METR explica como a IA se aproxima da execução autônoma de tarefas complexas de quase 12 horas
Na Bloomberg, a METR explicou por que o mercado de IA olha cada vez menos para respostas bem elaboradas e cada vez mais para a capacidade dos modelos de concluir tarefas complexas sem um humano. Pela estimativa da organização, o Claude Opus 4.6 está se aproximando de um nível em que um agente consegue lidar com tarefas que levariam quase 12 horas para um especialista qualificado. É uma mudança importante para os sistemas agênticos e para a avaliação de seus riscos.
Processado por IA de Bloomberg Tech; editado por Hamidun News
Em um vídeo da Bloomberg Tech, baseado no episódio do podcast Odd Lots de 25 de abril de 2026, representantes da organização de pesquisa METR explicaram que a questão central sobre IA não é mais se um modelo consegue responder a um pedido, mas por quanto tempo ele é capaz de sustentar sozinho uma tarefa complexa de várias etapas. Pela estimativa deles, o Claude Opus 4.6 está se aproximando de um nível em que um agente pode, com probabilidade considerável, concluir um trabalho que levaria quase 12 horas para um humano.
A METR, sigla de Model Evaluation and Threat Research, mede até onde os modelos de ponta avançaram no trabalho autônomo. O presidente da organização, Chris Painter, e o pesquisador Joel Becker não discutiram os benchmarks comuns de conhecimento factual, mas tarefas em que o modelo precisa planejar, usar ferramentas, escrever e verificar código, corrigir erros e chegar a um resultado sem dicas constantes de uma pessoa. É esse modo que importa para avaliar a utilidade real dos sistemas agênticos e os riscos associados.
A métrica principal da METR é o time horizon (horizonte de tempo). Ele não é o tempo que a IA passa em uma tarefa, mas a dificuldade da tarefa, medida pelo tempo que um humano qualificado levaria para executá-la. No painel oficial da METR, essa estimativa é construída a partir de mais de uma centena de tarefas de desenvolvimento, aprendizado de máquina e segurança cibernética. Para cada modelo, os pesquisadores fazem várias execuções independentes, comparam o resultado com referências humanas e então traçam uma curva de probabilidade de sucesso.
O processo em si leva não horas, mas pelo menos uma ou duas semanas de calendário, porque a equipe precisa ajustar um ambiente de execução funcional, investigar falhas, descartar tentativas de burlar a avaliação e rechecar manualmente as execuções contestadas.
Se um modelo tem horizonte de 50% de algumas horas, isso significa que ele resolve tarefas dessa dificuldade em cerca de metade dos casos. Por isso o número de quase 12 horas para o Claude Opus 4.6 soa bem mais sério do que mais um recorde em testes. Não se trata de uma resposta bonita no chat, mas da capacidade de manter o contexto, dividir o trabalho em etapas e não desmoronar após a primeira falha.
Na atualização de janeiro, Time Horizon 1.1, a METR também escreveu que, historicamente, o horizonte de capacidades dos modelos de ponta dobrou aproximadamente a cada sete meses, e que nas medições de modelos posteriores a 2023 o ritmo parecia ainda maior.
Ainda assim, a própria METR alerta que esses números não podem ser traduzidos diretamente em prontidão para substituir um humano em qualquer trabalho intelectual. O conjunto de tarefas deles consiste principalmente em casos de engenharia e pesquisa bem especificados, com verificação clara do resultado. No trabalho real há muito mais contexto oculto, comunicação e critérios de sucesso ambíguos.
Da discussão sai outra conclusão. Quando se diz que as IAs começam a trabalhar juntas, na prática isso significa cada vez mais uma combinação de modelo, ferramentas e circuito de controle, e não apenas um segundo chatbot na janela ao lado. Os sistemas agênticos atuais já sabem acionar editores de código, rodar testes, buscar informações e passar resultados intermediários para a etapa seguinte. Quanto maior o horizonte de trabalho autônomo do modelo base, mais úteis ficam essas cadeias e mais difícil é para uma pessoa manter controle total sobre cada ação.
Por isso a METR vê o crescimento do horizonte não só como progresso de produto, mas também como sinal para avaliar riscos, incluindo cenários em que os sistemas recebem autonomia demais.
O sentido prático dessa discussão é que o mercado de IA vai deslocando o foco da comparação de respostas para a comparação de autonomia de trabalho. Para as empresas, a questão é quais processos já podem ser entregues a agentes. Para os desenvolvedores de modelos, é a rapidez com que cresce a capacidade real dos sistemas de concluir tarefas longas. E para reguladores e pesquisadores de segurança, é um indicador precoce do momento em que a conversa sobre IA autônoma deixa de ser teoria e se torna realidade operacional.
- 20 de nov. de 2026GitLab conecta o Claude Code aos agentes Duo com uma única skill: 4 cenários direto do terminal
- 20 de nov. de 2026GitLab faz os créditos do Duo Agent Platform durarem até 2 vezes mais
- 20 de nov. de 2026Anthropic faz IPO recorde: levanta US$ 81,34 bilhões com avaliação de US$ 1,5 trilhão
- 20 de nov. de 2026Superhuman abre o Go a 20 agentes de terceiros, e o assistente já tem 1 milhão de usuários
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.