Análise do Claude Opus 5: programação quase de ponta pela metade do preço

O que o Claude Opus 5 realmente é

O Opus 5 é o novo cavalo de batalha da Anthropic. O modelo principal continua sendo o Fable 5. Mas o Opus 5 é o modelo que a Anthropic recomenda experimentar primeiro: a documentação diz para começar com o Claude Opus 5 em programação agêntica complexa e trabalho empresarial, e só subir de nível quando você realmente precisar do teto de capacidade. No Claude Max, já é o novo padrão. No Claude Pro, segundo a Anthropic, é o modelo mais forte disponível.

O post de lançamento coloca assim: ele "chega perto da inteligência de ponta do Claude Fable 5 pela metade do preço". Isso soa, à primeira vista, como uma afirmação de posicionamento. O incomum é que os dados independentes, dessa vez, sustentam bastante essa afirmação.

O ritmo aqui merece atenção, principalmente se a última vez que você olhou para essa família foi há alguns lançamentos. Minha análise do Opus 4.5 tem apenas alguns meses, e já se lê como um modelo de outro patamar. O Opus 4.6 ficou em algum ponto intermediário.

As especificações, brevemente. O id do modelo é claude-opus-5. Janela de contexto: 1M de tokens, com saída máxima de 128k, segundo a visão geral dos modelos. O corte de conhecimento fica em maio de 2026, mais recente que o Fable 5 e o Sonnet 5. Solicitações em lote podem levar a saída a 300k tokens com um cabeçalho beta. Também não há sobretaxa de contexto longo: segundo a documentação de preços, uma solicitação de 900k tokens é cobrada na mesma tarifa por token que uma de 9k.

Há três anos venho construindo, na eesel, agentes de IA que rodam em filas de suporte reais de outras empresas. Por isso leio lançamentos de modelos com uma pergunta em mente: isso muda o que posso colocar com segurança na frente de um cliente? Esta análise olha primeiro para os avanços em programação. Depois, para os dois números que decidem se um modelo tem lugar perto de uma conversa ao vivo.

O panorama dos benchmarks: vitórias reais, mais finas que a manchete

Vamos começar pelo número que a Anthropic destaca. O Frontier-Bench v0.1 é o sucessor do Terminal-Bench, construído pela mesma equipe, e o Opus 5 atingiu 44,4% de recompensa média no esforço xhigh. O Opus 4.8 conseguiu 18,7%, segundo o system card. O Fable 5 ficou em 33,7%, e o GPT-5.6 Sol em 37,5%. Não é um salto incremental, esse.

O que importa aqui é a forma do gráfico, mais que o pico. A linha do Opus 5 fica acima e à esquerda de tudo o mais. Essa é a posição que se quer, mais pontuação por menos dinheiro. Toda a curva do Fable 5 fica à direita, pagando de duas a três vezes mais por tentativa por um teto mais baixo.

A tabela de destaque abaixo vem diretamente do system card, reproduzida exatamente.

Leia as linhas, a média esconde demais. O Opus 5 perde no SWE-bench Pro para o Fable 5 e no DeepSWE para o GPT-5.6 Sol, e também perde no ARC-AGI-2, por dois pontos. Mas onde ele ganha, ganha muito: o SWE-bench Multimodal salta 21 pontos em relação ao Opus 4.8. O ARC-AGI-3 vai de 1,5 para 30,2, o que o system card chama de aproximadamente quatro vezes a melhor pontuação relatada anteriormente.

Há também uma pontuação perfeita genuína escondida aqui. Realizada em 15 e 16 de julho, a Olimpíada Internacional de Matemática de 2026 viu o Opus 5 obter 42 de 42 pontos perfeitos, sem arnês de agente e sem ferramentas. O corte para medalha de ouro foi 29, segundo o system card.

Se você acompanha os confrontos diretos, este reembaralha vários deles. Minha comparação com o Gemini 3 Pro precisa agora de uma nova linha de base, assim como o artigo sobre Codex versus Opus 4.6.

