# o intervalo da metr vai de -55% a +193%, e o rodapé fica em branco > reanálise da metr abre o efeito de -55% a +193%, o libredb prefere campo vazio a um 143 falso, e o risco cb do mythos 5.1 se apoiou em três especialistas. - edição: sábado, 5 de setembro de 2026 (2026-09-05) - caderno: dev e ia - assuntos: llm · papers · avaliação · brasil - itens: 7 de 7 fontes - original: https://tonho.wtf/diario/2026-09-05/ - autoria: escrito por pipeline de llm, revisado por antonio leandro (tonho.wtf) --- Quatro itens de hoje são a mesma coisa vista de ângulos diferentes: o número que a ferramenta devolve não é o número que você acha que está lendo. O rodapé do cliente de banco diz 143 e a tabela tem 500 linhas, porque o campo mede partição e não linha. A reanálise do estudo da METR diz que o efeito da assistência por IA na produtividade cabe em qualquer lugar entre -55% e +193%, intervalo que engole tanto o -19% do resultado original quanto o "+50% fácil" que virou senso comum. O system card do Mythos 5.1 conclui que o modelo não cruza o limiar CB-2 apoiado em avaliações onde três especialistas opinaram sobre armas químicas. E o `.gitignore` mede errado o que entra no repositório desde sempre, só que agora o vazamento típico não é mais `.DS_Store`: é `CLAUDE.md`. O que separa os quatro é o que cada um faz com a fraqueza da medida. O LibreDB apagou o campo. A reanálise da METR alargou o intervalo até ele parar de afirmar qualquer coisa. A revisão do system card pediu auditoria de terceiro. E o marketing dos dois modelos da semana segue dizendo "o mais poderoso do mundo", dos dois lados da mesa, no mesmo mês. ## pesquisa **[Modelling variation in the METR Uplift Study](https://www.lesswrong.com/posts/XjB4w3zDWLH8xQudq/modelling-variation-in-the-metr-uplift-study)** — O RCT da METR de julho de 2025 mediu devs 19% mais lentos usando ferramentas de IA. Esta reanálise refaz a conta sob um modelo hierárquico bayesiano, tratando o estudo único como uma amostra de uma distribuição de estudos possíveis: se a variação entre estudos fosse a que se observa em RCTs médicos (Cochrane) e econômicos (Askarov), o intervalo crível de 95% vai de -55% a +193%, e isso sem sequer incluir efeitos específicos do estudo. O efeito médio da população fica entre 10% e 20% de lentidão, com caudas pesadas, e a probabilidade de haver lentidão de verdade fica entre 66% e 79% — sob prior fraco, o encolhimento é de 1 a 2 pontos percentuais e a odds cai para cerca de 2. O ponto que importa para quem escreve software não é o sinal, é a largura: o mesmo dado é compatível com acelerar muito e com atrasar muito, o que explica por que os relatos pessoais divergem tanto. E o autor observa a parte inconveniente: com a adoção atual, essa medição provavelmente não será repetida. ## brasil **[Por que não mostramos contagem de linhas no Cassandra](https://www.tabnews.com.br/libredb/por-que-nao-mostramos-contagem-de-linhas-no-cassandra-500-vira-143)** — O LibreDB Studio abria uma tabela com 500 linhas e o rodapé exibia 143. Não era bug: o client fazia o atalho de sempre — em vez do `count(*)`, que no Cassandra é varredura de todas as partições em todos os nós e derruba cluster grande, lia `system.size_estimates`. Só que a coluna se chama `partitions_count`, não `rows_count`: com clustering columns, 500 pedidos distribuídos em 143 partições dão exatamente 143. E mesmo como estimativa de partição ela balança, porque é calculada dos metadados de SSTable por uma tarefa periódica, então dado ainda no memtable não entrou e linha deletada continua contando até a compaction purgar o tombstone. A decisão foi deixar o campo vazio: com o campo em branco o usuário desconfia e vai atrás, com um 143 de aparência confiante ele anota no relatório. Melhor post técnico brasileiro da semana, e o raciocínio vale para qualquer UI que pendura um número pronto num lugar onde o número não existe. ## mundo **[US and Iran trade retaliatory attacks on ships](https://www.bbc.co.uk/news/articles/cj64rrne643o?at_medium=RSS&at_campaign=rss)** — Os EUA disseram ter inutilizado permanentemente dois petroleiros ligados ao Irã, um deles perto da ilha de Kharg — por onde sai cerca de 90% do petróleo iraniano exportado —, e destruído um terceiro no Golfo de Omã; a mídia estatal iraniana afirma que a IRGC respondeu contra seis navios, três ligados aos EUA e três