A AGI chegou? O que o Claude Opus 5 prova (e o que não)

A AGI chegou? Dois CEOs, a mesma pergunta, respostas opostas.

Jensen Huang, da NVIDIA, em março de 2026, em entrevista a Lex Fridman: acho que já alcançamos a AGI ("I think it is now. I think we have achieved AGI."). Satya Nadella, da Microsoft, em Davos, em janeiro de 2026, segundo cobertura da Fortune: não acho que estamos nem perto ("I do not think we are anywhere close to [AGI].").

Não existe resposta consensual, porque não existe régua. Os dois têm acesso aos mesmos sistemas e ninguém no setor consegue dizer qual está certo: os principais laboratórios discordam sobre o que contaria como AGI e o próprio Google DeepMind admite que falta um padrão de medição para o progresso rumo a ela.

Na prática: em raciocínio, os modelos de 2026 deram o maior salto da história do teste mais duro que existe. Em terminar uma tarefa longa sem errar no meio, quase não saíram do lugar.

O número que todo mundo vai repetir esta semana é 30,16%: o recorde do Claude Opus 5 nesse teste. O número que decide o que você faz na segunda-feira é outro. São 27 minutos, medidos pela METR.

Em resumo

• •O avanço é real. O Claude Opus 5, lançado pela Anthropic em julho de 2026, marcou 30,16% no ARC-AGI-3, novo estado da arte verificado por avaliador independente. O resultado anterior era de aproximadamente 7,8%, segundo cobertura secundária do lançamento.
• •O preço é metade do topo. US$ 5 por 1M de tokens de entrada e US$ 25 na saída, contra US$ 10 e US$ 50 do Claude Fable 5, que segue sendo o modelo mais capaz da Anthropic. O Opus 5 é o cavalo de batalha, não o topo absoluto.
• •Ninguém tem régua. O DeepMind reconhece por escrito que não há um framework claro para medir progresso rumo à AGI. E a definição comercialmente mais consequente do mercado, segundo análise pública do acordo Microsoft/OpenAI, estava num contrato, não num paper.
• •O número que importa para PME: com exigência de 80% de acerto, o "horizonte de tarefa" do modelo de fronteira avaliado pela METR é de cerca de 27 minutos de trabalho humano, e esse valor está praticamente estagnado há várias gerações.
• •Regra de decisão: se o ganho aparece em blocos de meia hora, o retorno vem de recortar a tarefa certa, e não de comprar a ferramenta mais cara.

O que o Opus 5 entregou de fato

Em pouco mais de um ano, um modelo saiu de cerca de 1,5% para 30,16% no mesmo teste.

Nos testes do ARC-AGI, desenhados para medir raciocínio sobre problemas inéditos, o resultado do Opus 5 foi verificado pela ARC Prize Foundation, uma fonte independente e não o fabricante: 97,5% no ARC-AGI-1, 90,4% no ARC-AGI-2 e 30,16% no ARC-AGI-3, o mais difícil da série. Para dimensionar, segundo os veículos que cobriram o lançamento, o estado da arte anterior no ARC-AGI-3 era de cerca de 7,8% (GPT-5.6 Sol) e o Claude Opus 4.8 ficava perto de 1,5%. Não medimos esses valores por conta própria, mas a ordem de grandeza do salto é clara.

A ficha técnica ajuda a entender o que isso permite. Janela de contexto de 1 milhão de tokens: na prática, cabe o equivalente a uns oito romances numa conversa só, sem o modelo esquecer o começo. Ele responde de uma vez até o equivalente a umas 80 páginas, e sabe o que aconteceu no mundo até maio de 2026. Se esses termos ainda soam vagos, o guia de IA para pequenas empresas traduz cada um deles em decisão de operação.

O preço só importa se você paga por uso, via API, em vez de uma assinatura mensal fixa. Se paga, a conta caiu pela metade: US$ 5 de entrada e US$ 25 de saída por milhão de tokens. Isso reposiciona o modelo. Ele não é o mais capaz do catálogo da Anthropic; é o que entrega mais perto do topo pela metade do preço do Fable 5. Quem está comparando alternativas encontra o desdobramento disso no comparativo de modelos e preços de IA para empresas.