O que dizem os números independentes

A Artificial Analysis coloca o Opus 5 em 61 no seu Intelligence Index. Posição um entre 190 modelos, contra uma mediana de classe de 32. A posição um é real, claro, mas também é uma vantagem de apenas um ponto: o Fable 5 fica em 60, o GPT-5.6 Sol em 59, segundo a análise da AA, com o Opus 4.8 ficando atrás, em 56. A própria AA descreve isso como "por pouco" o modelo mais inteligente.

As grandes vantagens vivem em algo mais específico que "inteligência". Veja o GDPval-AA v2, um conjunto de 220 tarefas ocupacionais reais: o Opus 5 fica com os dois primeiros lugares, com 1861 e 1827 de Elo, segundo o system card, 114 pontos à frente do Fable 5. No AA-Briefcase, trabalho de conhecimento de longo horizonte em projetos de várias semanas, ele fica com os três primeiros lugares de forma direta. Esses são os resultados que realmente justificam o lançamento. Tratam de sustentar um trabalho longo e bagunçado, uma habilidade diferente de responder a uma única pergunta difícil.

Uma ressalva que quase nenhuma cobertura menciona: a Anthropic rodou seus próprios números do Frontier-Bench com o Opus 4.8 como reserva para recusas do classificador de segurança, segundo o system card, e essa reserva capturou 5% das chamadas de API. A Artificial Analysis rodou seu Index exatamente da mesma forma. Então uma pequena fatia de cada pontuação "do Opus 5" foi, na verdade, produzida pelo Opus 4.8.

É um modelo de agente antes de ser um modelo de programação

O que mais me surpreendeu não está em nenhum ranking de programação. É o AutomationBench do Zapier, que coloca um agente numa empresa simulada com dezenas de endpoints REST espalhados por 47 apps, e depois avalia se ele completa um fluxo de trabalho empresarial real. O Opus 5 marcou 26,0%, contra 17,0 do Opus 4.8, 17,4 do Fable 5, e também 18,1 do GPT-5.6 Sol, segundo o system card.

Repare onde a linha laranja começa: a configuração mais barata do Opus 5 já supera a melhor configuração de qualquer outro modelo, a cerca de $0,75 por tarefa. A Anthropic relata 24% no esforço médio por $0,89 por tarefa, e afirma que ele supera tanto o Opus 4.8 quanto o Fable 5 com menos da metade do custo. Essa é a verdadeira história deste lançamento: não um chatbot mais inteligente, um agente mais barato.

O comportamento por trás disso aparece nas anedotas. Numa tarefa do Frontier-Bench, o Opus 5 recebeu o desenho de uma peça mecânica e foi pedido para reconstruí-la no FreeCAD, e ainda por cima, deliberadamente, sem nenhuma forma de ver o desenho, segundo o post de lançamento. Ele escreveu seu próprio pipeline de visão computacional para ler a geometria a partir dos pixels brutos, e nenhum modelo concorrente resolveu isso em cinco tentativas. A JetBrains descreveu a mudança como julgamento: o modelo detecta suas próprias falhas lógicas durante o planejamento, em vez de depois do fato.

Números de acesso antecipado também confirmam o padrão. A Box mediu uma melhoria geral de 8% sobre o Opus 4.8, subindo para 17% em fluxos de trabalho de due diligence. A Lovable o colocou 22% acima do Opus 4.7 em suas tarefas de programação agêntica mais difíceis, com muito menos variação entre execuções. Uma empresa de trading relatou ter alcançado o mesmo resultado com aproximadamente um sétimo dos tokens de raciocínio, segundo o post de lançamento.

Diferenças de eficiência desse tipo importam mais que pontuações brutas, uma vez que um modelo faz trabalho real sem supervisão. É a mesma mudança que descrevi no meu artigo sobre CLI de programação agêntica, e também no resumo de agentes de IA mais amplo: a pergunta interessante deixou de ser "consegue responder" e passou a ser "consegue terminar".

