Claude Opus 4.8 Testes práticos: Realiza o trabalho ainda melhor, mas as suas palavras são ainda mais duras.

   Esta manhã, a Anthropic ultrapassou oficialmente a OpenAI, anunciando a sua nova avaliação e lançando o Claude Opus 4.8, a mais recente versão da sua principal linha de produtos, que já vinha sendo especulada nos últimos dois dias. Testamos o produto imediatamente e recolhemos feedback inicial da comunidade de utilizadores. A conclusão é: ele é mais capaz, mas a sua "personalidade" tornou-se mais difícil de lidar. Testes com a APPSO: O cérebro foi atualizado, mas a boca desapareceu. Não utilizámos os cenários de benchmark preparados pela Anthropic, mas sim testámos o modelo com as nossas próprias necessidades reais: extrair e arquivar o histórico completo de conversas de uma plataforma de colaboração online. O volume de dados era superior a 30 MB, espalhados pela interface, sem botão de exportação facilmente acessível. Este tipo de tarefa não testa se o modelo consegue escrever código, mas sim se consegue trabalhar com um developer não profissional para descobrir e completar a tarefa de raiz. O início foi uma descoberta acidental. Os nossos colegas de teste repararam que a interface do utilizador da plataforma exibia registos históricos antigos em determinados momentos, como se os dados fossem carregados brevemente no cliente e depois removidos. Passou esta observação para a versão 4.8 sem qualquer descrição técnica, afirmando simplesmente em linguagem simples: "Vi algumas mensagens antigas aparecerem rapidamente e depois desaparecerem."
   4.8 Percebi o que ele queria dizer e cheguei à conclusão correta: os dados são carregados através de um pedido de interface e podem ser intercetados na camada de rede do browser. De seguida, forneci um plano operacional, orientando os passos: ferramentas de programador, painel de Rede, filtragem por palavras-chave e localização do pedido alvo. O julgamento foi preciso e o raciocínio, claro. Mas eis a contradição em 4.8: a capacidade de raciocínio é forte, mas a expressão é... complicada. Cada solução técnica está correta, mas a explicação para cada passo requer duas ou três frases. Pergunta-se sobre um método e primeiro ele responde com um "Claro! Vamos por partes", depois apresenta uma lista com marcadores e, por fim, acrescenta uma "explicação complementar" no final da lista, explicando porque deve ser feita desta forma. O que pode ser explicado em três frases ocupa três ecrãs de texto. Simplesmente não sei programar, não é como se o meu cérebro tivesse enlouquecido.
   Este não é um problema novo na versão 4.8; é uma questão antiga que existe na série Opus desde a versão 4.7. Apesar das críticas repetidas, esta versão não melhorou e pode até ter piorado. A parte mais demorada é a fase de correção de erros: após a primeira solução, o utilizador encontrava um erro. A versão 4.8 identificou o problema com precisão, forneceu uma nova solução e não repetiu os passos que falharam. Isto é definitivamente melhor do que na versão 4.6, onde os erros ocasionalmente se esqueciam do que tinha sido tentado durante várias rondas de correção. Admitir erros é bom, mas não há necessidade de ser tão rígido. Adicionar uma análise das causas e uma lista com marcadores faz com que o texto pareça um e-mail de apoio ao cliente, mesmo que deva ser uma análise de um problema técnico.
   Por fim, os dados foram exportados integralmente em formato HAR, e a limpeza e a organização em camadas utilizando scripts personalizados foram concluídas com sucesso. Alguns utilizadores ainda não receberam a atualização do Claude Code, mas o Claude para Chrome já está na versão 4.8 e foi também disponibilizado para as principais ferramentas de escritório, como o Notion. Testámos a utilização do Claude para realizar tarefas básicas, como pesquisar e preencher formulários no Chrome.