Claude Opus 4.5: Referências, agentes, ferramentas e muito mais

Logo depois da incrível Gemini 3 do Google, a Anthropic anunciou recentemente o Claude Opus 4.5, chamando-o de “o melhor modelo do mundo para codificação, agentes e uso de computadores”. 

Apesar dos benchmarks super impressionantes do Gemini 3, ele ainda ficou atrás do Claude Sonnet 4.5 no banco SWE, que é um teste de habilidades de engenharia de software. Com o Claude Opus 4.5, a Anthropic bateu seu próprio recorde no banco SWE e em outros testes. 

Claude Opus 4.5 marca o terceiro grande lançamento de modelo da Anthropic em apenas dois meses. Depois do Sonnet 4.5 e Haiku 4.5.  E agora que a Anthropic tem uma avaliação superior a US$ 350 bilhões, sabemos que eles têm os recursos necessários para continuar operando nesse ritmo.

Neste artigo, vou explorar todas as novidades do Claude Opus 4.5, analisando os benchmarks, os novos recursos e testando suas capacidades na prática.  

O que é o Claude Opus 4.5?

Claude Opus 4.5 é o mais recente modelo de linguagem grande da Anthropic. Seguindo o Opus 4, é o modelo mais avançado da Anthropic, com foco em codificação, raciocínio e tarefas de longa duração. O modelo tem uma pontuação de 80,9% no SWE-bench e 59,3% no Terminal-bench. 

O Claude Opus 4.5 já está disponível nos aplicativos da Anthropic, na API e nas principais plataformas de nuvem. 

O que há de novo no Claude Opus 4.5?

No anúncio, essas coisas chamaram minha atenção:

• Codificação agênica: O Opus 4.5 é o que há de mais moderno no SWE-bench Verified, superando o Gemini 3 Pro do Google e o GPT-5.1 da OpenAI. A Anthropic também testou o modelo em uma difícil prova para fazer em casa que eles aplicam a candidatos a engenheiros de desempenho. Ele teve uma pontuação maior do que qualquer candidato humano já teve.
• Uso do computador: A Anthropic diz que o Opus 4.5 é “o melhor modelo do mundo para usar computadores”, ou seja, ele consegue interagir com interfaces de software, clicar em botões, preencher formulários e navegar em sites, como um humano faria.
• Tarefas diárias: O modelo é “significativamente melhor” no trabalho com planilhas e slides e na realização de pesquisas aprofundadas, de acordo com a Anthropic.

Junto com o lançamento do modelo, a Anthropic anunciou várias atualizações de produtos, que discutirei com mais detalhes abaixo. Eles incluem Claude para Chrome, a extensão do navegador que permite que o Claude faça coisas em várias abas, e o Claude para Excel.

Testing Claude Opus 4.5

Um artigo não estaria completo sem testar o novo modelo uma ou duas vezes. Vamos ver como as novas melhorias lidam com uma série de tarefas: 

Testando o Opus 4.5 com uma pergunta de economia

Primeiro, eu queria ver como o Opus 4.5 lidava com um problema clássico de otimização econômica. Estou imaginando um modelo de demanda log-linear que prevê a quantidade vendida a partir do preço. É o tipo de coisa que você veria em um curso de econometria, mas também é realmente útil. Se você conhece sua curva de demanda e seus custos, você pode calcular o preço que maximiza o lucro.

O Opus 4.5 me deu a resposta certa, sem eu precisar pensar muito, e tudo aconteceu de uma vez só. 

Fiquei impressionado com isso porque praticamente qualquer empresa que vende algo tem uma ideia da quantidade vendida e do preço, mas nem todas as empresas têm os recursos para esboçar respostas para problemas básicos de otimização. 

Mas aqui, com uma sugestão bem elaborada, você pode encontrar sua resposta facilmente. Claro, ainda caberia ao analista decidir se as restrições foram realmente modeladas de forma adequada.