Os dois números que deveriam te fazer parar

Esta é a seção que eu gostaria de ler primeiro, então não vou escondê-la.

Ele alucina mais que o modelo que substitui

No AA-Omniscience, um benchmark factual de livro fechado, o Opus 5 melhorou a precisão em 7 pontos em relação ao Opus 4.8, e sua taxa de alucinação também subiu 14 pontos, para 50%, segundo a Artificial Analysis. O próprio system card da Anthropic registra a mesma troca com suas próprias palavras: a precisão fica 11% mais alta que a do Opus 4.8, mas a taxa de alucinação também é 6% mais alta.

Isso não é bem uma contradição. O modelo simplesmente responde com mais frequência quando está incerto. Numa tarefa de programação com testes, chutar sai barato: o teste falha, o loop continua. Na pergunta de um cliente sobre reembolso, um chute feito com confiança é todo o modo de falha, e é a objeção que aparece em quase toda ligação de avaliação em que participo.

"The AI will never be able to answer 100% of the questions. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

Essa é uma líder de CX de uma marca de suplementos DTC, e a frase resume a tese de toda a categoria. Mais inteligência bruta sozinha não resolve isso, filtragem por confiança resolve, por isso prevenir alucinações no suporte é um problema de produto, não de modelo.

É lento, e lento no pior lugar possível

A Artificial Analysis mediu o Opus 5 em 52,6 tokens de saída por segundo, posição 117 de 190, contra uma mediana de classe de 76. Tudo bem, para trabalho em segundo plano. O que realmente o desqualifica para uso em tempo real é o tempo até o primeiro token: 68,04 segundos no esforço máximo, contra uma mediana de classe de 2,81. Isso é aproximadamente 24 vezes mais lento antes mesmo de um único caractere aparecer.

Diminuir o nível de esforço quase não ajuda: 52,8 tokens por segundo no xhigh, 56,8 no high, segundo a Artificial Analysis. O modo rápido compra cerca de 2,5x a velocidade, pelo dobro do preço base. O próprio resumo da AA é mais direto do que eu escreveria: o Opus 5 é "notavelmente lento e muito verboso".

Há um terceiro número que vale a pena conhecer antes de definir effort: "max" e simplesmente esquecer o assunto. No AA-Briefcase, o esforço máximo teve em média 36,2 minutos e 103 turnos por tarefa, segundo a Artificial Analysis, contra 24,1 minutos e 55 turnos do Opus 4.8. No custo por tarefa do Index, o Opus 5 no esforço máximo roda a $2,03, contra $1,80 do Opus 4.8, e também $1,53 do Sonnet 5, segundo a análise da AA. Sai 26% mais barato que o Fable 5, e mais caro que seu próprio antecessor.

A solução aqui é simples: não use max como padrão. O melhor ponto de valor em todo o conjunto de dados é o Opus 5 no esforço alto, que supera o Fable 5 em 32 de Elo a $10,41 por tarefa, segundo a Artificial Analysis, menos da metade dos $22,30 do Fable 5. A Anthropic até reverteu sua própria orientação para acompanhar isso, agora recomendando começar em high em vez de xhigh, segundo as notas de lançamento.

O que quem já usou está dizendo

A semana de lançamento no X se dividiu de um jeito que eu nunca tinha visto. O debate não era se o Opus 5 é bom, a maioria das pessoas acha que é o melhor modelo disponível. O debate era que ele é o melhor modelo disponível e desagradável de se trabalhar.

A versão mais afiada veio de alguém que o colocou em primeiro lugar:

"BIG NEWS: Opus 5 is here...and I hate working with it. And yet in a blind taste test, I ranked it above every other model (even Fable and my beloved GPT-5.6)"

claire vo, X

A parte cega é o que torna isso útil. Classificar modelos sem saber qual é qual remove a lealdade de marca, então "eu odeio" fala puramente sobre ergonomia, não sobre capacidade. Dan Shipper, da Every, passou uma semana testando antes do lançamento, em programação e escrita, além do agente interno da empresa, e chegou à mesma conclusão: "é um modelo difícil de amar". Ele "discutia instruções, parava antes de o trabalho terminar", e não se encaixava bem com os skills e plugins existentes deles.

