跟Leo看AI

Mt. Gox adiou de novo, de novo e de novo: o prazo para os pagamentos foi prorrogado até 31 de outubro de 2027

O motivo oficial é que muitos credores ainda não concluíram o cadastro e a verificação, e alguns pagamentos também enfrentaram problemas na hora de serem efetuados. Pensando bem, já faz mais de dez anos que Mt. Gox foi hackeada 👇👇

2014: a corretora japonesa Mt. Gox foi atacada por hackers; cerca de 850 mil bitcoins foram roubados e, em seguida, a empresa faliu.

Julho de 2024: Mt. Gox começou oficialmente a devolver BTC, por meio de plataformas como Kraken, Bitstamp, BitGo, Bitbank e SBI VC Trade. Mais de 90 mil BTC foram transferidos em um único mês.

Desde 2023: o prazo já foi prorrogado quatro vezes consecutivas, passando de 2023 para 2027.

Dos 142 mil BTC disponíveis para os pagamentos, cerca de 110 mil bitcoins já foram devolvidos, e restam aproximadamente 34 mil na carteira do administrador. Visto por esse ângulo, a pressão vendedora no mercado causada pelos pagamentos da Mt. Gox está bem menor do que antes. #门头沟还款再度延期

🐮😱O documentário mais incrível de todos os tempos? Recentemente, estreou no exterior o filme «Você Pode Ver Tudo», que alcançou a maior pontuação no MTC em quase 10 anos — e é um documentário verídico.

A protagonista do filme é Elizabeth Holmes, a figura central do escandaloso golpe que abalou o Vale do Silício. Aos 19 anos, ela abandonou Stanford para empreender e levou a avaliação da sua empresa a 9 mil milhões de dólares — na altura, estava no mesmo patamar da Tesla. No fim, ficou provado que a empresa era uma fraude do início ao fim❗️

O filme foi rodado 34 dias antes de ela começar a cumprir pena na prisão. Com a própria Holmes em cena, acompanha o seu quotidiano através de entrevistas e filmagens do dia a dia. Tendo em conta o que ela fez na época e aqueles seus olhos enormes e característicos, que quase não piscam, o filme inteiro transmite uma sensação arrepiante.

Vamos relembrar este golpe👇👇

Em 2003, Holmes fundou a Theranos, uma empresa de análises ao sangue, e afirmava que algumas gotas de sangue da ponta do dedo eram suficientes para realizar centenas de testes. Graças a essa história e à sua imagem deliberadamente inspirada em Steve Jobs, convenceu pesos pesados da política, como Henry Kissinger e George Shultz, a integrarem o conselho de administração. Em 2014, a empresa foi avaliada em cerca de 9 mil milhões de dólares, e ela tornou-se a mais jovem mulher bilionária a construir a própria fortuna. Mas a tecnologia nunca chegou a funcionar. A empresa usava secretamente equipamentos comerciais modificados para analisar amostras, falsificava informações destinadas a investidores e entidades reguladoras e enviava resultados imprecisos a pacientes reais.

Em 2015, o jornalista do «Wall Street Journal» John Carreyrou desmascarou a fraude com base em denúncias de funcionários da empresa. A Theranos foi dissolvida em 2018. Em 2022, Holmes foi condenada a 11 anos e 3 meses de prisão por fraude contra investidores e continua a cumprir pena. O caso tornou-se também o exemplo negativo mais famoso da cultura do Vale do Silício de «finge até conseguires». #骗局 #你能看到一切

A ameaça quântica voltou, e desta vez parece diferente!!🚨🚨

Há dois dias, a Anthropic publicou um artigo sobre computação quântica com o título: «IA projeta circuitos quânticos mais eficientes, antecipando aplicações em química e ciência dos materiais».

Mas, entre as 8 tarefas do artigo, a descrita com mais detalhes é a adição de pontos em uma curva elíptica de 256 bits. Essa é uma etapa fundamental para que computadores quânticos quebrem o problema do logaritmo discreto em curvas elípticas, e é justamente esse tipo de curva que é usado nas assinaturas de $BTC e $ETH .