E ele não lidera em tudo. Segundo a Artificial Analysis, o Opus 5 é o primeiro colocado em inteligência entre 190 modelos avaliados, com índice 61. Em velocidade, é o 117º: cerca de 53 tokens por segundo. Em preço, o 147º. O mais inteligente não é o mais rápido nem o mais barato. Em código agêntico o quadro chega a se inverter: na avaliação DeepSWE v1.1, segundo os veículos que cobriram o lançamento, o Opus 5 marca 68,8%, atrás dos 72,7% do GPT-5.6 Sol.

Por que ninguém concorda se a AGI chegou

Quatro pessoas com acesso aos mesmos sistemas. Quatro respostas incompatíveis.

Yann LeCun, em Davos, em janeiro de 2026, segundo cobertura da Fortune, foi categórico: nunca vamos chegar à inteligência de nível humano treinando LLM, nem treinando só com texto ("We are never going to get to human-level intelligence by training LLMs or by training on text only"). Demis Hassabis, do DeepMind, no mesmo evento e segundo a mesma cobertura, disse que estamos longe disso ("nowhere near"), que faltam uma ou duas descobertas e estimou algo próximo de 50% de chance dentro da década. Dario Amodei, da Anthropic, evita o termo AGI e prefere falar em IA poderosa, um país de gênios num datacenter, que pode estar a apenas um ou dois anos de distância, embora possa demorar consideravelmente mais ("as little as 1-2 years away, although it could also be considerably further out").

Isso não é ruído de opinião. É sintoma de um problema de medição, e o framework de faculdades cognitivas publicado pelo Google DeepMind em março de 2026 diz isso com todas as letras:

"Apesar da discussão generalizada sobre AGI, não existe um framework claro para medir o progresso rumo a ela. Essa ambiguidade alimenta afirmações subjetivas."

No original: "Despite widespread discussion of AGI, there is no clear framework for measuring progress toward it. This ambiguity fuels subjective claims."

O framework "Levels of AGI", também do DeepMind, ainda classifica os modelos de fronteira, os mais avançados disponíveis hoje, como Nível 1 de 5, "Emerging AGI", com os níveis 2 a 5 da coluna Geral marcados como ainda não alcançados.

Tem um detalhe constrangedor nessa história: a definição de AGI que mais mexeu com dinheiro no mundo não estava num paper. Estava num contrato. Segundo análise pública do acordo entre Microsoft e OpenAI publicada por Simon Willison, AGI foi definida ali como o sistema capaz de gerar cerca de US$ 100 bilhões em lucros. Em outubro de 2025, o critério virou julgamento de um painel independente. Em abril de 2026, a cláusula sumiu do contrato. Quando a régua é um número de balanço e depois some do documento, o conceito está fazendo trabalho jurídico, não técnico.

Até o criador do teste recusa o título. Em declarações públicas, François Chollet, que desenhou o ARC-AGI, afirma que o benchmark não é um teste definitivo de AGI. Quem construiu a régua avisa que ela não mede o que estão dizendo que mede.

O número que importa: 27 minutos

Se você é dono de uma empresa com 8, 40 ou 200 funcionários, a pergunta "isso é AGI?" não paga conta nenhuma. A pergunta que paga é outra: isso é confiável na minha tarefa?

E essa pergunta tem resposta medida.

A METR, avaliadora independente de capacidade de modelos, mede o chamado horizonte de tarefa: a duração de trabalho humano que um modelo consegue completar com determinada taxa de acerto. No modelo de fronteira avaliado pela METR, esse horizonte é de aproximadamente 4 horas e 49 minutos quando se aceita 50% de acerto.

Acerto de 50% quer dizer que, em metade das vezes, alguém tem que refazer o trabalho. Ninguém opera uma empresa com moeda no ar.

Quando a exigência sobe para 80% de acerto, o horizonte despenca para cerca de 27 minutos, e esse número ficou praticamente estagnado, na faixa de 27 a 32 minutos, ao longo de várias gerações de modelo.

A própria METR pede para ninguém levar esse gráfico ao pé da letra. Na nota de limitações, a organização escreve que um horizonte de 50% de X horas não significa que dá para delegar à IA tarefas de menos de X horas ("A 50% time horizon of X hours does not mean we can delegate tasks under X hours to AIs"), com barras de erro da ordem de 2x. Sydney Von Arx, da METR, foi mais direta em entrevista: você definitivamente não deveria amarrar sua vida a esse gráfico ("You should absolutely not tie your life to this graph"). Trate os 27 minutos como ordem de grandeza, não como cronômetro.

