Quatro empresas brigam pelo melhor modelo de IA. Quem ganha é quem tem processo.

Seis dias, quatro modelos

O Muse Wonder, que a Meta apresentou em 12 de outubro, é voltado para agentes, os sistemas de IA que executam tarefas em vários passos. A versão mais forte, o Muse Wonder Full, chegou a 56 pontos no índice de inteligência da Artificial Analysis, uma das principais comparações independentes de modelos. O primeiro lugar, o Claude Opus 5.5, tem 58.

O Gemini 4 Argon, que o Google anunciou no fim de setembro, chegou ao app do Gemini e ao AI Studio e voltou ao topo do Hacker News, o fórum mais lido por programadores, em 13 de outubro.

Em 15 de outubro, a Meta liberou os pesos do Muse Spark Open, um modelo de 816 bilhões de parâmetros que lê 1 milhão de tokens de uma vez e roda em dois computadores Mac Studio em cima de uma mesa de escritório.

Em 17 de outubro, a DeepSeek publicou o V4.1-Flash-1017, com licença MIT, que permite uso comercial livre. Num teste de automação de tarefas, a nota subiu de 54,8 para 60,5, e a empresa diz que ele termina as tarefas mais rápido e gastando menos.

O topo cabe numa mão

No índice da Artificial Analysis, o Claude Opus 5.5 lidera com 58 pontos. Logo atrás vêm o Muse Wonder Full, da Meta, com 56, e depois o Gemini 4 Argon, do Google, e o GPT-6 Astra, da OpenAI, os dois com 53. Quatro empresas, cinco pontos de distância.

Isso não quer dizer que os modelos sejam iguais. Um é melhor em programação, outro em memória, outro em preço. Mas para a maioria das tarefas de um escritório, de uma clínica ou de uma obra, qualquer um dos quatro dá conta. Quando quatro concorrentes entregam quase a mesma coisa, a ferramenta deixa de ser o diferencial. Vira commodity.

E commodity também fica mais barata e mais acessível. O DeepSeek é aberto e mais barato. O Muse Spark Open roda fora da nuvem. O que era vantagem de quem pagava o modelo mais caro está ficando disponível para todo mundo.

O que aconteceu na empresa que mais usa IA

Em 13 de outubro, a Anthropic, que faz o Claude, contou como mudou o próprio trabalho. Em maio, ela aprovava cerca de 2.500 mudanças de código por dia. Em setembro, passou de 30 mil. Mais de dez vezes em quatro meses.

O ponto que interessa é o que veio junto. Quem escreve a maior parte desse código é o próprio Claude, e quando a produção explodiu, o gargalo deixou de ser escrever. Passou a ser tudo o que tinha sido desenhado para o ritmo de gente: o Git, a ferramenta que guarda o histórico do código, os testes e a revisão. A empresa diz que o controle de versão virou o maior gargalo de desenvolvimento dela.

A saída não foi esperar um modelo melhor. Foi redesenhar o processo. Em cinco meses, a Anthropic construiu um sistema próprio, chamado Scion, para substituir o Git, e uma ferramenta nova de revisão.

Dois dias depois, a equipe do Claude Code mostrou o outro lado. De junho a setembro, as mudanças aprovadas mais que dobraram, e a parcela que precisou ser desfeita caiu mais de 40%. Eles não tiraram a revisão. Trocaram a pergunta "alguém leu este código?" por outra: o que pode dar errado nesta mudança, e qual conferência, automática ou humana, é a certa para pegar esse erro? A leitura linha a linha foi para as máquinas, e o tempo das pessoas ficou para o que só gente resolve.

Repare: nem a empresa que faz o modelo mais forte do ranking resolveu isso com um modelo melhor. Para dar conta da escala, ela precisou mexer no processo.

Por que trocar de ferramenta toda semana não adianta

Imagine o Mário, contador com quinze anos de escritório. Ele usa IA para conferir lançamentos e montar o relatório mensal dos clientes. Na segunda-feira sai o Muse Wonder, e ele testa. Na terça, o Gemini 4 Argon. Na quinta, alguém no grupo do WhatsApp jura que o DeepSeek é melhor e de graça.

No sábado, o Mário testou quatro ferramentas e não melhorou nenhum relatório. O problema não era o modelo. Ele não tinha escrito o que o relatório precisa ter, em que ordem os dados entram e o que precisa ser conferido antes de ir para o cliente. Sem isso, cada modelo novo recomeça do zero, e nenhum teste diz se ficou melhor ou só diferente.

Com o processo escrito, a troca de modelo vira um detalhe: dá para testar uma ferramenta nova em uma tarde, com os mesmos dados, e decidir pelo resultado, não pela propaganda.

O que fazer na segunda-feira

Escolha uma tarefa só, de preferência uma que se repete toda semana, e monte o seu próprio teste:

• Escreva a tarefa em passos: o que entra, o que acontece em cada etapa e o que sai no fim.
• Marque em quais passos a IA trabalha e em qual ponto alguém confere o resultado antes de ele seguir.
• Separe cinco exemplos reais dessa tarefa, com o resultado que você considera bom. Esse é o seu ranking particular.
• Quando sair um modelo novo, rode os mesmos cinco exemplos nele e compare com o que você já usa. Leva uma tarde, não uma semana.
• Só troque de ferramenta se o modelo novo ganhar no seu teste. A nota no ranking dos outros não paga o seu relatório.

A semana teve quatro lançamentos, e outros virão na próxima. O topo vai continuar trocando de dono por dois ou três pontos.

O que não muda de uma semana para outra é o seu processo. Quem tem o processo desenhado aproveita qualquer modelo que aparecer. Quem não tem continua testando ferramenta. Processo antes da ferramenta: a IA que mais rende não é a mais forte, é a que entra num trabalho bem desenhado.