Claude Opus supera o estado da arte em problemas científicos reais — mas só com engenharia, não com ideias novas
Um estudo submetido para a conferência NeurIPS 2026 testou se agentes de IA de fronteira conseguem superar o estado da arte científico já publicado, usando um novo testbench chamado Agent4Sci, com vinte benchmarks em onze domínios científicos diferentes.
O Claude Opus superou o melhor resultado publicado em todos os benchmarks testados, com uma melhoria média de 10,4%, sem que nenhuma execução fosse assinalada por má conduta académica. Com plugins leves de ideação, gestão de experiências e checklists, o Claude Opus subiu de 10,4% para 20,1% de melhoria média, e o modelo Codex, da OpenAI, subiu de 4,4% para 8,1%.
Os próprios autores, Ming Zhong, Stacy Li, Nicholas Carlini e Matthew Jagielski, sublinham uma limitação importante: os ganhos vêm quase exclusivamente de engenharia de otimização de modelos de aprendizagem automática, não de insights científicos genuinamente novos, com os agentes a mostrar calibração fraca de novidade e tendência a ficar presos em otimizações locais.
Fontes
- arXiv arxiv.org
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.