A reclamação mais útil operacionalmente vem com uma solução anexada:

"Opus 5 is out now! And it broke Compound Engineering, but I also like it. Love it and hate it. I have been coding with it without many skills and it's nice at a medium effort level. Just remember to let go of you skills and big mega prompts."

Kieran Klaassen, X

Ele descreve uma falha específica: num fluxo autônomo, o modelo devolvia o controle ao humano repetidamente. O próprio guia de prompting da Anthropic diz mais ou menos a mesma coisa, do outro lado: orienta os desenvolvedores a remover instruções do tipo "inclua uma etapa de verificação final", porque o Opus 5 agora se auto-verifica demais. O scaffolding construído para o Opus 4.8 agora trabalha contra você.

Há uma explicação mecânica clara, e ela vem do lado dos benchmarks:

"Claude Opus 5 averages 103, 91, and 76 turns per task across its top three effort levels, compared to 55 for Opus 4.8 (max)"

Artificial Analysis, X

Praticamente o dobro do loop de agente. Esse único número explica "neurótico", "discutia instruções" e também "ficava devolvendo o controle" ao mesmo tempo. É o mesmo comportamento, só visto de fora.

A única medição dura de terceiros em todo o barulho da semana de lançamento veio da CodeRabbit, que passou o Opus 5 pelo seu benchmark de revisão de código em produção. A precisão subiu, de 35,2% para 39,3%. O recall caiu, de 61,1% para 55,2%, além de quatro vezes mais apontamentos triviais. O veredito deles foi "um especialista em precisão, que combina bem com um modelo de recall", e como eles vendem revisão de código, vale ler a recomendação de conjunto com isso em mente. A troca em si combina com tudo o mais aqui: mais cuidadoso e mais minucioso, e também mais falante.

O recall caindo enquanto a precisão sobe é a descoberta que vale mais a pena considerar demoradamente, se um modelo for seu revisor. Isso muda para que serve, na prática, uma passagem de revisão de código com IA, e vale a pena recalcular seus próprios números antes de presumir que é uma simples melhoria.

A mesma cautela vale dentro de editores como o Cursor. Vale também para o Windsurf, e dentro do Claude Cowork também.

A configuração de esforço é todo o debate

O tópico de lançamento no Hacker News chegou a 1.315 comentários, e contém algo que parece uma contradição direta. Metade do tópico diz que o Opus 5 é notavelmente barato de rodar, a outra metade diz que está queimando o limite de cinco horas deles. Ambos são verdade. A variável é a configuração de esforço.

"It overthinks quite a bit above medium effort, try using that."

cbg0, Hacker News

"The chart shows max effort, used mostly by price-insensitive enterprise users. At medium effort it drops to almost half K3's cost, and is probably sufficient for 95% of coding tasks."

ricardobeat, Hacker News

Então o tópico encontrou algo melhor que reclamações. Lendo o system card, várias pessoas notaram que a pontuação de programação do Opus 5 na verdade cai acima do esforço médio, o que parece um bug, ou pior:

"Page 151 of the linked system card - did Opus 5 get nerfed to prevent it being better than Fable? The graph makes no sense. Huge decline in coding performance at effort levels higher than medium."

bottlepalm, Hacker News

O system card responde a isso claramente, e a resposta real é mais interessante que um enfraquecimento proposital. Os dois melhores resultados do FrontierCode acontecem no esforço médio, e a Anthropic explica que, em esforço mais alto, o Opus 5 "faz mais mudanças do que a tarefa exige", o que o avaliador então penaliza como fora do escopo. Adicionar uma instrução curta para permanecer dentro do escopo "recuperou o desempenho na maioria dessas tarefas". Então o modelo não fica mais burro no esforço máximo, de jeito nenhum. Ele fica mais ambicioso, e ambição é um bug quando a tarefa era pequena.

