•anthropic.com•
0 visualizações
Claude Opus 4.7 executa tarefas robóticas 20 vezes mais rápido
Em novo teste, modelo da Anthropic superou equipes humanas em velocidade e autonomia, completando tarefas com robôs em fração do tempo. Ainda há limitações em precisão de movimentos.
A Anthropic divulgou os resultados de um novo experimento mostrando que seu modelo Claude Opus 4.7, operando sem assistência humana, foi cerca de 20 vezes mais rápido que a equipe humana mais veloz em tarefas robóticas realizadas há menos de um ano. O teste, chamado Project Fetch, envolveu o uso de um robô quadrúpede comercial (um “robodog”) para executar etapas como conectar sensores, escrever programas de controle e detectar objetos. Enquanto na primeira fase do projeto, em agosto de 2025, o modelo anterior (Opus 4.1) ainda precisava de ajuda humana para conectar-se ao robô, o Opus 4.7 completou sozinho todas as tarefas que pelo menos uma equipe humana havia concluído, com velocidade pelo menos dez vezes maior.
O experimento comparou o desempenho do modelo com o de duas equipes de funcionários da Anthropic — uma com acesso ao Claude e outra sem. Nas quatro tarefas concluídas por ambas as equipes, o Opus 4.7 foi, em média, mais de 37 vezes mais rápido que o time sem Claude e mais de 18 vezes mais rápido que o time com Claude. O modelo também gerou quase dez vezes menos código que a equipe assistida por IA, indicando maior eficiência. No entanto, o Claude ainda enfrentou dificuldades na etapa final de buscar e mover uma bola de praia com precisão, algo que humanos conseguiam fazer após prática. Os pesquisadores destacam que o progresso não veio de esforços específicos para melhorar capacidades robóticas, mas sim do escalonamento geral dos modelos de linguagem.
Para a Anthropic, o resultado reforça um padrão já observado em outras áreas: primeiro os modelos ajudam humanos, depois humanos ajudam os modelos e, por fim, os modelos tornam-se capazes de realizar tarefas sozinhos. No caso da robótica, isso sugere que estamos entrando em uma era inicial de IA física agêntica, onde modelos podem usar ferramentas físicas prontas para uso com relativa facilidade. Ainda há barreiras significativas para uma visão mais generalizada de robôs adaptáveis, mas os pesquisadores alertam que grandes saltos de capacidade podem ocorrer rapidamente — assim como modelos passaram a construir suas próprias ferramentas de software, o mesmo pode acontecer com hardware.