Verificação de código de IA com matemática fica mais barata: Opus 5.5 usa 40% menos tokens
Testes e revisões não garantem que o código gerado por IA esteja livre de erros ocultos. A verificação formal oferece essa garantia: a IA escreve uma prova matemática, e o programa Lean confere cada passo. Antes, isso era caro demais. Segundo a Anthropic e a Theorem, porém, o Opus 5.5 resolveu 50% de 36 tarefas pequenas de verificação e gastou 40% menos tokens que o Opus 5. Para quem desenvolve, vale aprender a formular com precisão os requisitos do código.
Processado por IA de Latent Space (swyx); editado por Hamidun News
Cada vez mais código é escrito por agentes de IA, e com ele cresce o “slop”, como se chama em 2026 a saída crua e de baixa qualidade de um modelo de linguagem. Imagine: um agente escreveu uma função de cópia de dados, os testes passaram, a revisão foi aprovada. Mas não há certeza de que não sobrou um caso raro em que a função ultrapassa os limites de um array e abre uma brecha de segurança.
Testes não dão essa certeza. A verificação formal, ou seja, a prova matemática de que um programa está correto, dá. Antes, isso ficava a cargo de poucos especialistas; agora, a IA e a linguagem Lean automatizam boa parte do trabalho.
Se você confia cada vez mais código a agentes, o assunto afeta diretamente o seu dia a dia.
Em que a prova difere dos testes
Clark Barrett é cofundador e co-CEO da startup &Truth (lê-se “and truth”), professor em Stanford e um dos criadores do cvc5. Trata-se de um solucionador de problemas de satisfatibilidade módulo teorias (SMT): um programa que descobre automaticamente se uma condição definida pode ser violada. Segundo Barrett, a Amazon usa amplamente esse tipo de ferramenta. O cvc5, por exemplo, ajuda a analisar especificações e a gerar testes no Kiro, o ambiente de desenvolvimento agêntico da Amazon. “É gratificante ver minhas ferramentas saírem de uma boa ideia no laboratório e chegarem a bilhões de chamadas por dia nos pipelines de produção da Amazon”, disse ele.
Quando empresas dizem que um agente “verifica” o próprio trabalho, em geral isso significa que ele roda testes, critica o próprio resultado ou pede a outro modelo que o avalie. Para Barrett, a principal diferença está em como saber que o trabalho terminou. Testes, patches e scanners encontram muitos problemas, mas não dão certeza de que não restou mais um bug que a ferramenta simplesmente não enxerga.
A prova funciona de outro jeito. Você formula um requisito preciso, por exemplo “a função nunca acessa posições fora do array”, e recebe a garantia de que ele vale para quaisquer dados de entrada, não só para os que foram testados. Quem confere a prova é o Lean, uma linguagem de programação aberta e um sistema de verificação de provas. “O Lean apenas verifica se você não errou”, explicou Barrett. “É um revisor muito sofisticado para matemática.” Por isso, não importa que a prova tenha sido inventada por uma IA: se o Lean a aceitou, dá para confiar nela.
Quem está construindo essas ferramentas
- &Truth. Estreante que monta uma “máquina de verificação” baseada em Lean. O objetivo é ler código em qualquer linguagem, provar que ele atende a requisitos formulados com precisão e permitir que as pessoas confiem nele sem ler cada linha. O primeiro produto é o &Atlas, um “mapa do código open source mundial”, começando pela linguagem C. O principal caso de uso, segundo Barrett, é percorrer todo o código C, aberto e fechado, verificar a segurança no uso da memória e apontar exatamente o que precisa ser corrigido.
- Harmonic. O Aristotle, da empresa, é um provador automático de teoremas. A Harmonic afirma que a IA cria as provas e o Lean confere cada passo, de modo que o resultado não depende de a IA estar certa.
- Axiom Math. Desenvolve o AxiomProver, um sistema de IA que escreve provas em Lean, e o AXLE, um conjunto de ferramentas para estudá-las, verificá-las e transformá-las. A empresa também usa a verificação no treinamento: as tentativas de prova dão aos modelos um retorno sobre a correção. Em entrevista ao Latent Space em junho, Carina Hong, líder da Axiom, disse que, para a empresa, isso não é apenas uma defesa contra alucinações, mas também um caminho para a superinteligência.
