Coding agents do not have a competitive advantage.

Os últimos meses têm sido difíceis para a Anthropic.

Começou bem. Segundo eles, o novo modelo era tão poderoso que havia receio em lançá-lo devido à sua vulnerabilidade a ataques de hackers.

Essa narrativa foi prejudicada por vários erros grosseiros. Primeiro, vazaram todo o código-fonte do Claude Code . Depois, alguns usuários conseguiram acessar o Mythos antecipadamente ao adivinhar com sucesso a URL da API . Não se tratavam de ataques sofisticados, e isso levanta a questão: se o Mythos é tão poderoso para encontrar vulnerabilidades em softwares, por que a Anthropic não conseguiu evitar erros tão simples?

Erros isolados geraram reações negativas dos usuários. A Anthropic proibiu o uso do OpenClaw , mas depois voltou atrás nessa política . As reclamações sobre os limites rígidos de requisições estão se tornando mais frequentes, e com elas surgem questionamentos sobre a capacidade da Anthropic de atender à demanda. Em meio a isso, eles realizaram um experimento A/B bizarro, no qual 2% dos novos assinantes do plano básico tiveram o acesso ao Claude Code negado .

Remover o Claude Code do plano básico é uma mudança drástica na política da empresa, não apenas um ajuste na aparência da página inicial. Certamente, os novos usuários que tiverem o azar de ter o acesso ao Claude Code negado reagirão com confusão e raiva, dada a alta visibilidade do serviço.

A resposta da Anthropic buscou tranquilizar os usuários, garantindo que os assinantes do plano básico não perderiam o acesso ao Claude Code, pelo menos por enquanto . Isso foi recebido com um ceticismo compreensível.

Felizmente, o custo de troca de agentes de codificação é zero.

Nenhum desses incidentes me irritou , mas tenho sido cada vez mais afetado pelos limites de taxa do Claude Code. Como resposta, migrei a maior parte do meu trabalho para o Codex. É impressionante como precisei mudar pouco o meu fluxo de trabalho. Perdi algumas conveniências, como iniciar uma sessão do agente de codificação pelo meu celular, mas, no geral, bastou um pequeno inconveniente para que eu mudasse de provedor, sem precisar ajustar a forma como usava as ferramentas.

A OpenAI parece ter percebido primeiro o problema da falta de vantagem competitiva, como evidenciado pelos esforços para desviar o uso da API interoperável de Complementos de Chat. Primeiro, houve a API de Assistentes , que transferiu a responsabilidade pelo armazenamento das mensagens de chat para a OpenAI, em vez de para o usuário. Quando isso não funcionou, eles anunciaram a API de Respostas . Nenhuma das duas parece ter ganhado muita força.

A Anthropic buscou tornar o Claude mais exclusivo, oferecendo mais recursos de aprimoramento de fluxo de trabalho, como o Cowork . Mas esses recursos não representam uma verdadeira vantagem competitiva: o usuário ainda detém a propriedade do código e dos dados. Recursos que facilitam o fluxo de trabalho podem ser replicados rapidamente, tanto por concorrentes comerciais quanto por projetos de código aberto — vale ressaltar que o próprio Claude Code funciona de maneira muito semelhante a um projeto de código aberto ainda ativo que o precedeu, o Aider .

Essas ferramentas são, no fim das contas, editores de código, uma categoria de software que sempre teve forte concorrência no mercado de código aberto. Fornecedores comerciais como Eclipse e JetBrains lucraram com a venda de licenças profissionais, mas fizeram isso adicionando ferramentas sofisticadas para usuários avançados. A natureza dos agentes de codificação mina essa estratégia, já que todo o seu valor agregado reside na eliminação da necessidade de uma interface complexa. Tudo o que você precisa fazer é dizer ao agente o que deseja que o programa faça, em linguagem simples!

Como se preparar para o futuro

Se você ainda está preocupado com a dependência de um único fornecedor de LLM, acredito que a melhor maneira de se proteger contra isso é otimizar para os humanos .

Se um agente consegue executar um script ou acessar um documento, organize seus repositórios de forma que os humanos também consigam fazer isso com facilidade. Acredito que essa estratégia seja a maneira mais eficiente para os humanos aproveitarem os agentes: o agente deve se adaptar ao humano, e não o contrário. Isso também garante a compatibilidade futura: se um humano consegue acessar seus scripts e documentação voltados para o LLM, provavelmente será muito fácil integrar um novo agente de programação.