O que a tarefa envolveu?
1. Claude Mythos 5 recebeu apenas uma breve descrição do que deveria fazer e um avaliador automático (número de qubits × número de portas), e foi iterando por conta própria, praticamente sem intervenção humana.
2. A etapa mais custosa da adição de pontos é a inversão modular. Claude trabalhou por 53 horas e criou a primeira implementação reversível de divsteps que não precisa armazenar o histórico dos ramos. Também provou por conta própria várias novas identidades algébricas e fez uma verificação formal usando Lean.
3. Em comparação com o menor projeto anterior, usou 12% mais qubits, mas 17 vezes menos portas.
4. De quebra, reduziu em 12 vezes o número de portas do decodificador Reed–Solomon da DQI em relação à solução anterior do Google.
5. Para comparar com o passado: a estimativa de 2017 para o número de portas Toffoli necessárias para simular o FeMoco era de cerca de 50 trilhões; hoje, caiu para cerca de 340 milhões — uma redução de aproximadamente 150 mil vezes. Isso se deve principalmente a melhorias graduais nos algoritmos feitas por vários grupos de pesquisa ao longo de 8 anos, com cada etapa levando vários meses.
Já o projeto de curva elíptica de Claude desta vez foi feito em uma única execução de 53 horas.

Em outras palavras, em apenas 53 horas, a IA tornou mais eficiente em termos de recursos uma etapa fundamental para que computadores quânticos quebrem as assinaturas de BTC e ETH. Suas criptomoedas ainda não correm o risco de ser roubadas, mas a ameaça quântica pode chegar antes do que muita gente imagina.

Quando o hardware estiver à altura, os endereços cujas chaves públicas já tiverem sido expostas na blockchain serão os primeiros a correr risco. Por isso, não dá mais para adiar a migração para assinaturas resistentes a ataques quânticos!!

#AI Será que a CoreWeave vai se tornar a «bomba subprime» do setor de IA? 🚨⚠️ Desta vez, talvez não baste Jensen Huang fazer discursos

Huang tem tentado reforçar a confiança do mercado: a turbulência atual vai passar, a IA vai transformar todos os setores e ainda estamos só no começo.

Mas o que preocupa Wall Street já não é «a IA tem alguma utilidade?», e sim: quanto tempo vai levar para recuperar todo o dinheiro emprestado para comprar GPUs?

O modelo de expansão da CoreWeave é simples: compra GPUs, fecha contratos de longo prazo para fornecer capacidade computacional e, usando esses contratos e ativos como garantia, consegue financiamento para comprar mais GPUs. Se os clientes pagarem em dia e o financiamento continuar fluindo, esse ciclo pode prosseguir.

O problema é que, se a falta de energia atrasar as entregas, a receita pode demorar a entrar, mas os juros continuarão vencendo. Além disso, as GPUs antigas perdem valor com o avanço da tecnologia. Se os novos pedidos diminuírem e os preços das renovações caírem, pode ficar mais difícil ganhar dinheiro e conseguir empréstimos ao mesmo tempo.

Receita abaixo do esperado encarece os empréstimos; empréstimos mais caros dificultam o pagamento das dívidas. Essa é a «espiral da morte» que preocupa o mercado — não apenas alguns dias de queda nas ações.

Jensen Huang tem, claro, motivos para estar otimista com a IA. Mas o fato de a Nvidia lucrar vendendo GPUs não significa que as empresas que as compram também vão conseguir recuperar o investimento.

Contratos de longo prazo e uma demanda contínua podem sustentar esse modelo. Ainda é cedo para afirmar que estamos diante de uma «crise subprime». Mas, para dissipar as dúvidas do mercado, o que a CoreWeave precisa apresentar é fluxo de caixa, não fé.

Musk é mesmo um pioneiro do progresso da humanidade. Olha só o que ele está fazendo: foguetes, Starlink, carros elétricos, centros de dados no espaço... Cada uma dessas ideias daria um ótimo filme de Hollywood. E agora ele ainda criou carros voadores! Aquela redação que escrevíamos na infância virou realidade!!! Que incrível! É impossível não admirar esse homem #特斯拉发布Roadster

Recentemente, uma notícia sobre a Laoganma chegou aos assuntos mais comentados: a empresa teria faturado quase 800 milhões de dólares em um ano com o uso de IA.

