Claude entra na sua conta bancária e um modelo aberto aprende sozinho: o giro tech de 8/11

Claude lê o seu extrato, e um modelo aberto se autoaperfeiçoa: o giro tech do dia

A fronteira da inteligência artificial deixou de ser "responder bem" e passou a ser "entrar no seu sistema". Nesta semana, a Anthropic abriu a porteira doméstica: o Claude agora consulta contas bancárias e cartões de crédito de assinantes nos Estados Unidos. É a primeira grande assistente de consumo a sentar dentro do extrato do usuário — e isso muda tanto a experiência de uso quanto a conversa sobre privacidade. Enquanto isso, do outro lado do mundo, um laboratório sul-coreano mostrou que modelos abertos já conseguem melhorar o próprio raciocínio sem novos dados humanos. Duas frentes do mesmo movimento: a IA saindo do chat para o mundo real.

Claude dentro do banco, com acesso só de leitura

O recurso Personal Finance entrou em beta em 5 de novembro, via Plaid — a mesma companhia que faz a ponte técnica entre aplicativos e instituições financeiras. O funcionamento é direto: o assinante conecta conta e cartão, e o Claude passa a responder em linguagem natural perguntas como "quanto gastei com delivery no mês passado" ou "essa assinatura é duplicada?".

O que importa saber antes de animar:

Disponibilidade restrita : só assinantes dos planos Pro, Max e Ultra nos EUA. Free, Team e Enterprise ficam de fora nesta fase.

Somente leitura : o Claude lê saldos, limites e transações — até dois anos de histórico —, mas não movimenta dinheiro.

Sem senha na mão do modelo : a autenticação fica com o Plaid, e a Anthropic afirma que os dados de conexão não são usados para treinar modelos, nem para publicidade.

Sem produtos financeiros : a empresa diz que não há oferta de crédito ou investimento embutida na conversa.

O ganho óbvio é consolidação: em vez de abrir quatro aplicativos, o usuário faz uma pergunta. O risco também é óbvio — concentrar histórico financeiro num único assistente cria um alvo novo. E o histórico de vazamentos de 2026 em plataformas de grande escala mostra que "somente leitura" reduz o dano, mas não elimina a exposição.

Um modelo que se autoaperfeiçoa e abre os pesos

A novidade técnica mais curiosa da janela vem da VIDRAFT , startup sul-coreana que liberou os pesos do Darwin-180B-RSI-R3 , um MoE de 180 bilhões de parâmetros treinado por autoaperfeiçoamento recursivo (RSI, na sigla em inglês): o modelo revisa e melhora os próprios dados de raciocínio em ciclos, sem depender de novas anotações humanas a cada rodada.

Os números divulgados chamam atenção pelo tamanho do salto para um modelo baixável:

73,68 pontos no SuperCLUE de novembro (matemática e ciências), segunda colocação global — à frente de modelos de Google, DeepSeek e xAI.

94,44 no leaderboard GPQA Diamond do Hugging Face, primeiro lugar.

Pesos abertos, com download livre para uso próprio.

Não é preciso comprar o discurso inteiro: benchmarks são escolhidos pela própria empresa e não substituem teste em produção. Mas a direção é clara — a melhoria de modelos não depende mais exclusivamente de mais gente rotulando dados, e sim de mais ciclos de verificação automática.

Modelo aberto dos EUA ainda perde em análise de dados

Um teste divulgado pela Plotly em 6 de novembro coloca um contraponto na narrativa americana. Onze modelos abertos dos EUA encararam uma prova de 43 questões de análise de dados. O melhor deles, o Muse Spark Open , da Meta, acertou 38. Modelos chineses chegaram a 42 — e se destacaram justamente na tarefa mais difícil: achar padrões escondidos nos dados.

O levantamento também trouxe dois achados práticos: o gpt-oss-120b , da OpenAI, foi o mais barato e rápido do grupo, e o Muse Glimmer 30B , também da Meta, foi o melhor com tamanho suficiente para rodar num desktop comum. Ou seja: para grande parte das empresas, a decisão deixa de ser "qual é o mais inteligente" e passa a ser "qual cabe na minha conta de energia e de GPU".

O que isso significa

As três notícias apontam para o mesmo ponto de virada. A IA está sendo embutida em sistemas com dinheiro, histórico e consequência — e, ao mesmo tempo, o conhecimento técnico está ficando barato e replicável, com pesos abertos e ciclos automáticos de melhoria. A pergunta que sobra para 2027 não é mais sobre capacidade, e sim sobre confiança: quem audita o que o modelo faz quando ninguém está olhando?

E você: entregaria o histórico das suas contas a um assistente de IA em troca de respostas rápidas sobre seus gastos? Comente aqui embaixo e compartilhe com quem vive discutindo orçamento em planilha.

Fontes