthropic recomenda apagar instruções antigas a cada migração.

O que falta: trabalho com ele há duas semanas e meia, em problemas que conheço a fundo, e a diferença não fechou.

O "a favor" e o "o que falta" seguem as fontes oficiais e a pesquisa listadas no fim do artigo. O "o que falta" de cada aba é a minha interpretação.

Por que ainda volto ao professor? Porque cada uma das outras explicações dá conta de uma parte. O polimento explica o jeito como o Opus 5.5 fala. O preço explica por que o uso mais. Mas só um professor forte explica as três coisas juntas: um modelo mais barato de rodar, que chega ao nível do modelo grande e que ainda explica melhor. E do lado da OpenAI o quadro se encaixa: se o Sol 5.6 ensinou o Astra, sai um professor metódico e um aluno metódico, excelente na execução e igual ao Opus 5.5 nos índices, mas, no meu uso, mais fraco que ele em problemas que exigem compreensão.

Mitos e fatos sobre o Opus 5.5, o Codex e a diferença entre eles

Mito"A Anthropic confirmou que o Fable ensinou o Opus 5.5"

Na práticaNão. A Anthropic diz apenas que os laboratórios destilam os próprios modelos como prática e que o treinamento inclui dados sintéticos de outros modelos. A ligação específica é hipótese, minha e de outras pessoas.

Mito"A OpenAI só fez RL"

Na práticaA OpenAI chamou o GPT-5.6 Sol de modelo de nova geração, e o GPT-6 Astra foi, segundo relatos, a maior rodada de treinamento dela. A diferença que aponto está na ênfase, não em um método contra outro.

Mito"O Opus 5.5 vence o Astra em todos os índices"

Na práticaNo Sigma AI Ranking ele lidera com folga, mas só na Epoch a diferença está dentro do intervalo de confiança. O Astra lidera no Terminal-Bench-Science e no AutomationBench. A diferença que sinto está no trabalho complexo, não na tabela.

Mito"O Claude ficou para trás nos benchmarks de uso do computador"

Na práticaNo OSWorld 2.0, o Opus 5 passou o GPT-5.6 Sol. A vantagem do Codex está no produto: trabalho em segundo plano e vários agentes em paralelo.

Mito"O Opus 5 era fraco"

Na práticaEm capacidade bruta, era forte. O problema estava no comportamento: prolixidade, ampliação da tarefa e excesso de verificação, e a própria Anthropic os documentou.

Mito"Um grande professor sempre produz um bom aluno"

Na práticaO Llama 4 foi treinado a partir de um professor gigante e foi recebido com decepção, e uma pesquisa mostra que uma distância grande demais entre professor e aluno prejudica o aprendizado. Um professor forte é uma condição que ajuda, não uma garantia.

O que isso significa para o dono de um negócio que escolhe um modelo

Se você não é desenvolvedor, toda essa discussão parece distante. Não é. Em três meses, a ferramenta com que quase todo desenvolvedor ao meu redor trabalhava mudou, e depois mudou de novo. Quem tivesse prendido o negócio a um único fornecedor em julho teria perdido o Opus 5.5 em setembro. E quem se prendeu ao Claude em junho teria perdido o Codex.

A Platin Digital é OpenAI Select Partner, e os agentes que montamos são construídos com os modelos e as ferramentas que melhor servem a cada tarefa, da OpenAI, da Anthropic, do Google e de outros. Este artigo é um exemplo de por que isso importa: trabalhamos com o Codex e com o Claude na mesma semana, cada um no que faz de melhor.

Três regras que sigo:

Não se casa com um fornecedor. O agente precisa ser construído de modo que dê para trocar o modelo que está por baixo sem refazer tudo.
Escolhe-se o modelo por tarefa. Um problema complexo que exige compreensão e explicação vai hoje, comigo, para o Opus 5.5. Operar um computador por muito tempo em segundo plano vai para o Codex. Tarefas pequenas e repetitivas vão para um modelo pequeno, como o Claude Haiku 5.5.
Reavalia-se a cada poucos meses. Nas suas tarefas, não em uma tabela. O que vale em outubro não necessariamente vale em janeiro.

Uma comparação ampla entre as plataformas está em ChatGPT, Gemini ou Claude para o seu negócio, o ranking completo e atualizado está no Sigma AI Ranking, e por que o criamos está neste artigo. E se os próprios conceitos ainda não estão claros, comece por o que é um LLM e o que é Computer Use.

Qual ferramenta testar primeiro para a sua tarefa?

Cinco perguntas sobre uma única tarefa. O resultado é um ponto de partida baseado na minha experiência, não um veredito.

Perguntas frequentes

O que é o Claude Opus 5.5?

O Claude Opus 5.5 é o grande modelo de linguagem da Anthropic na linha Opus, lançado em 22 de setembro de 2026. Segundo a Anthropic, ele está no nível do Claude Fable 5.1 na maior parte do trabalho, exige menos compute para rodar que o Opus 5 e custa 4 dólares por milhão de tokens na entrada e 20 na saída. No índice independente da Epoch, ele está em primeiro lugar, por uma diferença pequena sobre o GPT-6 Astra.

O Claude Opus 5.5 é melhor que o GPT-6 Astra?

No Sigma AI Ranking, que pondera várias fontes abertas, o Opus 5.5 lidera com 90,7 contra 84,0 do Astra. Em um teste isolado, como o da Epoch, os dois ficam quase empatados, e o Astra lidera em alguns testes, por exemplo no AutomationBench. No meu uso, em problemas complexos que exigem entender um sistema inteiro e explicá-lo, o Opus 5.5 é mais forte com folga. Para operar o computador em segundo plano e trabalhar em paralelo, o Codex com os modelos da OpenAI continua muito forte.

Por que os desenvolvedores migraram para o Codex nos últimos meses?

Nos círculos em que trabalho, pela combinação de modelos excelentes, o GPT-5.6 Sol e o GPT-6 Astra, com um harness que termina as tarefas em ordem e com um computer use que funciona em segundo plano e em paralelo. Ao mesmo tempo, o Opus 5 e o Sonnet 5 decepcionaram, e o Fable foi muito restrito.

Por que a Anthropic restringiu o Claude Fable?

A justificativa oficial é capacidade: a Anthropic escreveu que ampliaria o acesso quando a capacidade permitisse. Além disso, entre 12 de junho e 1º de julho o acesso ao Fable 5 ficou suspenso por causa de controle de exportação dos EUA. Minha hipótese é que parte do compute foi para o treinamento com ajuda do Fable, mas não há fonte oficial para isso.

O que é distillation, ou modelo professor?

Distillation é treinar um modelo com as saídas de um modelo mais forte, de modo que o aluno aprenda os caminhos de resolução dele. A Anthropic escreveu em fevereiro de 2026 que os laboratórios de ponta destilam os próprios modelos como rotina, e a Meta documentou isso publicamente no Llama 4. Qual modelo ensinou a geração 5.5 do Claude, a Anthropic não divulgou.

Qual modelo de IA escolher para o negócio?

Não um só. Escolhe-se por tarefa: um modelo grande para problemas complexos e decisões, um modelo pequeno e barato para tarefas repetitivas, e uma ferramenta com bom computer use para tarefas no computador. E reavalia-se a cada poucos meses, nas suas tarefas, porque a liderança entre os fornecedores muda rápido.