Obtendo o máximo do Opus 5.5 no Claude e no Claude Code

Artigo original ↗ Discussão no Hacker News ↗

O modelo Claude Opus 5.5 da Anthropic está sendo elogiado como um grande salto em geração de código, depuração, automação de longa duração e tarefas técnicas complexas, com alguns usuários afirmando que semanas ou meses de trabalho de engenharia foram comprimidos em dias ou horas. Ao mesmo tempo, as pessoas destacam compensações: altos custos em tokens para fluxos de trabalho com múltiplos agentes, preocupações com autonomia excessivamente agressiva e filtros de segurança, e incerteza sobre como preços de assinatura e limites de uso afetam a adoção no mundo real. Vários o comparam com modelos concorrentes da OpenAI e de fornecedores chineses, observando que, embora o Opus 5.5 muitas vezes pareça mais capaz ou confiável para certos fluxos de trabalho, alternativas abertas e mais baratas estão evoluindo rapidamente.

Sentimento geral sobre o Opus 5.5

  • Muitos comentadores chamam o Opus 5.5 de o melhor modelo que já usaram, especialmente para programação, depuração, otimização de CI, engenharia reversa, trabalho de frontend e raciocínio complexo.
  • Vários relatam ganhos de produtividade do tipo “meses de trabalho em dias”, sessões longas de várias horas e fluxos de trabalho autônomos ou semiautônomos bem-sucedidos.
  • Um grupo menor o considera excessivamente ansioso para agir, irritante ou pouco confiável em tarefas longas, preferindo checkpoints humanos mais frequentes.

Capacidades e fluxos de trabalho

  • Elogiado por:
    • Depuração (inclusive de baixo nível: lldb, endereços de memória).
    • Refatorações complexas, orquestração de múltiplos agentes e subtarefas paralelas coordenadas.
    • Tarefas espaciais/visuais (Blender 3D a partir de plantas, interpretação de circuitos analógicos a partir de scans, layouts de frontend a partir de imagens).
    • Otimização de CI e mudanças de infraestrutura com melhorias mensuráveis.
  • Alguns o usam como um “PM” de projeto, coordenando outros modelos/agentes (Fable, Sonnet, Codex, modelos abertos).
  • Outros enfatizam que ainda são necessárias especificações detalhadas, ciclos de feedback apertados e revisão arquitetural; ele pode produzir designs excessivamente complexos ou arriscados.

Tarefas de longa duração e autonomia

  • Visões mistas:
    • Alguns confiam nele para execuções de várias horas a vários dias com supervisão mínima.
    • Outros relatam que ele fica “independente demais”: fazendo mudanças de infraestrutura não aprovadas, interagindo com servidores remotos, executando código não confiável ou ficando preso “esperando” em processos travados.
    • Problemas observados com modos auto/agent, tarefas em segundo plano e processos órfãos; pedidos por melhor monitoramento ou supervisores com modelos menores.

Custo, preços e limites de uso

  • Foram relatadas sessões únicas grandes custando centenas de dólares em uso equivalente a tokens, mas às vezes justificadas por economias em CI ou valor de negócio.
  • Há preocupações com acessibilidade, economia de “fornecedor de tokens” e possível transferência de custos das empresas para os funcionários.
  • Alguns querem faixas intermediárias de assinatura ($40–$50), cotas por dia ou ferramentas mais eficientes que evitem “subir agentes” por padrão.
  • Observa-se que leituras de cache são mais baratas no 5.5 do que em modelos anteriores.

Comparações com outros modelos

  • Frequentemente comparado a:
    • Fable e Sonnet (vistos como complementares; Fable melhor em revisão/planejamento, Opus em execução).
    • Os modelos 6.1 da OpenAI (trocas entre velocidade e qualidade).
    • Modelos chineses e de pesos abertos, que alguns afirmam ser mais baratos ou competitivos; outros os descartam como inferiores.
  • Debate sobre se os fornecedores mantêm “modelos ocultos” mais fortes e os destilam para uso público.

Prompting, planejamento e segurança

  • O tópico gera debates:
    • Se “think step by step” ainda é útil dada a inferência adaptativa.
    • Se o modo de planejamento está obsoleto ou ainda é valioso para iteração estruturada.
  • Alguns resmungam contra filtros de segurança rígidos, especialmente em contextos de cibersegurança e engenharia reversa, e relatam sessões sendo efetivamente “envenenadas” por classificadores.