Por que o horizonte encolhe tanto? Erro que se acumula. Na métrica pass^k, documentada em pesquisa acadêmica sobre agentes, 90% de acerto em cada passo se traduz em cerca de 57% de consistência ao longo de oito passos encadeados. Ou seja: quase metade das execuções sai com defeito em algum ponto da corrente. Confiabilidade alta por passo não sobrevive a cadeias longas sem checkpoint humano.

Some a isso duas limitações estruturais. A primeira: a IA não inventa resposta por defeito de fabricação. Ela inventa porque foi treinada num jogo em que chutar dá mais ponto do que dizer "não sei". É o que mostra pesquisa da OpenAI, em versão revisada por pares publicada na Nature em 2026: os benchmarks premiam o palpite e punem a abstenção. A segunda: no benchmark AA-Omniscience, com 6.000 perguntas, todos os modelos avaliados com exceção de três têm mais chance de alucinar do que de dar uma resposta correta diante de uma pergunta difícil ("all but three models are more likely to hallucinate than provide a correct answer when given a difficult question"). E a própria Anthropic, ao descrever suas defesas, escreve que mesmo com proteções de primeira linha a defesa na camada do modelo nunca será 100% eficaz ("even with best-in-class defenses, protection in the model layer will never be 100% effective").

Nada disso torna a IA inútil. Faz dela uma ferramenta com formato definido: é serra elétrica, não marceneiro. Corta muito melhor que você, desde que alguém marque a linha e confira o corte.

Se você quer saber onde a sua operação tem blocos assim, o diagnóstico de IA em 3 minutos começa por aí.

AGI chegou ou não: o que muda na sua empresa

Muda pouco no discurso e muito no método. Se a IA de ponta é confiável em blocos de aproximadamente meia hora, o retorno não vem de comprar uma ferramenta melhor. Vem de recortar a tarefa certa.

Recortar tarefa tem nome. Você lista o que se repete, mede quanto tempo consome, checa se dá para conferir a saída e só então escolhe a ferramenta. Isso é um diagnóstico, feito à mão.

É por isso que projetos de IA sem diagnóstico dão errado quase sempre: começam pela compra e descobrem o recorte depois, quando o dinheiro já saiu.

Na prática, quatro passos.

Passo 1: liste tarefas, não departamentos

"Automatizar o atendimento" não é uma tarefa, é uma área. "Classificar e responder a orçamento recebido por WhatsApp fora do horário comercial" é uma tarefa. Escreva de 10 a 15 dessas, com verbo e objeto. Só o que couber em uma frase entra na lista.

Passo 2: corte tudo que passa de 30 minutos

Para cada item, estime quanto tempo um funcionário competente levaria fazendo do zero. O que passar de meia hora, quebre em partes menores ou deixe para a segunda rodada. Não porque seja impossível, mas porque é onde o erro acumulado come o ganho.

Passo 3: exija saída verificável

A tarefa boa é aquela em que dá para olhar o resultado e saber em segundos se está certo. Um rascunho de e-mail, uma classificação, um resumo com fonte citada, uma planilha conferível. Se validar leva mais tempo que fazer, você não automatizou: terceirizou a dúvida.

Passo 4: escolha o modelo depois, não antes

Só agora a pergunta "qual IA usar" faz sentido, porque agora ela tem critério. Nem toda tarefa precisa do modelo do topo do ranking: lembre que o mais inteligente é também mais lento e mais caro. Volume alto e tarefa simples pedem modelo rápido. Raciocínio raro e crítico justifica o modelo caro.

Um caso típico em Maceió

O caso abaixo é composto, montado a partir de conversas que se repetem aqui. Não é um cliente específico nem um resultado medido.

Uma distribuidora de material de construção com equipe pequena chega querendo "um agente de IA no WhatsApp". No mapeamento, o gargalo real aparece em outro lugar: duas ou três pessoas passam parte da manhã ouvindo áudio de pedido e transformando isso em linha de pedido no sistema.

Isso é bloco curto, repetitivo e conferível: o pedido bate com o estoque ou não bate. Já o agente autônomo de vendas que ele queria é a maratona, com vários passos encadeados e ninguém conferindo no meio. O recorte certo custou menos escopo, no lugar certo.

Entusiasmo com régua

O avanço de 2026 é genuíno. Um modelo quase quadruplicou o melhor resultado publicamente conhecido no teste mais duro de raciocínio inédito, em comparação apoiada em dado de cobertura secundária, e custa metade do modelo mais capaz do mesmo fabricante. Quem trata isso como bolha está errando a leitura tanto quanto quem anuncia a chegada da AGI em post de rede social.