petroleiros em rota "não autorizada" pelo Estreito de Ormuz. O estreito está efetivamente fechado desde o começo da guerra, em fevereiro. Entra aqui pela conta que fica embaixo de todo data center: energia. Não é para tirar conclusão de preço hoje, é para lembrar de onde vem a variável. ## quem escreveu **[Claude Mythos 5.1 and Fable 5.1: Capabilities](https://www.lesswrong.com/posts/QHoF3tJvryRtmAmMg/claude-mythos-5-1-and-fable-5-1-capabilities)** — Zvi abre reconhecendo a situação absurda de escrever uma revisão de capacidades quando dois modelos foram apresentados como o mais poderoso do mundo com dias de distância, e a leitura dele, com barras de erro grandes, é que o salto de Sol para Astra é maior que o de Fable 5 para Fable 5.1. O corte de cache que noticiamos na terça aparece aqui com o número da fonte: leitura de cache de $1 para $0,25 por milhão de tokens, o que Boris Cherny traduz em até 38% mais barato numa sessão típica de Claude Code, e mais os classificadores intervindo 85% menos em pedidos benignos de biologia e ~60% menos em cyber por sessão. Nos benchmarks o ganho é modesto e sem padrão claro (ECI 162,0 contra 160,7 do Opus 5; FrontierSWE v2 0,57 contra 0,52), com uma exceção grande em Terminal-Bench-Science, de 24,7% para 52,6%. Duas coisas valem o clique: o Fable 5 nunca passou de ~11% do gasto em dólar da Anthropic no Ramp mesmo sendo o melhor modelo, e o único feedback negativo consistente do 5.1 é consumo de token — que é literalmente o item de 2026-09-02, o token mais barato e a tarefa mais cara, agora confirmado pelo lado de quem usa. **[Review of the CB risk determination in the Claude Mythos 5.1 System Card](https://www.lesswrong.com/posts/vnJ2PyabE4dquJwft/review-of-the-cb-risk-determination-in-the-claude-mythos-5-1)** — Parv Mahajan e colegas concordam com a conclusão da Anthropic de que o Mythos 5.1 provavelmente não cruza o limiar CB-2, e é justamente por isso que a crítica pega: o problema é o método, não o veredito. A determinação depende sobretudo de red-teaming humano com menos de dez especialistas, sendo três os que avaliaram uplift em armas químicas, e nenhuma avaliação automatizada nova de CB-2 foi introduzida desde 28 de maio de 2026. Há ainda um caso concreto de possível underelicitation: na tarefa black-box de design de sequência de RNA, humanos recebem duas a três horas e o modelo recebe duas horas de tool call e um milhão de tokens — a revisão estima 2x a 10x mais recursos para o humano, comparando $50 pelo milhão de tokens com $150 a $250 por hora de um pesquisador de ML-bio. E, ao contrário de riscos de autonomia, nenhum terceiro recebeu checkpoint para avaliar CB antes do lançamento. **[.gitignore Everything by Default](https://packagemain.tech/p/gitignore-everything-by-default)** — Inverter a lógica: `*` na primeira linha e depois um `!` para cada coisa que você realmente quer versionar (`!.gitignore`, `!*.go`, `!go.mod`, `!go.sum`). O argumento do autor é que a lista de sujeira local cresceu — ele aponta o `.gitignore` de 207 linhas do typescript-go — e que hoje ela inclui docs e subpastas de agente, com `CLAUDE.md` na mesma frase que `.env` e `node_modules`. 155 pontos no Hacker News e convergência de três fontes, o que diz algo sobre o quanto isso incomoda. O custo é real e o post não esconde: com deny por padrão, arquivo novo simplesmente não aparece no `git status`, então você troca commit acidental por arquivo esquecido. Minha opinião: vale em repositório de linguagem única e disciplina de allowlist; em monorepo com dez tipos de artefato, a lista de exceções vira o mesmo pântano de antes, só com o sinal trocado. **[Using Blender with coding agents on macOS](https://simonwillison.net/2026/Sep/5/blender-coding-agents-macos/)** — Willison instalou o Blender do site oficial e mandou o ChatGPT Codex renderizar uma cena com um prompt que aponta para o caminho do app: nada de MCP, nada de plugin. O modelo escreve contra a API Python do Blender, produz `.blend` editável à mão, renderiza imagens e monta vídeo emendando sequências de frames com ffmpeg. É o item mais simples do dia e o mais replicável hoje à tarde: a "integração" foi um binário num caminho conhecido e um agente com shell. ## fontes paradas Anthropic Engineering (104 dias), Karpathy (128), Interconnects (19), Sebastian Raschka (15) e mais dezessete feeds sem publicar.