Claude Mythos é só para Big Tech, CaveMan economiza três vezes mais tokens

A Anthropic lançou o Claude Mythos, um modelo criado para caçar vulnerabilidades em infraestrutura open-source. No benchmark SWE-bench Pro, ele atinge 77,8%, contra 53,4% do Opus. Mas o modelo não terá acesso público: a Anthropic justifica o fechamento alegando que o Mythos encontra exploits bem demais, mesmo sem conhecimento especializado.

Em vez de um lançamento público, a Anthropic criou um consórcio chamado Project Glowswing. Fazem parte dele AWS, Google, Microsoft, Nvidia, Cisco e Apple. As empresas do consórcio recebem acesso para verificar seus próprios sistemas e escrever patches. A Anthropic já identificou dezenas de bugs reais no Linux e no FFmpeg.

O paradoxo da segurança pela abertura

A situação lembra 2019, quando a OpenAI anunciou o GPT-2 e disse que não publicaria a versão completa por ser perigosa demais. Depois acabaram publicando mesmo assim, e a decisão parece risível hoje em dia. Daqui a alguns anos, a história do Mythos provavelmente vai se repetir: o avanço tecnológico supera as restrições de acesso.

CaveMan: três vezes mais eficiente

A economia de tokens apareceu no CaveMan, uma skill para o Claude Code que força o agente a responder da forma mais sucinta possível: sem artigos, sem introduções, sem preâmbulos de cortesia. O projeto já acumulou mais de 16.000 estrelas no GitHub.

Segundo os testes do repositório: uma resposta que antes ocupava 69 tokens agora ocupa 19 — uma economia de três vezes. O mecanismo é simples: a maior parte dos tokens na resposta de um agente é enchimento educado, não conteúdo real. Tire o enchimento e você obtém o mesmo resultado por menos dinheiro. O autor adicionou vários níveis de intensidade, incluindo um modo em chinês, em que a escrita logográfica é mais compacta em tokens do que o alfabeto latino.

Prática contra teoria

Um engenheiro do Google enfrentou o problema oposto: usou agentes de IA para desenvolver ferramentas de desenvolvimento para o SQLite praticamente sem supervisão. O resultado: a base de código ficou impossível de manter. Ele jogou fora três meses de trabalho e reescreveu tudo do zero em modo de programação em par com o agente, com controle ativo em cada etapa.

Para desenvolvedores Java, a State of Java — pesquisa anual da JPoint e da Joker — já está aberta. A pesquisa cobre versões do Java, frameworks, ferramentas de desenvolvimento, estratégias de deploy e ferramentas de IA para desenvolvimento (novidade deste ano). No ano passado, Kirill Tolkachev apresentou os resultados em uma palestra, incluindo casos em que desenvolvedores escolheram tecnologias que nem existem.

Vale destacar uma ferramenta de Milla Jovovich para memória de longo prazo de agentes. O agente mantém o contexto de conversas anteriores e não exige explicações repetidas. Ela atingiu 100% no benchmark SWE. O interessante não é a ferramenta em si, mas o precedente: antes celebridades lançavam bebidas energéticas e salgadinhos, agora lançam repositórios open-source com benchmarks críticos.