Passei tempo demais hoje tentando caçar um bug minúsculo que, no fim, era só um caractere que faltava 😅. Nada fora do normal. O que chamou minha atenção foi como eu me comportei de um jeito bem diferente quando mudei para o Claude Fable 5 dentro do OpenGradient Chat.
Normalmente, quando estou depurando algo que, de fato, pertence a um projeto real, eu começo apagando partes do código antes de colar no chat com IA. Nomes de variáveis, comentários, rotas de API... No fim, eu passo quase tanto tempo sanitizando o prompt quanto resolvendo o problema.
Hoje eu não fiz isso.
Eu já sabia que o Fable 5 vinha postando números de código bem fortes — 95,0 no SWE-bench Verified, 80 no SWE-bench Pro, 84,3 no Terminal-Bench — então eu esperava respostas consistentes. A surpresa não foi o benchmark. Foi perceber que finalmente parei de pensar no que eu precisava esconder antes de pedir ajuda.
As respostas não eram magicamente perfeitas. Eu ainda precisei contestar algumas sugestões e testar tudo por conta própria. É assim que programação funciona.
O que pareceu diferente foi o fluxo de trabalho. Minha atenção ficou no bug, em vez de ficar o tempo todo me perguntando, "Será que eu devo remover este trecho primeiro?"
É engraçado como as pessoas comparam modelos de IA quase inteiramente por notas de benchmark. Depois de hoje, estou começando a achar que o ganho real de produtividade vem de não interromper seu próprio ritmo a cada cinco minutos só porque você está preocupado com onde seu código vai parar
@OpenGradient #opg $OPG
Normalmente, quando estou depurando algo que, de fato, pertence a um projeto real, eu começo apagando partes do código antes de colar no chat com IA. Nomes de variáveis, comentários, rotas de API... No fim, eu passo quase tanto tempo sanitizando o prompt quanto resolvendo o problema.
Hoje eu não fiz isso.
Eu já sabia que o Fable 5 vinha postando números de código bem fortes — 95,0 no SWE-bench Verified, 80 no SWE-bench Pro, 84,3 no Terminal-Bench — então eu esperava respostas consistentes. A surpresa não foi o benchmark. Foi perceber que finalmente parei de pensar no que eu precisava esconder antes de pedir ajuda.
As respostas não eram magicamente perfeitas. Eu ainda precisei contestar algumas sugestões e testar tudo por conta própria. É assim que programação funciona.
O que pareceu diferente foi o fluxo de trabalho. Minha atenção ficou no bug, em vez de ficar o tempo todo me perguntando, "Será que eu devo remover este trecho primeiro?"
É engraçado como as pessoas comparam modelos de IA quase inteiramente por notas de benchmark. Depois de hoje, estou começando a achar que o ganho real de produtividade vem de não interromper seu próprio ritmo a cada cinco minutos só porque você está preocupado com onde seu código vai parar
@OpenGradient #opg $OPG