Aqui está o que eu também gostei: O Opus 4.5 mostrou o que sabe fazer. Não me deu só um número. Ele explicou a derivada, a fatoração e a álgebra. Se tivesse cometido um erro, eu teria percebido onde.

Testando o Opus 4.5 com uma pergunta sobre estatísticas

Depois, eu quis testar o Opus 4.5 numa questão de estatística. Criei um conjunto de dados em que yield era uma função de temperature com ruído adicionado. 

library(tidyverse)

set.seed(1024)

# Generate data
n <- 100
df <- data.frame(
  temperature = seq(0, 100, length.out = n)
) %>%
  mutate(yield = 0.5 * temperature + 10 + rnorm(n, 0, 5))

Então, eu passei essa sugestão pro Claude. 

Claude me mandou o seguinte, que usei pra criar um histograma, aqui embaixo.

# Fit model
fit <- lm(yield ~ temperature, data = df)
fitted_vals <- fitted(fit)
resids <- residuals(fit)
original_slope <- coef(fit)[2]

# Residual bootstrap
set.seed(123)
n_boot <- 1000
boot_slopes <- numeric(n_boot)

for (i in 1:n_boot) {
  new_y <- fitted_vals + sample(resids, replace = TRUE)
  boot_fit <- lm(new_y ~ df$temperature)
  boot_slopes[i] <- coef(boot_fit)[2]
}

# Confidence intervals
ci_lower <- quantile(boot_slopes, 0.025)
ci_upper <- quantile(boot_slopes, 0.975)

# Plot
ggplot(data.frame(slope = boot_slopes), aes(x = slope)) +
  geom_histogram(bins = 40, fill = "gray70", color = "white") +
  geom_vline(xintercept = original_slope, color = "red", linewidth = 1) +
  geom_vline(xintercept = ci_lower, color = "steelblue", linetype = "dashed", linewidth = 1) +
  geom_vline(xintercept = ci_upper, color = "steelblue", linetype = "dashed", linewidth = 1) +
  labs(
    title = "Bootstrap Estimate: Effect of Temperature on Yield",
    subtitle = paste0("Estimate: ", round(original_slope, 3), 
                      " | 95% CI: [", round(ci_lower, 3), ", ", round(ci_upper, 3), "]"),
    x = "Slope (yield per °C)",
    y = "Count"
  ) +
  theme_minimal()

Tenho que admitir que curti esse resultado. O Opus 4.5 encontrou um intervalo de confiança para a inclinação, que era exatamente o que eu estava procurando. 

Ele usou um método bootstrap, que é uma boa técnica para encontrar intervalos de confiança quando heterocedasticidade está presente. Também usou mais especificamente um bootstrap nos resíduos, em vez de outro método bootstrap que reamostra pares (X,Y), o que teria assumido um erro no termo X. 

Tudo isso é um ponto mais sutil, mas provavelmente importante para quem faz esse tipo de trabalho: Um bootstrap residual seria melhor quando X é fixado por design, como eu falei na minha mensagem, e quando você quer uma inferência dependente desses valores X exatos, como num estudo científico. O que estou tentando dizer é que o Opus 4.5 percebeu as sutilezas na solicitação.

Testando o Opus 4.5 com uma questão de matemática

Depois, eu queria ver se conseguia fazer o Opus 4.5 dar algum problema.

Nesse caso, o modelo estava bem à minha frente. O Opus 4.5 percebeu que minha pergunta era circular — eu estava definindo X por Y e vice-versa, então não conseguimos chegar a uma estimativa significativa para a inclinação de uma linha de regressão, com base no que estávamos trabalhando. 

Testando o Opus 4.5 para otimização de SQL

Por fim, achei que seria legal testar o Opus 4.5 em uma questão sobre SQL. Eu mandei uma consulta SQL que funcionava, mas era bem ineficiente. 

