🔍Claude Code admite o erro e publica o post-mortem
Nos últimos 30 dias, muita gente reclamou que o Claude Code tinha piorado. A Anthropic investigou, encontrou três problemas - e fez o que pouca empresa faz: publicou um post-mortem detalhado. --- O ponto mais importante: os modelos em si não regrediram. Os bugs estavam no Claude Code e no Agent SDK (a camada que conecta o modelo à ferramenta de programação). O Cowork, que roda sobre o mesmo SDK, também foi afetado. Todos os problemas já foram corrigidos na versão 2.1.116+. --- E um gesto que conta: a Anthropic resetou os limites de uso de todos os assinantes. Boris Cherny, líder do Claude Code, publicou a análise pessoalmente. Transparência assim gera confiança - e diferencia quem trata usuário como parceiro de quem trata como cliente passivo.
We've been looking into recent reports around Claude Code quality issues, and just published a post-mortem on what we found.
— @bcherny View on X
A Anthropic publicou um post-mortem técnico detalhado sobre as falhas de qualidade recentes no Claude Code. A análise confirma que os modelos de linguagem (LLMs) não sofreram degradação de performance, mas sim bugs na camada de integração entre o modelo e a ferramenta de desenvolvimento. Todas as falhas foram corrigidas na versão 2.1.116+, e a empresa resetou os limites de uso de todos os assinantes afetados.
O contexto: regressão percebida vs. realidade técnica
Nos últimos 30 dias, desenvolvedores reportaram queda consistente na qualidade das sugestões de código e na precisão das respostas do Claude Code. A reclamação recorrente sugeria que os modelos Claude 3.5 Sonnet ou Opus tinham "piorado" com o tempo — um fenômeno conhecido como model drift que afeta alguns sistemas de IA.
A investigação interna, conduzida pela equipe técnica liderada por Boris Cherny, revelou três problemas distintos:
- Falhas no processamento de contexto no Agent SDK, a camada de abstração que conecta os modelos Claude às interfaces de programação
- Bugs específicos na pipeline de execução do Claude Code, afetando a interpretação de comandos complexos
- Instabilidade compartilhada com o Cowork, ferramenta que utiliza a mesma base técnica do SDK
A diferença entre modelo e interface
O ponto crítico do post-mortem é a distinção técnica entre o core dos LLMs e o tooling de implementação. Enquanto os pesos do modelo e sua capacidade de raciocínio permaneceram estáveis, a camada de orquestração — responsável por gerenciar contexto, ferramentas e execução — apresentou regressões que degradaram a experiência do usuário final.
Essa distinção importa para arquitetos de software e tech leads brasileiros que estão integrando IA generativa em pipelines de desenvolvimento. Demonstra que falhas em sistemas de IA nem sempre residem nos modelos fundamentais, mas frequentemente na engenharia de conexão entre o modelo e o ambiente de execução.
Transparência como diferencial competitivo
A publicação pessoal de Cherny e o detalhamento técnico das falhas estabelecem um precedente no mercado de coding assistants. O reset dos limites de uso reconhece explicitamente que downtime em ferramentas de produtividade tem custo real para devs e empresas.
Para o ecossistema brasileiro, onde soluções como Claude Code, GitHub Copilot e Cursor competem pela adoção em startups e fintechs, o gesto sinaliza maturidade operacional. Vendors que tratam regressões como incidentes de infraestrutura — com comunicação clara, correção rápida e compensação aos usuários — diferenciam-se daqueles que minimizam falhas ou mantêm usuários como receptores passivos de atualizações.