Opus 5.0 leva a incoerência às alturas da estratosfera
O modelo Claude Opus 5 mais recente da Anthropic está atraindo críticas duras de usuários intensivos, que dizem que sua prosa ficou inflada, cheia de jargão e cada vez mais incoerente, com “Claudisms” recorrentes como “load‑bearing” infiltrando-se em bases de código, comentários e documentação do mundo real. Muitos relatam que tentativas de restringir o tom ou a verbosidade falham rapidamente, obrigando-os a adicionar linters, listas de palavras proibidas ou prompts em Simplified Technical English, ou a trocar para modelos alternativos no trabalho do dia a dia. As especulações vão de alinhamento e treinamento voltado a agentes a watermarking e dados sintéticos como causas, em meio à crescente preocupação de que a Anthropic esteja otimizando mais para agentes autônomos e ferramentas internas do que para saída legível por humanos.
Regressão percebida no Opus 5.0
- Muitos usuários veem o Opus 5 (e o 4.x tardio) como um retrocesso na usabilidade do dia a dia, especialmente para programação.
- As reclamações se concentram em prosa incoerente, difícil de ler, e em resumos de planejamento, apesar de, muitas vezes, a qualidade do código ser boa.
- Várias pessoas dizem que estão trocando ou testando alternativas (GPT 5.6 Sol, Codex, às vezes Gemini) e até rebaixando planos pagos.
Reclamações sobre o estilo da linguagem
- Frequentes “Claudisms” idiossincráticos (por exemplo, “load‑bearing”, termos obscuros, abstrações densas) agora saturam bases de código, comentários, PRs e docs.
- A saída é descrita como verbosa, carregada de jargão, excessivamente cautelosa e estranhamente metafórica (“agent speak”), com comentários que narram história e desvios paralelos em vez de descrever o código atual.
- Alguns acham isso apenas irritante; outros descrevem estresse e esgotamento reais, chamando o estilo de “tóxico” ou ilegível.
Raciocínio e comportamento de agente
- Usuários relatam fraco “ler a sala”: rótulos internos sem explicação (“disposition 7”), planos numerados e raciocínio autocontido vazando para o texto final.
- Os modelos frequentemente resistem a instruções simples, ampliam demais o escopo das tarefas ou duvidam da intenção do usuário, especialmente em fluxos agentic/code.
- Alguns dizem que a qualidade do raciocínio em si piorou; outros acham que a competência subjacente é alta, mas está encoberta por má comunicação e artefatos de planejamento.
Causas especuladas
- As hipóteses incluem pressão de watermarking, vazamento de ajuste de chain-of-thought/agent para texto visível ao usuário, dados sintéticos/colapso do modelo e otimização para agentes autônomos em vez de legibilidade humana.
- Alguns argumentam que watermarking sozinho não explica a magnitude da mudança de estilo; a causa continua incerta.
Estratégias de mitigação
- Táticas comuns: prompts “ELI5/ELI10”, “explique como para um colega”, Simplified Technical English (ASD‑STE100), listas de palavras proibidas, plugins de concisão e guias de estilo personalizados.
- Muitos dizem que esse direcionamento funciona apenas por 1–2 turnos antes de o modelo “voltar a escorregar”.
- Alguns separam sessões de planejamento e implementação, proíbem commits escritos pela IA e limpam manualmente os comentários.
Impacto em equipes e fluxos de trabalho
- Equipes adicionam linters/hooks para bloquear certas frases ou padrões de comentários; algumas interrompem builds por Claudisms.
- Gastam-se tokens e tempo extras limpando a prosa da IA, o que mina os ganhos de produtividade.
Reações ao tratamento da Anthropic
- Vários veem respostas oficiais geradas por IA a essas reclamações como insensíveis ou desrespeitosas.
- Há uma inquietação mais ampla sobre o “culto à IA” organizacional e o risco de sistemas de IA moldarem sutilmente a cultura da empresa e a contratação.