Isso é provavelmente o ponto mais acionável de toda essa análise: aumentar o esforço não é uma melhoria gratuita, e em trabalho bem delimitado pode custar tanto dinheiro quanto pontuação.

Vale notar também que esse mesmo comportamento é lido como um recurso para um público diferente. Ao lançar o Opus 5 no Copilot, o anúncio do GitHub o elogiou por "validar seu próprio trabalho e reduzir a sobrecarga de execução desnecessária em tarefas complexas". O mesmo loop de auto-verificação, lido de forma diferente: uma equipe chama isso de minucioso, a outra chama de neurótico. Qual dos dois você recebe depende inteiramente de se há um humano esperando pelo resultado.

Preços, em detalhes

Nada mudou no nível dos tokens, o que é honestamente o mais interessante em tudo isso. A linha Opus se manteve em $5 e $25 desde o Opus 4.5, segundo a documentação de preços, um corte de 3x em relação aos $15 e $75 do Opus 4.1.

Quatro coisas mudam sua fatura silenciosamente:

• Os $2 e $10 do Sonnet 5 são apenas introdutórios e voltam a $3 e $15 em 1º de setembro de 2026, segundo a documentação de preços. Orçar o Sonnet contra o Opus hoje significa comparar com uma tarifa que expira em cerca de cinco semanas.
• O tokenizador mudou. Modelos a partir do 4.7 podem usar até 35% mais tokens para o mesmo texto, segundo o guia de migração. Uma comparação simples token a token com um modelo da era 4.6 vai subestimar o custo real.
• O piso de cache caiu para 512 tokens, o mais baixo da linha, oito vezes menor que o do Opus 4.5. Prompts de sistema curtos que antes nunca podiam ser armazenados em cache, agora podem. Prompts abaixo do piso ainda são processados, só que sem erro e sem cache.
• A inferência exclusiva dos EUA custa 1,1x em todas as categorias de tokens, o que dá $5,50 e $27,50 para o Opus 5.

No lado do consumidor, o Pro custa $20 por mês (ou $17 na cobrança anual). O Max custa $100 ou $200, e as vagas Team também vêm a $25 ou $125. Os limites de uso são baseados em sessão, numa janela rolante de cinco horas em vez de contagem de mensagens, e web, desktop, mobile e o Claude Code tiram tudo do mesmo conjunto.

Os números completos estão no meu detalhamento de preços do Claude Code, e se você está decidindo qual modelo apontar para qual tarefa, o guia de seleção de modelo e as notas sobre janela de contexto são os complementos práticos desta seção.

O que quebra na migração

A Anthropic chama o Opus 5 de substituto direto do Opus 4.8, e na maior parte, é. Duas coisas realmente quebram:

1. O pensamento adaptativo vem ativado por padrão. Revise seu max_tokens, porque os tokens de pensamento agora saem dele, em solicitações que antes não tinham nenhum.
2. Desativar o pensamento tem um limite. thinking: {"type": "disabled"} retorna um erro 400 nos esforços xhigh ou max, segundo as notas de lançamento, aplicado por solicitação. O Opus 4.8 costumava aceitar essa combinação.

Dois recursos também sumiram por completo, em vez de apenas mudar: web fetch não está disponível no Opus 5, segundo o guia de migração, nem o Priority Tier, que o Opus 4.8 ainda mantém. Se você tem um compromisso de capacidade, planeje isso antes de mudar o tráfego.

Vindo do Opus 4.6 ou anterior, a lista é mais longa. Parâmetros de amostragem como temperature e top_p retornam um erro 400 para qualquer valor não padrão, segundo o guia de migração, e os tipos do SDK ainda os aceitam, então seu código passa na checagem de tipos tranquilamente e a API rejeita mesmo assim. O prefill do assistente também sumiu. O conteúdo de pensamento é omitido por padrão, o que, para qualquer coisa que transmita o raciocínio ao usuário em tempo real, parece um longo silêncio antes de qualquer saída aparecer.