- Theorem. Aposta em segurança: “a verificação é a única defesa que funciona enquanto os adversários escalam”. Junto com a Anthropic, a empresa publicou um texto sobre como os LLMs tornam a verificação formal de software viável em escala muito maior. A abordagem da Anthropic nesse texto não se baseia no Lean, mas em outro sistema de provas, o Rocq.
Para contextualizar: segundo a Vals, nesta semana o GPT-6.2 Astra produziu, ao que tudo indica, a primeira prova em Lean do Smoktunowicz's Gap Theorem. A Vals também afirma que a Anthropic formalizou o último teorema de Fermat, num projeto de 13 milhões de linhas. Por fim, de acordo com relatos, o matemático da Anthropic Levent Alpöge declarou ter provado com o Claude a hipótese de Riemann, de 167 anos, e publicou a prova em Lean. São declarações, não resultados confirmados pela comunidade, mas mostram do que os modelos são capazes.
Quanto custa e o que muda no trabalho
A principal limitação é o preço. A verificação formal consome muitos tokens. Mas o texto conjunto da Theorem e da Anthropic traz um número animador: em 36 tarefas pequenas de verificação, o Opus 5.5 chegou a 50% de resolução gastando cerca de 40% menos tokens que o Opus 5. Os autores esperam que a tendência se mantenha quando os modelos forem treinados em tarefas longas de verificação. A ressalva é importante: trata-se de tarefas pequenas, não de grandes bases de código industriais.
A &Truth propõe trocar o “vibe coding” pelo “veri-coding”, em que a verificação faz parte do processo. O desenvolvedor continua dizendo ao agente o que construir, mas antes refina a especificação junto com ele. Depois, o agente trabalha com a ferramenta de verificação e, segundo Barrett, o código deve funcionar de primeira. O tempo humano passa a ser gasto mais em escrever e revisar especificações, e menos em escrever e revisar código.
Conclusão prática: se os agentes escrevem cada vez mais por você, o seu trabalho é dizer com precisão o que significa “correto”. Vale começar já a treinar a formulação de requisitos. E também é útil acompanhar o &Atlas, o Aristotle e o AxiomProver: pelas declarações das empresas, a primeira área a se beneficiar será a segurança de código crítico em C.
- 20 de nov. de 2026Nvidia investiu US$ 58,1 bilhões em outras empresas em 9 meses, 12 vezes mais que um ano antes
- 20 de nov. de 2026Valor de mercado da Anthropic no IPO passa de US$ 2 trilhões — 3,5 vezes o mercado de ações da Rússia
- 20 de nov. de 2026METR atualiza o famoso gráfico de IA: o tamanho das tarefas dobra a cada 4 meses, mas o julgamento ainda falha
- 20 de nov. de 2026Claude deriva em seis semanas o limite exato c/9,1266 na física de buracos negros
Perguntas frequentes sobre a notícia
O que se sabe sobre Em que a prova difere dos testes?
Clark Barrett é cofundador e co-CEO da startup &Truth (lê-se “and truth”), professor em Stanford e um dos criadores do cvc5. Trata-se de um solucionador de problemas de satisfatibilidade módulo teorias (SMT): um programa que descobre automaticamente se uma condição definida pode ser violada. Segundo Barrett, a Amazon usa amplamente esse tipo de ferramenta. O cvc5, por exemplo, ajuda a analisar especificações e a gerar testes no Kiro, o ambiente de desenvolvimento agêntico da Amazon.
O que se sabe sobre Quem está construindo essas ferramentas?
&Truth. Estreante que monta uma “máquina de verificação” baseada em Lean. O objetivo é ler código em qualquer linguagem, provar que ele atende a requisitos formulados com precisão e permitir que as pessoas confiem nele sem ler cada linha. O primeiro produto é o &Atlas, um “mapa do código open source mundial”, começando pela linguagem C. O principal caso de uso, segundo Barrett, é percorrer todo o código C, aberto e fechado, verificar a segurança no uso da memória e apontar exatamente o que precisa ser corrigido.
O que se sabe sobre Quanto custa e o que muda no trabalho?
A principal limitação é o preço. A verificação formal consome muitos tokens. Mas o texto conjunto da Theorem e da Anthropic traz um número animador: em 36 tarefas pequenas de verificação, o Opus 5.5 chegou a 50% de resolução gastando cerca de 40% menos tokens que o Opus 5. Os autores esperam que a tendência se mantenha quando os modelos forem treinados em tarefas longas de verificação. A ressalva é importante: trata-se de tarefas pequenas, não de grandes bases de código industriais.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.