Queda de performance em modelos de IA da OpenAI e Anthropic preocupa empresas

Os modelos de inteligência artificial (IA) desenvolvidos pela OpenAI e pela Anthropic, duas das principais empresas no setor, têm apresentado quedas significativas de desempenho nas últimas 48 horas, gerando preocupação entre a comunidade de desenvolvedores e as empresas que dependem dessas ferramentas. Relatos indicam que o GPT-5.6-sol da OpenAI e o Claude Opus 4.8 da Anthropic estão exibindo menor capacidade de processamento e raciocínio, impactando diretamente a confiabilidade e a eficiência de aplicações baseadas em IA.

Esta degradação de performance levanta questões importantes sobre a estabilidade dos modelos de IA de ponta e as estratégias de alocação de recursos por parte das big techs, especialmente em um cenário de crescente demanda e altos custos computacionais. A situação exige que as empresas reavaliem suas dependências e planejem contingências para mitigar os impactos em suas operações.

O que mudou na prática

Na prática, a mudança mais notável é a percepção de uma redução drástica na capacidade de processamento e na qualidade do raciocínio dos modelos. O GPT-5.6-sol da OpenAI, por exemplo, registrou uma queda de seis vezes em sua capacidade de processamento, com um teste de desempenho chamado “Juice test” indicando uma pontuação de 128, em comparação com os 768 anteriores. Isso significa que o modelo está entregando resultados mais lentos e, potencialmente, menos precisos ou complexos do que o esperado.

Similarmente, o Claude Opus 4.8 da Anthropic tem sido reportado com comportamento errático e falhas no raciocínio lógico. Usuários descreveram a performance do Opus 4.8 Max como tendo seu “cérebro cortado”, com um desempenho pior até mesmo que o modelo Haiku, mais antigo. Essa deterioração pode se manifestar em respostas inconsistentes, dificuldade em seguir instruções complexas ou na geração de conteúdo de menor qualidade.

Além da queda de desempenho, a OpenAI também enfrentou problemas com os limites de uso de seu agente de codificação, o Codex. A empresa precisou montar uma “warroom” para investigar relatos de usuários que estavam atingindo seus limites de uso mais rapidamente do que o normal, atribuindo o problema a sistemas de prevenção de fraudes que erroneamente limitavam algumas contas. Embora a OpenAI tenha redefinido os limites de uso do Codex, este incidente, somado à degradação de performance, sugere uma pressão sobre a infraestrutura e os recursos das empresas de IA.

Impacto e por que importa para decisões de negócio

Para as empresas brasileiras, a queda de performance dos modelos de IA da OpenAI e Anthropic tem um impacto direto e multifacetado. Muitas organizações no Brasil têm investido pesadamente na integração de IA em suas operações, desde atendimento ao cliente e automação de marketing até desenvolvimento de software e análise de dados. A degradação desses modelos pode resultar em:

• Eficiência operacional reduzida: Tarefas automatizadas podem levar mais tempo para serem concluídas, ou exigir intervenção humana adicional para corrigir erros, aumentando custos e diminuindo a produtividade.
• Qualidade de serviço comprometida: Aplicações de IA que interagem diretamente com clientes, como chatbots e assistentes virtuais, podem oferecer respostas insatisfatórias ou imprecisas, prejudicando a experiência do cliente e a reputação da marca.
• Custos inesperados: A necessidade de reprocessar tarefas, otimizar prompts ou até mesmo buscar soluções alternativas pode gerar custos adicionais não previstos nos orçamentos de IA.
• Atrasos em projetos: Projetos de desenvolvimento que dependem da geração de código ou de capacidades de raciocínio avançadas podem sofrer atrasos significativos, impactando o cronograma de lançamento de produtos e serviços.
• Dificuldade na tomada de decisões: Empresas que utilizam IA para análise de dados e suporte à decisão podem receber insights menos confiáveis, comprometendo a qualidade das estratégias de negócio.

A especulação sobre cortes de custos como causa da queda de performance, embora não confirmada oficialmente, ressalta a volatilidade do mercado de IA e a pressão sobre as big techs para equilibrar inovação com sustentabilidade financeira. Isso sublinha a importância de as empresas brasileiras não apenas adotarem a IA, mas também entenderem os riscos associados à dependência de um único fornecedor ou modelo.

O que monitorar e próximos passos

Diante deste cenário, empresas brasileiras devem monitorar de perto os seguintes aspectos e considerar os próximos passos:

• Comunicações oficiais: Acompanhar os comunicados da OpenAI e da Anthropic sobre a causa e as soluções para os problemas de desempenho. Qualquer atualização sobre a estabilidade dos modelos ou mudanças nas políticas de uso será crucial.
• Métricas de desempenho: Implementar ou intensificar o monitoramento das métricas de desempenho de suas próprias aplicações de IA. Isso inclui tempo de resposta, precisão das saídas e taxas de erro, para identificar rapidamente qualquer impacto em suas operações.
• Diversificação de modelos e fornecedores: Avaliar a possibilidade de diversificar o uso de modelos de IA, explorando alternativas de outros provedores ou até mesmo modelos de código aberto. Isso pode reduzir a dependência e aumentar a resiliência a falhas de um único sistema.
• Otimização de prompts e engenharia de IA: Investir em engenharia de prompts e otimização de modelos para extrair o máximo desempenho possível das ferramentas disponíveis, mesmo em cenários de degradação. Isso pode envolver o ajuste de parâmetros, a simplificação de requisições ou a implementação de cadeias de raciocínio mais robustas.
• Revisão de orçamentos e planos: Reavaliar os orçamentos e planos de projetos de IA, considerando a possibilidade de custos adicionais ou atrasos. É fundamental ter flexibilidade para adaptar as estratégias conforme a evolução do cenário de desempenho dos modelos.

A instabilidade atual nos modelos de IA de ponta serve como um lembrete de que, embora a inteligência artificial ofereça um potencial transformador, sua adoção requer uma abordagem estratégica e cautelosa, com foco na resiliência e na gestão de riscos para garantir a continuidade e a eficácia das operações de negócio. A comunidade de IA continua em um frenesi de auto-testes, buscando entender a extensão e a natureza dessas mudanças.