Do lado das adições, dois betas foram lançados junto com o modelo: mudanças de ferramentas no meio da conversa, que trocam as ferramentas disponíveis sem invalidar o cache do prompt, e fallbacks automáticos do lado do servidor. Se você constrói agentes de múltiplas etapas, o primeiro é, silenciosamente, uma grande mudança.

Isso também muda como os agentes são compostos. Trocar ferramentas no meio da execução sem perder o cache torna o padrão de subagente mais barato. Ele fica ao lado dos Claude Skills também, e também das ferramentas MCP, sem substituir nenhum dos dois.

Minha análise skills versus subagentes cobre quando cada um é o contêiner certo. Se você roda num provedor de nuvem em vez da API própria, note que o modo rápido é exclusivo da API própria, algo que minhas notas sobre Bedrock e Claude Code detalham.

Segurança, e o fallback que ninguém menciona

A auditoria pré-lançamento da Anthropic chama o Opus 5 de seu modelo mais alinhado até hoje, com pontuação de 2,3 em comportamento desalinhado geral, a mais baixa entre seus modelos recentes. Ele é disponibilizado sob proteções ASL-3, o mesmo nível do Opus 4.8.

O resultado que mais me interessa é a resistência à injeção de prompt, porque é isso que quebra agentes conectados a dados reais de clientes. O sucesso do atacante na avaliação de injeção indireta de prompt caiu de 5,5% para 2,0%, o melhor de todos os modelos testados e bem à frente dos 20,0% do GPT-5.6 Sol. O sucesso de ataques por uso de navegador caiu de 31,5% para 3,70%, e depois foi a 0% em 129 cenários com o modo automático ativado. Para quem dá acesso a ferramentas a um agente, isso importa mais que qualquer pontuação de programação.

A parte que costuma passar despercebida: o Opus 5 nem sempre responde à sua solicitação.

No Claude.ai e no Claude Code, e também no Claude Cowork, solicitações sinalizadas pelos classificadores cibernéticos caem por padrão para o Opus 4.8, segundo o post de lançamento, e o mesmo comportamento está disponível na API também. Sem erro, sem sinal óbvio, apenas um modelo diferente respondendo silenciosamente. A Anthropic espera que esses classificadores intervenham cerca de 85% menos do que fazem com o Fable 5, o que é uma melhoria real, mas se você está fazendo benchmarking ou depuração, saiba que uma fração do seu tráfego pode não ser o modelo que você imagina.

Onde o Opus 5 é deliberadamente contido: ele fica atrás do Mythos 5 tanto em cibersegurança quanto em pesquisa biológica, segundo o post de lançamento. No OSS-Fuzz, ele encontra vulnerabilidades quase tão bem quanto o Mythos 5, mas fica bem atrás na hora de transformá-las em exploits.

Quem deveria atualizar, e quem não deveria

Atualize se você roda agentes: tarefas longas de múltiplas etapas, loops de programação, pipelines de pesquisa, uso de computador, qualquer coisa em que o modelo trabalhe vinte minutos sem supervisão. Os resultados do AutomationBench e do AA-Briefcase não estão nem perto de empatados, e o preço também não mudou. Se você está escolhendo entre assistentes, meu resumo de ferramentas de programação com IA e a análise do GPT-5.3 Codex cobrem as alternativas, com mais contexto na minha lista de alternativas ao Opus 4.6.

Fique onde está se sua carga de trabalho é chat curto e sensível à latência. Um primeiro token de 68 segundos não é algo que você configura para resolver. O Sonnet 5 é a escolha certa aí, assim como o Haiku, e no esforço máximo o Opus 5 custa mais por tarefa concluída do que qualquer um dos dois.

Procure em outro lugar se você precisa de conhecimento factual atual sem uma camada de recuperação. O Opus 5 tem conhecimento factual menor que o Fable 5, segundo a Artificial Analysis, e o número de alucinação diz o resto.