O que aconteceu? Na verdade, no ano passado a Laoganma implementou um sistema de inspeção visual com IA e reduziu a taxa de produtos defeituosos nas etapas-chave para 0,02%. Na fábrica, câmeras examinam a esteira a cada 0,3 segundo, e as pimentas fora do padrão são sopradas para uma caixa de descarte. Em termos simples, ganhar dinheiro não tem muito a ver com IA — a história só pegou carona no assunto 😂😂

Mas, antes de usar o sistema de IA, havia mais de 600 trabalhadores selecionando pimentas em toda a linha de produção. Agora, restam menos de 50. Será que só eu fico com pena desses trabalhadores que foram substituídos??

#Muse超越ChatGPT成iOS免费榜首 Por que a China ainda não tem sua própria Muse? Doubao Phone: Eu queria fazer isso, mas eles não deixam 😕😕

O assistente do Doubao Phone já queria há muito tempo criar um conjunto completo de agentes inteligentes capazes de ajudar os usuários a fazer pedidos automaticamente no Taobao e pedir comida pelo Meituan. Para obter as permissões, no mês passado o Doubao publicou uma regra e a deixou em consulta pública por 30 dias, permitindo que cada empresa de aplicativos escolhesse se autorizaria a IA do Doubao a agir automaticamente em nome dos usuários. Quando o período de consulta terminou, várias das principais empresas chinesas, incluindo WeChat, Alipay, Taobao, Meituan, Pinduoduo e Xiaohongshu, recusaram.。

Na verdade, é fácil entender a lógica das grandes empresas: se você deixar a IA agir em seu lugar, como vou continuar vendendo recomendações de comerciantes e anúncios de abertura do aplicativo? Seja como for, isso parece trazer apenas prejuízos, sem nenhum benefício. No curto prazo, realmente não há solução.

Mais um astro veio contar que especulou com NFTs e acabou perdendo ainda mais dinheiro do que na bolsa 😂😂 Pelo que me lembro, entre as celebridades que já especularam com NFTs estão Stephen Chow, Jay Chou, JJ Lin e Edison Chen, não é? Mas a maioria acabou mesmo foi passando a perna nos pequenos investidores. #方力申自爆买NFT亏惨

Mal consigo acreditar! Uma pessoa conseguiu criar à mão, usando IA, um jogo 3D com essa qualidade em apenas meio mês!! Fui jogar e tanto o estilo visual quanto a trilha sonora são de primeira. Depois de publicar, o jogo teve mais de 1,6 milhão de visualizações em uma noite!! E os números continuam disparando.

É incrível! Bom gosto + saber usar IA + capacidade de execução + vontade de compartilhar e se expressar: essa é a fórmula de sucesso desta era!!!

O mundo está mesmo louco... Até as IAs estão começando a ter filhos e ainda precisam tirar licença-maternidade 😓😓

Há alguns dias, o Tribunal Distrital dos EUA para o Distrito Sul de Nova York condenou Michael Smith, de 54 anos, a 18 meses de prisão por fraude envolvendo músicas geradas por IA e manipulação de reproduções em plataformas de streaming 😳😳 Este é também o primeiro caso criminal desse tipo nos Estados Unidos.

Como ele fazia isso, exatamente? Primeiro, usava ferramentas de IA para gerar em massa centenas de milhares de músicas e as enviava para grandes plataformas, como Spotify e Apple Music, para receber royalties. Depois, recorria a robôs para inflar o número de reproduções. Ao longo de 7 anos, ganhou 8,09 milhões de dólares com esse esquema⋯⋯

E o mais impressionante é que esse cara foi preso em 2024. Se tivesse usado a IA de hoje, teria ganhado ainda mais #神操作

