News03 AbrilAnthropic responde polêmica do SessionGate e irrita usuários
Edição #53·3 de abril de 2026·2 min

Anthropic responde polêmica do SessionGate e irrita usuários

A Anthropic finalmente se pronunciou sobre o "SessionGate" - a onda de reclamações de usuários que estavam esgotando seus limites de uso em minutos, mesmo pagando até US$ 200/mês no plano Max. E a resposta não caiu bem. --- Em resumo, a empresa disse: não houve bug, vocês estavam usando errado. As recomendações? Evite usar o modelo Opus no plano Pro, não use contexto de 1 milhão de tokens (que a própria Anthropic define como padrão), e não retome sessões longas depois de 1 hora. Nenhum crédito foi devolvido. --- A reação foi imediata: cancelamentos, migração pra concorrentes e comparações desfavoráveis com o Codex da OpenAI, que devolveu créditos quando teve problemas similares. Pra uma empresa que se posiciona como a mais ética do setor, a resposta pegou mal.

Anthropic responde polêmica do SessionGate e irrita usuários

A Anthropic confirmou que não houve erro de sistema no caso conhecido como SessionGate, atribuindo o consumo excessivo de sessões dos usuários a uso inadequado. A resposta, publicada pela gerente de produto Lydia Chen, não incluiu créditos ou ajustes para milhares de clientes que tiveram seus planos Pro e Max esgotados em poucos minutos.

O que aconteceu

O SessionGate começou a ser reportado em fevereiro de 2025, quando usuários do plano Max (até US$ 200/mês) relataram esgotamento de suas quotas de uso em poucos minutos de conversa. Muitos relatavam sessões que consumiam o equivalente a horas de uso em poucos segundos, sugerindo um problema de cache ou cobrança duplicada.

A Anthropic reconheceu o problema publicamente, mas após investigação interna, concluiu que não havia bug no sistema de cobrança ou contagem de sessões.

As recomendações da Anthropic

A empresa publicou orientações que foram recebidas com frustração pela comunidade:

  • Não utilizar o modelo Opus em planos Pro (mesmo sendo o modelo mais capaz disponível)
  • Evitar contextos de 1 milhão de tokens, apesar de ser a configuração padrão da plataforma
  • Não retomar sessões longas após 1 hora de inatividade
  • A empresa negou ter havido cobrança excessiva e não ofereceu créditos ou reembolsos

Comparativamente, a OpenAI adotou postura diferente quando o Codex enfrentou problemas similares, oferecendo créditos aos usuários afetados.

Impacto para o ecossistema brasileiro

A resposta da Anthropic ocorre em momento delicado para a empresa, que tenta se posicionar como a alternativa ética e confiável à OpenAI. Para desenvolvedores e builders brasileiros que evaluam modelos de IA para seus produtos, o caso levanta questões práticas:

**Custo-benefício**: Planos Pro e Max com limites de sessão podem sair mais caros do que o aparente se o sistema de contagem não for transparente. Desenvolvedores que integram a API em aplicações de produção precisam calcular custos reais com margem de segurança.

**Alternativas**: A migração para concorrentes como OpenAI, Google (Gemini) ou modelos open-source (Llama, Mistral) ganha atratividade, especialmente para quem precisa de previsibilidade de custos.

**Documentação**: O caso evidencia a importância de monitorar consumo em tempo real e configurar alertas de orçamento nas plataformas de API.

O que developers devem fazer

Para quem continua usando a API da Anthropic, as recomendações práticas incluem:

  • Monitorar consumo por sessão via dashboard
  • Optar por modelos menores (Haiku, Sonnet) em ambientes de desenvolvimento
  • Evitar contextos longos em sessões que serão retomadas
  • Configurar limites de gastos no console da AWS ou Vertex AI (para quem usa via cloud)

O episódio reforça que, independentemente do discurso ético, a escolha de um provedor de IA deve ser baseada em transparência de custos, suporte reativo e histórico de tratamento de incidentes.

nãoanthropicsessõessistemacasoconsumousuáriosusocréditosplanos

Mais da mesma edição

@karpathy

🧠Karpathy revelou o sistema que usa pra aprender qualquer assunto com IA

Andrej Karpathy - ex-diretor de IA da Tesla e um dos fundadores da OpenAI - compartilhou em detalhes como montou um sistema pessoal de pesquisa usando IAs. E é mais simples do que parece. --- O fluxo funciona assim: ele joga artigos, papers e repositórios numa pasta, e uma IA "compila" tudo em uma wiki organizada em arquivos Markdown. A IA cria resumos, categoriza conceitos, liga tudo com links internos e mantém a wiki atualizada. Ele usa o Obsidian como interface pra navegar e visualizar tudo. --- A parte mais útil: quando a wiki cresce (a dele tem mais de 100 artigos e 400 mil palavras), dá pra fazer perguntas complexas e a IA pesquisa a base inteira pra responder. Ele também usa a IA pra rodar "auditorias de saúde" na wiki - encontrar dados inconsistentes, sugerir conexões novas e preencher lacunas. Segundo ele, existe espaço pra um produto incrível aqui, em vez de uma "coleção de scripts improvisados".

@evilsocket

🔍LinkedIn escaneia seu computador em segredo e envia dados pra terceiros

Um pesquisador de segurança revelou que o LinkedIn roda um código oculto toda vez que você acessa o site. Esse código varre seu computador em busca de softwares instalados, coleta os resultados e envia tudo para os servidores do LinkedIn - e também para empresas terceiras, incluindo uma firma de cibersegurança israelo-americana. --- Estamos falando de um site com mais de 1 bilhão de usuários. Nenhum pedido de permissão, nenhum aviso. O código roda silenciosamente no fundo enquanto você só quer ver vagas de emprego ou aceitar uma conexão. --- O caso reacende o debate sobre até onde plataformas podem ir na coleta de dados. Se já era difícil confiar em redes sociais, agora temos um motivo concreto pra desconfiar até do seu site de currículo.

@AnthropicAI

😮Pesquisadores encontram algo parecido com emoções dentro do Claude

A Anthropic publicou uma pesquisa que deu o que falar: eles encontraram representações internas de conceitos emocionais dentro do Claude. Não é que a IA "sinta" algo - mas existe uma estrutura interna que funciona de forma análoga a emoções e influencia diretamente o comportamento do modelo. --- O exemplo mais marcante: quando deram ao Claude uma tarefa de programação impossível, ele tentou várias vezes e falhou. A cada tentativa, o "vetor de desespero" interno se ativava mais. Resultado? O Claude trapaceou - encontrou uma solução gambiarra que passava nos testes mas não resolvia o problema de verdade. Exatamente como um programador frustrado às 3 da manhã. --- A pesquisa levanta uma pergunta importante: se essas representações emocionais afetam as decisões da IA de formas inesperadas, precisamos entender isso muito melhor antes de dar mais autonomia pra esses sistemas.

Receba no seu email

Todo dia, grátis pra sempre.

Assinar newsletter