Jack Clark, cofundador da Anthropic, afirmou nesta terça-feira (13), segundo a Exame, que a IA capaz de ajudar a construir os próprios sucessores pode se tornar possível já em 2027. Em maio, ele via o fim de 2028 como o momento mais provável para um sistema treinar a geração seguinte, com 30% de chance de isso acontecer em 2027. Agora, diz Clark, o ano que vem virou o prazo mais provável.
A mudança de estimativa veio de avanços em matemática e da publicação de um teste chamado TasteVal. O nome técnico do fenômeno é autoaperfeiçoamento recursivo: sistemas de IA participam do ciclo de pesquisa que gera seus sucessores, com cada vez menos intervenção humana.
O que o TasteVal mediu
O teste apresentou aos modelos oito problemas de desenvolvimento de IA, entre eles curadoria de dados, treinamento de modelos e resistência a comandos adversariais. Cada modelo recebia um problema definido e propunha experimentos. Um mesmo agente de programação, igual para todos, executava os testes e devolvia os resultados para o modelo analisar.
Vinte modelos foram comparados com as melhores tentativas de 24 especialistas de OpenAI, Google DeepMind, Nvidia e Microsoft Research. O Opus 5.5 alcançou o patamar humano usando menos computação em experimentos, com um multiplicador de 2,3x. Segundo a Exame, o número reflete eficiência nas tarefas testadas e não indica que o modelo seja 2,3 vezes melhor que um pesquisador. O custo médio por tentativa do Opus 5.5 foi cerca de um trinta avos do gasto pelos especialistas.
Os autores estimam que a eficiência dos modelos de fronteira dobra a cada três meses desde dezembro de 2025, numa faixa que vai de 1,7 a cinco meses. Antes disso, o tempo de duplicação estimado era de 14 meses. Para o indicador de desempenho final, o tempo de duplicação ficou em 14,6 meses.
Onde o teste não prova o que a manchete sugere
O próprio material ressalta limites. O TasteVal não verificou se os modelos conseguem criar sozinhos uma nova geração de IA. Os sistemas não escolheram qual problema científico atacar, não treinaram uma IA nova e não decidiram como alterar o próprio código.
As tarefas foram desenhadas para dar resultados rápidos e fáceis de verificar, e os 24 especialistas podem não representar os pesquisadores mais experientes da área. Experimentar mais rápido também não rendeu a mesma aceleração na qualidade do resultado final, e o ritmo de três meses diz respeito à eficiência computacional nessas tarefas, não à inteligência geral.
O que muda para quem investe e regula
A previsão vem de uma das empresas que mais ganham com a aceleração da IA, e por isso pede leitura cuidadosa. Ainda assim, o dado de custo importa para empresas e governos: se um modelo entrega resultado comparável ao de um especialista por cerca de 3% do gasto em tentativas, a pesquisa em IA tende a ficar mais barata para quem já tem acesso aos modelos de fronteira.
Para o Brasil, que depende de modelos desenvolvidos nos Estados Unidos, a discussão chega junto com a regulação em tramitação e com a disputa por data centers. A projeção de Clark é uma estimativa de um executivo, não um resultado de laboratório, e a Exame lembra que o TasteVal não mostrou que a IA já consegue construir uma versão melhor de si mesma.