-- Find customers who placed orders above their average order value in 2024
SELECT 
    c.customer_id,
    c.customer_name,
    o.order_id,
    o.order_date,
    o.order_total
FROM customers c
JOIN orders o ON c.customer_id = o.customer_id
WHERE o.order_date >= '2024-01-01'
    AND o.order_date < '2025-01-01'
    AND o.order_total > (
        SELECT AVG(o2.order_total)
        FROM orders o2
        WHERE o2.customer_id = c.customer_id
    )
    AND c.customer_id IN (
        SELECT DISTINCT o3.customer_id
        FROM orders o3
        WHERE o3.order_date >= '2024-01-01'
    )
    AND EXISTS (
        SELECT 1
        FROM customer_preferences cp
        WHERE cp.customer_id = c.customer_id
            AND cp.email_opt_in = 1
    )
ORDER BY (
    SELECT COUNT(*)
    FROM orders o4
    WHERE o4.customer_id = c.customer_id
) DESC;

Pedi ao Opus 4.5 para melhorar a consulta. Ele me deu uma resposta em cerca de um segundo.

-- Find customers who placed orders above their average order value in 2024
WITH customer_avg AS (
    SELECT 
        customer_id,
        AVG(order_total) AS avg_order_total,
        COUNT(*) AS order_count
    FROM orders
    GROUP BY customer_id
)
SELECT 
    c.customer_id,
    c.customer_name,
    o.order_id,
    o.order_date,
    o.order_total
FROM customers c
JOIN orders o ON c.customer_id = o.customer_id
JOIN customer_avg ca ON c.customer_id = ca.customer_id
JOIN customer_preferences cp ON c.customer_id = cp.customer_id
WHERE o.order_date >= '2024-01-01'
    AND o.order_date < '2025-01-01'
    AND o.order_total > ca.avg_order_total
    AND cp.email_opt_in = 1
ORDER BY ca.order_count DESC;

Entre outras coisas, o Opus 4.5 substituiu a subconsulta correlacionada para AVG por um CTE. (A consulta original recalculava AVG(order_total) para cada linha avaliada, mas agora o CTE calcula a média de cada cliente antecipadamente.) O Opus 4.5 também tirou a cláusula redundante ` IN (SELECT DISTINCT ...) `, que estava fazendo trabalho extra sem necessidade. E converteu a subconsulta “ EXISTS ” em “ JOIN ”, o que é melhor.

Claude Opus 4.5 Agentes e Capacidades Agênicas

Teve outros destaques nessa última versão da Anthropic. Vamos dar uma olhada com mais detalhes: 

Recursos da plataforma para desenvolvedores

A Anthropic adicionou vários novos blocos de construção para desenvolvedores. O mais notável é oparâmetro de esforço de aprendizagem por reforço ( ), que permite controlar o quanto o modelo pensa antes de responder. Defina-o em um nível baixo para tarefas rápidas e leves; defina-o em um nível mais alto quando precisar que o modelo mastigue algo. 

De acordo com a Anthropic, com um esforço médio, o Opus 4.5 iguala a melhor pontuação do Sonnet 4.5 no SWE-bench, usando 76% menos tokens de saída. Com um esforço alto, ele supera o Sonnet em mais de 4% — ainda usando quase metade dos tokens.

Também tem um gerenciamento de contexto e memória melhorados. Para agentes de longa duração, o Claude agora pode resumir automaticamente o contexto anterior para que não pare no meio da tarefa. Isso combina com a compactação de contexto, que faz com que os agentes funcionem por mais tempo com menos intervenção.

Por fim, o Opus 4.5 parece ser bem bom em coordenação de múltiplos agentes, o que significa que ele pode gerenciar uma equipe de subagentes. 

Claude Opus 4.5 Pesquisa aprofundada

Parece que o desempenho do Opus 4.5 numa avaliação de pesquisa aprofundada melhorou em cerca de 15%.

Eu testei a capacidade de pesquisa aprofundada por conta própria. Pedi pra me dar um relatório sobre palavras do inglês antigo que ainda existem hoje, mas que não são muito usadas, e como essas palavras mudaram com o tempo. O relatório ficou pronto em sete minutos: