A Anthropic anunciou que seu modelo Claude consegue gerar automaticamente provas de verificação formal para código existente. Em um teste com 123 bibliotecas do projeto OSS‑Fuzz, do Google, Claude gerou cerca de 180 milhões de linhas de provas em poucas semanas. As provas foram verificadas pelo verificador Rocq, e, segundo a Anthropic, o processo exigiu pouquíssima revisão humana.
O que o sistema fez, de fato
Claude não escreveu programas novos. Em vez disso, converteu casos de teste de falhas em afirmações matemáticas, analisou o código de máquina compilado e produziu provas formais de que o código atende a essas afirmações. Quando encontrava um bug, o modelo podia corrigir o próprio código. Em uma semana analisando um leitor de PDF popular, Claude descobriu tantos bugs de segurança quanto os que costumam ser relatados ao longo de um ano. Em outra biblioteca, encontrou um erro lógico que estava oculto havia mais de dez anos.
Limites e custos
A Anthropic ressalta que as provas só são válidas para programas de execução em uma única thread, em uma arquitetura de processador específica e com entradas de menos de 64 MB. O poder computacional necessário é alto — algumas provas chegam a centenas de milhões de tokens —, embora a empresa não tenha divulgado o gasto total. Um teste menor mostrou que o modelo mais recente, Opus 5.5, consegue concluir metade das provas usando cerca de 40 % menos tokens que seu antecessor.
Por que importa
Se a IA conseguir verificar código automaticamente, os desenvolvedores poderão dedicar menos tempo a procurar bugs e revisar correções, sobretudo em softwares essenciais à segurança. No entanto, a abordagem atual funciona apenas com restrições rigorosas de hardware e de tamanho das entradas, por isso a maioria dos aplicativos do dia a dia ainda precisa de testes tradicionais.
