Anthropic revela causas da degradação no Claude Code e zera limites de usuários

A equipe de engenharia da Anthropic publicou uma análise detalhada das falhas no Claude Code que geraram queixas em massa de desenvolvedores no último mês. A investigação interna comprovou que a percepção coletiva de degradação do modelo não era subjetiva. O problema surgiu da sobreposição de três alterações isoladas implementadas na base de código entre o início de março e meados de abril. As falhas impactaram a interface do Claude Code, o Claude Agent SDK e o Claude Cowork, sem afetar a API básica. Em 20 de abril, os desenvolvedores corrigiram integralmente as brechas na compilação v2.1.116 e, como compensação, zeraram as contagens de limites de requisições para todos os assinantes do serviço.

A armadilha do compromisso entre latência e profundidade de raciocínio

O primeiro golpe na qualidade ocorreu em 4 de março, quando o nível padrão de raciocínio (reasoning effort) do Opus 4.6 foi rebaixado de high para medium. A equipe tentava mitigar a latência: sob carga máxima, a geração demorava demais e dava a impressão de que o terminal havia travado. Em testes sintéticos internos, a diferença parecia mínima, mas na programação real a precisão despencou em estruturas algorítmicas complexas. Como os usuários raramente alteravam os parâmetros de forma manual via console, continuavam operando com os recursos limitados. Em 7 de abril, o padrão foi restaurado e, para o modelo topo de linha Opus 4.7, o patamar subiu para o nível máximo xhigh.

O apagamento em cascata da memória em sessões longas

Muito mais perigoso foi um defeito oculto de cache implementado em 26 de março. Para economizar tokens e acelerar a retomada do trabalho após uma hora de inatividade da sessão, o sistema deveria purgar os blocos antigos de raciocínio uma única vez por meio do cabeçalho clear_thinking. Em vez de uma limpeza pontual, a flag de serviço permaneceu ativa até o encerramento da sessão.

A partir da segunda requisição, o Claude Code descartava a cadeia de raciocínio a cada etapa. Se o usuário enviasse um comando durante a execução de ferramentas, o modelo perdia instantaneamente o motivo de suas ações anteriores. O resultado foram loops cíclicos, edições inconsistentes e consumo descontrolado de limites de uso devido a frequentes falhas de cache (cache misses).

Principais métricas e cronologia do incidente:

• 4 de março — transição do reasoning effort padrão para medium para reduzir travamentos de interface;
• 26 de março — implementação da otimização de cache com o bug crítico de reset contínuo do contexto de raciocínio;
• 10 de abril — liberação do hotfix v2.1.101, eliminando a perda de memória do agente em sessões longas;
• 16 de abril — aplicação de limite rígido no prompt de sistema (até 25 palavras entre chamadas de ferramentas e até 100 palavras na resposta final);
• 20 de abril — reversão da diretriz de prompt após identificar queda de 3% de precisão em testes ampliados e lançamento da v2.1.116;
• Configurações impactadas — Claude Sonnet 4.6, Opus 4.6 e Opus 4.7 em ambientes de cliente.

Prompt de sistema restritivo e quebra de coerência

O terceiro elemento foi uma tentativa de restringir artificialmente a prolixidade do novo Opus 4.7. Durante a preparação do lançamento de 16 de abril, a equipe adicionou regras rígidas ao prompt de sistema: no máximo 25 palavras de explicação entre chamadas de ferramentas e teto de 100 palavras para a resposta definitiva. Os testes internos antes do lançamento não acusaram regressões, mas estudos retrospectivos de ablação em larga escala constataram uma queda de 3% na qualidade global em dois modelos topo de linha. Constrangido, o modelo deixou de analisar soluções de arquitetura com profundidade e descartou explicações contextuais indispensáveis em refatorações complexas de múltiplos estágios.

O post-mortem da Anthropic evidencia a vulnerabilidade do arranjo entre ferramentas de agentes, cache e instruções de sistema. Tentativas veladas de enxugar custos de inferência com corte de contexto e limites de raciocínio fatalmente quebram a lógica autônoma dos agentes. Desenvolvedores com projetos próprios baseados em LLMs precisam rever as estratégias de monitoramento: benchmarks sintéticos deixam passar regressões críticas se os testes ignorarem o acúmulo de erros de memória em fluxos reais de múltiplos passos.