A diferença entre as duas posturas é maturidade. Maturidade, aqui, é ter régua: saber o que a ferramenta faz bem, em que janela de tempo, com que taxa de erro e sob qual supervisão. Quem tem essa régua consegue decidir o que automatizar em 2026, independentemente de como a discussão sobre AGI terminar. Quem não tem compra assinatura e chama de estratégia.

Este artigo é um exemplo do que ele recomenda. Foi produzido com apoio de IA, incluindo o Claude Opus 5, o modelo que ele analisa, em blocos curtos: levantar uma fonte, resumir uma fonte, redigir um trecho. O recorte da pauta, a conferência de cada número e a decisão do que entra e do que sai foram feitos por gente.

Se quiser ver como isso vira plano, o mapa de IA mostra o desenho completo.

Comece pelo diagnóstico de IA em 3 minutos.

Perguntas frequentes

A AGI chegou em 2026?

Não há consenso, e a ausência de consenso é o dado mais importante. Jensen Huang afirma que sim. Satya Nadella e Yann LeCun afirmam que não. Demis Hassabis, segundo cobertura da Fortune em Davos, diz que estamos longe disso e que faltam uma ou duas descobertas. O Google DeepMind reconhece publicamente que não existe framework claro para medir progresso rumo à AGI, o que torna qualquer afirmação categórica, nos dois sentidos, mais retórica do que técnica.

O Claude Opus 5 é uma AGI?

Pelo framework "Levels of AGI" do próprio DeepMind, modelos de fronteira ainda estão no Nível 1 de 5, "Emerging AGI", com os níveis superiores da coluna Geral não alcançados. E François Chollet, criador do ARC-AGI, afirma publicamente que o teste não é prova definitiva de AGI, mesmo com o recorde de 30,16% do Opus 5 no ARC-AGI-3.

O que significa o horizonte de tarefa de 27 minutos?

É a duração aproximada de trabalho humano que o modelo de fronteira avaliado pela METR consegue completar quando se exige 80% de acerto. Com tolerância de 50% de acerto o número sobe para quase cinco horas, mas 50% é moeda no ar: metade do trabalho volta para a mesa. A própria METR pede cautela com a métrica, apontando barras de erro da ordem de 2x. Use como ordem de grandeza para dimensionar escopo, não como garantia.

Por que a IA inventa respostas com tanta segurança?

Porque o treino recompensa isso. Pesquisa da OpenAI, em versão revisada por pares publicada na Nature em 2026, mostra que os benchmarks premiam o palpite e punem a resposta "não sei", o que ensina o modelo a arriscar com confiança. No benchmark AA-Omniscience, com 6.000 perguntas, quase todos os modelos avaliados têm mais chance de alucinar do que de acertar diante de uma pergunta difícil.

Vale a pena pagar pelo modelo mais inteligente?

Depende da tarefa. Segundo a Artificial Analysis, o Opus 5 lidera o índice de inteligência entre 190 modelos, mas aparece em 117º em velocidade e 147º em preço. Para volume alto e tarefas simples, um modelo mais rápido e barato entrega mais valor por real. O modelo caro se justifica quando o raciocínio é difícil e o erro sai caro.

Como escolher a primeira tarefa para automatizar com IA?

Escolha algo que caiba em cerca de meia hora de trabalho humano, se repita com frequência e produza uma saída que dê para conferir em segundos. Tarefas longas e encadeadas sofrem com erro acumulado: na métrica pass^k, 90% de acerto por passo corresponde a cerca de 57% de consistência ao longo de oito passos. Comece curto, verificável e frequente.

A IA de ponta substitui funcionários em 2026?

Pelos dados de confiabilidade acima, o desenho que funciona é de recorte, não de substituição em bloco. Os modelos entregam bem em janelas curtas e verificáveis, e degradam em execução longa e autônoma. Isso desloca o trabalho humano para o recorte da tarefa, a validação e a decisão, que é exatamente o desenho recomendado neste artigo e o mesmo usado para produzi-lo.

Que garantias de segurança existem ao colocar IA em processo interno?

Nenhuma que dispense supervisão. A própria Anthropic afirma que, mesmo com defesas de primeira linha, a proteção na camada do modelo nunca será 100% eficaz. Na prática isso significa desenhar o processo com dado mínimo necessário, saída conferível e um humano responsável pela decisão final, especialmente em qualquer fluxo que toque dinheiro, contrato ou dado de cliente.