#Ledger暂停CryptoBilis销售 Depois que a Ledger foi roubada, alguém foi conferir as cláusulas de indenização de outra carteira de hardware, a OneKey, e descobriu que a indenização máxima é de apenas 100 dólares... Mas essa situação realmente é difícil de avaliar, e parece que não há nenhum caso parecido no Web2. Nunca ouvi falar de alguém que comprou um cofre, teve seus bens roubados e depois foi pedir indenização à empresa que vendeu o cofre, não é? Mas, se uma quantia enorme de ativos guardados na carteira for roubada por causa de uma falha de segurança da própria carteira, e ela disser que só pode pagar 100 dólares no máximo, quem é que aceitaria isso? 🤡🤡

#xrp账本修复可增发xrp的漏洞 Se não me engano, há alguns meses aconteceu algo parecido com a ZEC e, naquele mesmo dia, ela despencou mais de 50%, certo? Por que o preço do XRP quase não reagiu??

Tem que fazer a troca com as mãos? Não dá para usar os pés?

A irmã Siba sabe mesmo como aprontar, hahaha

#Manus完成超5亿美元新一轮融资 Manus voltou com tudo?? E ainda captou US$ 500 milhões

Depois de passar por uma sequência de acontecimentos dramáticos — aquisição pela Meta, suspensão de emergência e cancelamento do negócio —, Manus não caiu. Talvez, daqui a muitos anos, ao olhar para trás, fique claro que não ter sido comprada pela Meta naquela época foi a decisão certa.

Passei o feriado do Dia Nacional na minha cidade natal. Na cidade do interior, ninguém fala de IA, grandes modelos, ações dos EUA, chips ou inteligência incorporada. Os assuntos de sempre continuam sendo as trivialidades do dia a dia.

O mundo parece continuar igual 🤫🤫

Muse爆火第13天Meta涨11%，但"AI新入口"的故事先别信

十年前扎克伯格在F8上演示Messenger机器人订花，说"没人喜欢给商家打电话"。十年后同一家公司推出个人Agent Muse，上线13天登顶美区免费榜双第一、下载超250万。

Meta叙事画了个圆：2023年靠"效率之年"省钱涨近200%，2026年资本开支推到1300亿、Q2自由现金流只剩7.84亿，却因Muse单日再涨11%。市场不在乎你花钱还是省钱，只在乎故事能不能自圆其说。

但这是巨头第5次用AI抢"超级入口"——前4次全停在功能、没走到入口：Alexa语音购物只有2%用户试过、九成不复购；Messenger机器人沦为客服；GPT Store、Humane AI Pin折戟；ChatGPT Instant Checkout被沃尔玛吐槽转化率只有导回官网的1/3；春节千问30亿免单DAU冲到7352万后回落至3000万。每次市场都为热闹买单，每次结局都一样。

Agent的根本矛盾：消灭时间，却想留住用户

互联网入口变现只有两条路：推荐流靠"消磨时间"卖曝光，搜索靠"交付"把人转交给商家。个人Agent两边都不站——它替你把事做完、让你尽快离开，这是"消灭时间"；可又想把用户攥在自己手里。它交给商家的只是一张订单：看得见账号地址，看不见那个逛店的人，没有浏览、停留、复购。下一单重新比价，这次胜出不构成长期优势。

商家不会为一份看不见用户的订单付高价。而Agent前端有真实边际成本：推理、虚拟机、渲染、重试都要钱。Meta偏偏两头都想沾——既向用户收订阅、又想从交易里抽佣。

算账很骨感：大摩推演2028年Muse 1亿用户、日5次查询、10%有商业价值、每次变现0.07美元，全年13亿，对Meta每股收益贡献仅1%。而Meta Q2广告年化2370亿。

站队是一门手艺活

服务消费者还是商家？什么值得买靠卖方钱活着，一淘被京东屏蔽，Google Shopping从免费比价变付费展示。9月20日亚马逊封禁Muse，理由直白：替顾客跨店下单的第三方应用应公开运作、尊重服务方意愿。一旦Agent转向替商家引流收费，它就不再是帮你省钱的买方代理，而是又一个广告渠道。小扎说Muse要"帮你赚钱、帮你省钱"，可这两件事利益本就对立。

