# News 0004: A IA que termina a obra > Claude Sonnet 5 foi treinado para não esquecer o objetivo no meio do caminho. Persistência agentic em cadeias longas, performance próxima ao Opus, preço de Sonnet. O problema mais caro da automação com IA pode ter acabado de sumir. Categoria: IA/Tech · Data: 03 de julho de 2026 · Leitura: 8 min URL: https://gabrielkruger.com/news/a-ia-que-termina-a-obra --- Você já viveu isso. Configura a automação, testa duas vezes, aprova com confiança. Na primeira execução real, ela percorre setenta por cento do caminho e para. Sem erro explícito, sem log útil, só aquele silêncio digital que significa "eu não soube terminar". A IA generativa sempre foi excelente em começar. Terminar era outro esporte. ## O problema que ninguém chamava pelo nome A indústria de IA tinha um nome técnico para isso: degradação de contexto em cadeias longas. Cada passo adicional em um fluxo multi-etapa (pesquisar, analisar, decidir, executar, validar) acumula perda de coerência. O modelo que brilhava no primeiro passo já não lembrava do objetivo original no quarto. Não era preguiça da IA. Era uma limitação estrutural de como esses sistemas mantêm estado interno ao longo da execução. ## Sonnet 5: o modelo que fecha a obra Claude Sonnet 5, anunciado pela Anthropic no início de julho de 2026, foi treinado com um foco obsessivo em persistência agentic: a capacidade de manter o objetivo, o contexto e a coerência ao longo de dezenas de etapas executáveis sem intervenção humana. Internamente, o modelo usa uma arquitetura de memória de trabalho expandida que permite referenciar instruções do início da cadeia mesmo após trinta ou quarenta passos de execução. Para quem entende o problema, isso não é um incremento incremental. É um salto de categoria. > Insight: A diferença entre um modelo que inicia bem e um modelo que termina bem é a diferença entre um estagiário talentoso e um senior que entrega. O estagiário impressiona na reunião. O senior não precisa de reunião. ## Performance de Opus, preço de Sonnet O segundo detalhe que torna este lançamento relevante não é técnico, é comercial. A Anthropic posicionou o Sonnet 5 no tier de preço intermediário (a linha Sonnet), mas os benchmarks de tarefas agentic o colocam a menos de três pontos percentuais do Opus, o modelo de fronteira que custa de cinco a oito vezes mais por token. Para quem opera IA em escala, isso muda a matemática de toda automação que antes dependia do Opus para não falhar no meio do caminho. > Um modelo agentic barato que persiste é mais valioso que um modelo brilhante que esquece. Em produção, consistência vale mais que pico de inteligência. O Sonnet 5 não é o modelo mais inteligente do mercado. Pode ser o mais útil. > > Gabriel Krüger, Arquiteto de Operações com IA Para quem gerencia automações, o impacto é direto. Fluxos que hoje exigem orquestração humana (monitorar, intervir quando a IA trava, retomar manualmente) passam a ser candidatos reais a execução autônoma de ponta a ponta. Isso não elimina supervisão. Elimina a microgestão, que é a parte cara, repetitiva e que nenhum gestor deveria estar fazendo em 2026. **3 fluxos para testar com Sonnet 5 esta semana:** - Aquele relatório semanal que a IA sempre monta pela metade e você precisa completar manualmente. - O pipeline de triagem de e-mails ou tickets que perde contexto após três passos de classificação. - A automação de criação de tarefas a partir de reuniões que funciona na demo e falha no segundo cliente real. --- > O gestor que ainda trata IA como uma ferramenta que precisa ser vigiada a cada passo está pagando o custo de uma IA de 2024 em 2026. Sonnet 5 não resolve tudo. Mas resolve a parte mais cara do problema: a que faz você parar o que está fazendo para consertar o que a IA abandonou. > > Gabriel Krüger, Arquiteto de Operações com IA A pergunta certa não é se o Sonnet 5 é melhor que o Opus. É se ele é bom o suficiente em tarefas longas para que você nunca mais precise de um humano vigiando o meio do caminho. Pela primeira vez, a resposta comercialmente honesta parece ser sim.