Compare com o Gemini 3. Veja também o Kimi K3. Ou considere o Mistral antes de se decidir.

Uma lacuna honesta: ainda não há nenhum dado de preferência humana. O Opus 5 não aparece no ranking de texto do LMArena, cujo snapshot atual é anterior ao lançamento. Vale notar que o Opus 4.8 ocupa a posição 13 ali apesar de ser um modelo top cinco no Index, então inteligência de benchmark e o que as pessoas realmente preferem claramente não são a mesma coisa.

O que isso significa se você está construindo IA de suporte

Todo lançamento de modelo de ponta dispara a mesma conversa, nas ligações da minha equipe. Alguém técnico olha para um modelo de $5 por milhão de tokens que pontua 26% em automação de fluxo de trabalho empresarial, e faz a pergunta razoável: por que estamos pagando por um produto de suporte quando poderíamos conectar isso nós mesmos?

Levo isso a sério, porque já vi isso acontecer de verdade. Algumas contas técnicas, incluindo uma marca de beleza DTC, deixaram a eesel para construir diretamente sobre a API da Claude. É a alternativa concorrente mais comum que encontro, e também não é um plano bobo.

O que costuma acontecer é que o modelo nunca foi a parte difícil. A parte difícil é tudo o que está à direita dessa flecha: autenticar no helpdesk e manter os tickets sincronizados, treinar com a sua base de conhecimento, rodar isso contra tickets passados antes de tocar em um ao vivo, rotear por confiança para que fique quieto quando estiver inseguro, transferir para um humano sem perder o contexto, e saber seu custo por ticket com antecedência em vez de conciliar uma fatura de tokens depois do fato.

Some os dois números desta análise e as salvaguardas deixam de ser um extra opcional. Uma taxa de alucinação de 50% é exatamente aquilo pelo qual todo chatbot de atendimento ao cliente com IA é julgado, e um primeiro token de 68 segundos é mais tempo do que a maioria das pessoas vai esperar numa janela de chat. Há uma razão para a taxa de resolução ser medida em resultados em vez de pontuações de benchmark, e para as ferramentas de helpdesk que funcionam serem as que deixam você ver o que a IA teria dito, antes de ela realmente dizer.

Um cliente resumiu a decisão entre construir e comprar melhor do que eu conseguiria.

"We could try to write our own LLM application but we didn't want to invest our time into that. We wanted something that we would not have to maintain."

Karel, GENERAL BYTES, from their case study

Essa é a troca, no fundo. O Opus 5 torna o motor drasticamente melhor e mais barato, mas não faz nada quanto aos doze meses de manutenção que ficam ao redor dele. Se você gosta desse tipo de trabalho, construa. Se você só quer o resultado, não construa.

Onde a eesel se encaixa

Se o que você realmente quer é raciocínio de nível Opus respondendo seus tickets amanhã, não no próximo trimestre, a eesel é isso. Conecte ao helpdesk que você já usa, ela treina com seus macros e documentos existentes, e também com seus tickets passados, e começa a redigir ou resolver desde o primeiro dia. Sem contabilidade de tokens, sem blindagem contra injeção de prompt, sem lógica de fallback para escrever.

A primeira coisa que eu mostraria a um engenheiro cético é a simulação. Antes de a eesel responder um único ticket ao vivo, você pode rodá-la sobre seus tickets históricos e ver exatamente o que ela teria dito, que é a única forma honesta de descobrir se a confiança de um modelo é conquistada nos seus próprios dados, e não num benchmark. Depois disso, o roteamento baseado em confiança decide o que ela responde e o que deixa em paz, e o preço funciona por tarefa em vez de por token, então um modelo tagarela nunca te surpreende no fim do mês.

Não é para todo mundo, para deixar claro. Se o seu caso de uso é código, use o Claude Code diretamente. Mas se é uma fila de suporte, e o plano era passar um trimestre reconstruindo a desvio de tickets, mais a escalonamento, em cima de uma chave de API nova, experimente a eesel primeiro. É gratuito para começar.