复制门槛低得吓人

MCP协议让接入Gmail、日历、地图的能力迅速同质化。每人一台云端虚拟机+可见浏览器，这套架构Meta并不独有——谷歌Gemini Spark比Muse早三个多月。真跑通这条路，理应轮到握着Gmail/Chrome/安卓的谷歌或OpenAI/豆包。更妙的是Muse最受好评的用途恰好搭在谷歌邮箱上——改改价格表就能追。它赢的只是新品起跑：同期13天ChatGPT下载310万次，仍多于Muse。

国内亦然：千问打通淘宝但单季AI亏138亿、反噬自家推荐流广告；微信小微克制灰度因腾讯靠视频号广告赚钱；美团开放接口留收银台；豆包两次撞墙。最沉默的是拼多多——最依赖"逛"的公司受冲击最大。

入口的保质期

成为入口至少要四样：生成需求、握住收钱、留住用户、保持中立。现在的个人Agent最多沾一两样。它省下的每一分钟注意力，都是互联网公司本可卖钱的资产；它留在手里的每个用户，都是商家本愿付费去接的人。

大摩分析师Brian Nowak说他只关心一件事：用户有没有真在Muse上掏钱买东西，不关心下载量和DAU。

AI叙事这几年，市场总爱用砸钱力度重估科技公司。但在那么多本不成立的入口叙事里，真正稀缺的从来不是花钱的勇气，而是看懂"什么钱本不该花"的克制。

Ontem, a Meta registrou um salto de mais de 11% em um único dia. A Intel e a AMD subiram cerca de 12% e 10%, respectivamente. A causa foi o aumento contínuo de interesse pelo produto Muse de agentes pessoais de IA da Meta. Vale a pena dizer isso, porque pode estar reescrevendo a lógica subjacente de “capacidade de computação de IA”.

1. O que o Muse realmente mudou

A maior parte das IA para consumidores, na essência, ainda é uma ferramenta de perguntas e respostas: você insere um texto, o modelo raciocina e devolve o resultado, e a tarefa termina. O Muse tira a IA da janela de chat e a leva para um fluxo de trabalho real: você define um objetivo, e ele decompõe as etapas, faz login em sites, chama serviços externos, lê o estado da página e, em seguida, decide o próximo passo. Ao lidar com pagamento, e-mail ou reagendar, ele procura sua autorização de forma proativa. Depois de concluir, continua verificando se a tarefa foi finalizada.

O ciclo fechado é: entender o objetivo → definir um plano → chamar ferramentas → observar o resultado → ajustar o plano → continuar executando.

Na IA tradicional, a unidade de trabalho é “uma conversa”. Na era de agentes, a unidade de trabalho é “uma tarefa completa”. A Meta também adicionou um ambiente de execução persistente em nuvem — mesmo se você fechar o app, ele continua rodando em segundo plano. Isso significa que a competição não vai mais avaliar apenas o modelo básico; também pesa o canal de distribuição, os dados do usuário e o ecossistema comercial. A Meta controla uma enorme porta de entrada de usuários. Assim que o Muse acumular e-mails, agendas, hábitos de consumo e histórico de tarefas, o custo de migração fica absurdamente alto: não é só mudar registros de chat, é transferir todo um modo de trabalho.

2. Por que desta vez o impulso foi para a CPU

Nos últimos anos, o principal campo de batalha das infraestruturas de IA foi a GPU. Mas, com a entrada dos agentes no fluxo de trabalho, a estrutura de computação muda: a GPU fica responsável por “pensar” (entender o objetivo, gerar o plano, identificar a página). Já a parte de “fazer” — rodar o sistema, abrir máquinas virtuais, chamar APIs, gerenciar permissões, armazenar e controlar o estado da tarefa — fica toda pressionada na CPU e em servidores tradicionais.

O fluxo de uma cadeia de modelo de chat é: entrada → raciocínio → saída → liberação de recursos. A cadeia do agente é: raciocínio → execução na CPU → espera por respostas externas → leitura de estado novamente → novo raciocínio → nova execução. Uma tarefa longa pode iterar dezenas ou centenas de vezes. O navegador, a máquina virtual, a memória e o estado das tarefas precisam permanecer online. A demanda por capacidade de computação de IA, que antes era “gerar um token”, se expande para “todos os recursos de sistema para concluir uma tarefa”.

