Jacob Coxon, pesquisador com passagem por OpenAI e Anthropic, deixou a Anthropic depois de cerca de quatro meses. O motivo, segundo ele, foi um gráfico apresentado no roadshow de IPO da companhia. O slide mostra a necessidade de capacidade computacional para treinar modelos ao longo do tempo, com eixos comprimidos de forma que saltos de 10x e 100x pareçam quase iguais. Ainda assim, a curva sobe com inclinação acentuada — sinal, na leitura dele, de que a eficiência algorítmica não melhora apenas rápido, mas em ritmo crescente.
O gráfico que pesou na decisão
Coxon descreveu o gráfico como um plot insano e disse que se surpreendeu com a divulgação pública do material. Para ele, a compressão dos eixos esconde a magnitude dos avanços, mas não impede ver que o custo de treinamento segue em trajetória de alta. A decisão de sair veio poucos meses depois de ele ingressar na empresa.
O pesquisador também ligou o episódio ao Mythos, modelo que representou um salto relevante de capacidade na primavera. Na avaliação dele, o Mythos não foi um desvio isolado, mas um ponto dentro de uma curva superexponencial. A Anthropic já conseguiria retreinar o Mythos com um volume muito menor de processamento do que o empregado na versão original, afirma Coxon.
Ele sustenta que os ganhos de eficiência algorítmica estão prestes a ser automatizados. Por isso, defende uma pausa no desenvolvimento de modelos de fronteira no próximo ano, dando tempo para que os concorrentes alcancem o mesmo patamar. Na visão dele, congelar o avanço levaria a inteligência equiparável à humana a virar item de prateleira, com prejuízo restrito a OpenAI e Anthropic.
Quem é Coxon e por que o tema importa
A trajetória de Coxon inclui o treinamento de modelos na OpenAI e uma passagem recente pela Anthropic. Em setembro, chamou a atenção do setor ao soar o alarme sobre os perigos de sistemas avançados, com eco em outros nomes da área. Entre os receios está o de que sistemas capazes de se aprimorar sozinhos escapem do controle.
| Item | Dado |
|---|---|
| Tempo de permanência na Anthropic | Cerca de quatro meses |
| Compressão dos eixos no gráfico | Saltos de 10x e 100x |
| Modelo citado | Mythos, salto de capacidade na primavera |
| Alerta público | Setembro |
| Origem da declaração | Publicação de Coxon no X |
O que isso significa para o investidor
A discussão importa para quem acompanha a cadeia de infraestrutura de IA, de fabricantes de chips a provedores de computação em nuvem, porque uma melhora acelerada na eficiência algorítmica altera a equação de custos do setor. Se menos processamento passa a gerar modelos mais capazes, a demanda por capacidade computacional pode crescer em ritmo diferente do que o previsto — e o capex bilionário das empresas de tecnologia passa a ser questionado com mais frequência.
No caso da Anthropic, o roadshow de IPO coloca o debate sob a luz do mercado. A companhia precisa convencer investidores de que o investimento pesado em computação se justifica diante de ganhos de eficiência que, segundo um ex-funcionário, são rápidos e crescentes. A transparência do material divulgado, por si só, virou ponto de análise: um gráfico com eixos comprimidos pode suavizar a percepção de risco e de custo.
Para o investidor brasileiro, o tema chega por meio da exposição indireta ao setor de tecnologia global, seja em fundos de IA, seja em empresas de chips e nuvem listadas no exterior. A disputa sobre pausa regulatória e commoditização da inteligência também pode influenciar o ambiente regulatório e a competição entre as big techs. Acompanhar o desenrolar do IPO da Anthropic e o debate sobre eficiência algorítmica ajuda a calibrar expectativas para essa cadeia.