Em um ano, o Claude Code saiu de uma beta sem plan mode para um milhão de tokens de contexto e 9 subagentes

O mercado de ferramentas de IA para desenvolvimento mudou em um ano mais rápido do que muitos esperavam. O que em março de 2025 parecia uma beta crua se transformou, até a primavera de 2026, em sistemas agênticos com contexto de um milhão de tokens, subagentes e uma economia de uso muito mais barata.

Da beta à plataforma

Em março de 2025, o Claude Code era uma beta e, segundo o autor da análise, nem sequer sabia trabalhar em plan mode. Isso importa não como crítica a um recurso isolado, mas como marcador de maturidade de toda a categoria. Naquele momento, a programação com IA ainda era vista como ajudante para trechos de código: sugerir, completar, corrigir um teste. O cenário em que a ferramenta primeiro monta um plano, depois distribui o trabalho entre vários executores e mantém um contexto grande ainda não era a norma.

No ano seguinte, o quadro mudou radicalmente. O Claude Code ganhou contexto de um milhão de tokens e nove subagentes, e ao seu lado cresceu uma classe inteira de ferramentas CLI que simplesmente não existiam no início do período: o Codex CLI, por exemplo, ainda não existia. Isso mostra a rapidez com que o ambiente de IA do desenvolvedor passou do autocompletar pontual para um trabalho de engenharia semiautônomo, em que o modelo não só gera código, mas também ajuda a organizar o processo.

Os números do ano

As mudanças mais reveladoras aparecem nos números. O autor reuniu dados de um ano e chegou a um quadro em que crescem não só as capacidades dos modelos, mas também a escala do negócio em torno delas. Se no início do período o melhor modelo resolvia cerca de 65% das tarefas do SWE-bench, depois o mercado passou a avançar em vários eixos ao mesmo tempo: qualidade, contexto, custo e capacidade agêntica. É a combinação desses fatores que torna a mudança sistêmica, e não uma atualização local de alguns produtos.

• O Claude Code saiu de uma beta sem plan mode para um modo com contexto de um milhão de tokens
• O número de subagentes subiu para 9, o que muda a própria abordagem de decomposição de tarefas
• As janelas de contexto das principais ferramentas incharam cerca de 5 vezes em um ano
• O preço do código frontier caiu cerca de 16 vezes, reduzindo a barreira de entrada para as equipes
• O Cursor, segundo os dados da análise, chegou a US$ 2 bilhões em receita

Juntas, essas métricas mostram que o mercado avança em duas direções ao mesmo tempo. De um lado, os modelos ficam mais fortes e sustentam melhor uma cadeia longa de engenharia. De outro, o acesso a essas capacidades fica mais barato, e os cenários agênticos chegam mais rápido não só aos grandes laboratórios, mas também a equipes de produto comuns. Um ano atrás, essa combinação estava disponível principalmente para os primeiros adotantes e grupos de pesquisa.

O salto agêntico

O sinal mais forte não é nem o milhão de tokens nem o barateamento dos modelos, mas a passagem ao trabalho agêntico em massa. O Cursor, se os dados citados forem confiáveis, já roda mil agentes em paralelo. Isso muda não só a velocidade do desenvolvimento, mas a estrutura do próprio trabalho: parte das tarefas já não é resolvida por um único chat com o modelo, e sim por um enxame de executores especializados que pesquisam, escrevem, testam e conferem o resultado em paralelo.

Destaca-se ainda um caso em que um sistema assim escreveu um navegador em uma semana, sem participação humana. Mesmo que seja visto como demonstração de um cenário extremo, e não como processo padrão para qualquer equipe, a conclusão continua dura: o desenvolvimento com IA deixa de ser uma ferramenta para acelerar engenheiros individuais e começa a competir com a organização habitual de ciclos de produto inteiros. Nesse contexto, o papel humano se desloca para definir tarefas, verificar a qualidade e escolher os limites arquiteturais.

O que isso significa

Entre março de 2025 e a primavera de 2026, a programação com IA passou do modo «assistente útil» para o modo «sistema operacional para desenvolvimento». Para as equipes, isso significa duas coisas: o custo de experimentar cai, e as exigências de velocidade na tomada de decisão sobem. Se a tendência se mantiver, vencerão não os que apenas têm acesso a um modelo, mas os que aprenderem mais rápido a gerenciar agentes, contexto e verificação de resultados.