Quando o Muse for aberto para dezenas de bilhões de usuários, mesmo que apenas uma pequena parte execute agentes simultaneamente, isso vai gerar um grande volume de máquinas virtuais em concorrência, processos de navegador e chamadas de API. Como um agente pessoal precisa lidar com e-mail, pagamento e permissões de conta, não é possível colocar as tarefas de todos em um único ambiente. Quanto mais se enfatiza o isolamento de segurança, mais é preciso fornecer recursos dedicados e independentes para cada usuário. A demanda por CPU na era dos agentes vem de três linhas: aumento do número de tarefas em paralelo, alongamento do tempo de execução e aperto do isolamento de segurança. É por isso que o mercado voltou a mirar servidores com múltiplos núcleos — há até quem acredite que a demanda por núcleos de CPU pode dobrar no futuro, e que a proporção entre CPU e GPU tenderá a 1:1.

Em uma frase, o framework de observação é: quando o custo do raciocínio cair, o gargalo da IA deixará de ser “o modelo consegue pensar” e passará a ser “a execução em segundo plano consegue ser feita em concorrência com custo suficientemente baixo”.

3. Como a demanda por computação vira lucro

Demanda não é igual a lucro. O ponto-chave é o modelo de economia unitária do Muse. Há assinaturas em duas faixas: versão gratuita mais 20 dólares, e 100 dólares. No futuro, ainda pode haver monetização via agentes empresariais, interfaces para desenvolvedores e comissões de transações. Como o Muse consegue identificar a intenção real de consumo, o valor teórico por usuário pode ser maior do que o de cliques tradicionais em anúncios. Há organizações que estimam que a receita futura pode ultrapassar 10 bilhões de dólares.

Mas a estrutura de custos dos agentes é diferente: é preciso fornecer máquinas virtuais para os usuários, ocupar memória, “gastar” rede e ajustar modelos. Quanto mais pesado for o uso, maior será o custo em segundo plano. As duas faixas de assinatura, na essência, também são controle de recursos — limitar volume de tarefas, limitar número de chamadas e limitar duração em segundo plano. Em comparação com assinatura fixa, comissão sobre transações se encaixa melhor na estrutura de custos de agentes.

Já um modelo transacionável pode explodir conflitos na plataforma. A Amazon já cortou o acesso do Muse às compras dentro do seu app — depois que o agente conclui a busca e o pedido pelo usuário, ele passa por cima da página de recomendações e dos anúncios. Plataformas de terceiros provavelmente seguirão um de três caminhos: cobrar pelo acesso via interface aberta, exigir divisão de receita em transações ou bloquear o acesso não autorizado. Qualquer caminho tende a comprimir a fronteira de serviços do Muse e a margem de lucro.

4. Entenda essa cadeia de transmissão

Para a Meta: o Muse é o teste decisivo para saber se o capital de IA em forma de investimento pode se converter em receita para consumidores — downloads provam distribuição, a taxa de conclusão determina o valor, a retenção e o pagamento determinam a receita e o custo unitário de cada tarefa determina a margem de lucro.

Para a Intel: a GPU pensa; a CPU executa. Se agentes para consumidores forem implantados em grande escala, a CPU do servidor pode deixar de ser um acessório e se tornar a peça-chave que determina escala de concorrência e custo operacional.

A cadeia completa é: agentes para consumidores obtêm o acesso do usuário → as tarefas deixam de ser apenas perguntas e respostas e passam a execução contínua → máquina virtual, navegador e chamadas de ferramentas disparam → aumentam as necessidades de CPU, memória e rede → o custo da infraestrutura sobe → assinaturas e receitas de transações verificam a economia unitária → a demanda por chips, por fim, se converte em lucro do fornecedor.

A GPU define se o agente consegue “pensar” com clareza. CPU e infraestrutura de sistema determinam se ele consegue fazer a mesma coisa ao mesmo tempo para um número suficiente de pessoas. E o retorno final do capital depende de quanto dinheiro se ganha a cada tarefa concluída para conseguir cobrir os custos de toda a cadeia de execução.

Há duas semanas ainda gritavam “reduzir a velocidade de toda a indústria”; sete dias depois já consideravam lançar um novo modelo antes do previsto — a jogada da Anthropic. Hoje vou desmontar, com vocês, o que está por trás da mudança do tabuleiro no cenário de IA.

O estopim: Astra inverte participação em duas semanas

Os dados da OpenRouter são bem contundentes. Com o lançamento do GPT-6 Astra pela OpenAI, em apenas duas semanas, cerca de 13% das verbas de IA empresarial já foram capturados; já a série Fable da Anthropic fica em apenas 8%. Mais importante ainda é a curva de cruzamento da primeira semana de setembro: a fatia da OpenAI dispara para cerca de 65%, enquanto a da Anthropic cai para cerca de 35%. Vale lembrar: de janeiro a junho deste ano, a Anthropic ainda mantinha folgadamente mais de 50%. Essa ultrapassagem, que levou mais de dois anos e meio para começar a acontecer, foi concluída em apenas duas semanas.

O processo de desorganizar o ritmo

Em 1º de setembro, a Anthropic age primeiro: lança o Fable 5.1, posicionado como “o modelo mais forte para programação e trabalho com conhecimento”, reduzindo diretamente em 75% o preço de leitura via cache, usando custo-benefício para manter sua base empresarial. Dois dias depois, em 3 de setembro, a OpenAI revela o Astra — a frase do Altman, “entreguem o Astra o mais rápido possível a todos”, quase foi uma declaração de guerra em forma de diálogo direto.

Mas o que realmente deixou a Anthropic apreensiva não foi o Astra em si, e sim o fato de seu carro-chefe já não estar vendendo. O Fable 5, lançado há dois meses, apresentou uma taxa de upgrade abaixo do esperado para a versão empresariaI de preço máximo; a participação ficou por muito tempo em torno de 11%, e os usuários preferem comprar o Claude Opus 5, com melhor custo-benefício. Ou seja, o espaço de mercado que a Anthropic achava “suficiente” estava sendo abalado pela base, por causa do Astra.

A “narrativa da desaceleração” chocando com a realidade dos negócios

Em 12 de setembro, o CEO da Anthropic, Dario Amodei, publicou um texto longo pedindo para desacelerar o desenvolvimento da IA, e Altman e Musk deram apoio raro. O resultado: apenas sete dias depois, a Reuters revelou que, dentro da Anthropic, discutia-se lançar um novo modelo antecipadamente, e que os assistentes da Claude já estariam profundamente envolvidos no desenvolvimento da próxima geração. De um lado, a bandeira do “IA responsável”; do outro, clientes corporativos votando com dinheiro de verdade. Quando os valores colidem com a realidade do mercado, quem sempre perde é a narrativa.

Reordenação de prioridades na janela de IPO

A pressão ainda mais profunda está no IPO. A Reuters informou que o cronograma de listagem da Anthropic pode ser adiado para novembro. Esse incêndio atinge dois pontos ao mesmo tempo: participação sendo erodida rapidamente e a necessidade de uma curva de crescimento para sustentar a avaliação. Às vésperas do IPO, o que os investidores observam não é se você grita “responsável”, mas se a taxa de crescimento da receita e a participação nas empresas conseguem se sustentar. Por isso, “lançar o modelo antes” quase certamente é uma escolha comercial — mesmo que signifique reavaliar, em apenas duas semanas, a lógica daquela “corrida da aceleração” que a empresa criticou publicamente.

Para finalizar com uma frase:

Astra roubando 13% de participação em duas semanas não significa apenas que a OpenAI venceu uma rodada; significa provar uma coisa — no cenário de competição atual, “pedir para desacelerar” já virou um luxo de relações públicas. Quando a diferença entre modelos líderes consegue gerar migração de participação em dezenas de pontos por causa de um intervalo de uma ou duas semanas, o ritmo de lançamentos de toda a indústria fica travado numa espiral de aceleração: quem ousa desacelerar, quem perde lugar.

Isso não é apenas um impasse da Anthropic; é a próxima lei de todo o “desafio bélico” da corrida por IA.