Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Anthropic diz que seus aplicativos Claude ficaram 3 vezes mais rápidos. Veja o que mudou

> A Anthropic relata uma aceleração média de três vezes em 13 medições de seus aplicativos Claude após uma iniciativa de agosto. O relato de engenharia mostra os ganhos para os usuários, o ciclo de medição e os controles humanos de lançamento por trás da alegação.

By BIG CHANGE Editorial

Published: 2026-09-23T22:52:14.043Z
Updated: 2026-09-23T22:52:14.043Z
Canonical: https://bigchange.ai/blog/anthropic-claude-app-performance-sprint

![A charcoal-and-ink close view of an unbranded desktop monitor with a blank message field and orange text caret.](https://bigchange.ai/api/media/file/claude-performance-composer-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

A Anthropic afirma que uma iniciativa de duas semanas em agosto tornou cerca de três vezes mais rápidas as tarefas principais no claude.ai e no aplicativo Claude para computador. O [relato de engenharia, publicado em 23 de setembro](https://claude.dev/blog/how-we-made-claude-ai-faster), oferece uma resposta mais útil do que o número em destaque: mostra quais ações aceleraram, como a equipe conferiu as medições e em quais decisões e etapas de lançamento os engenheiros continuaram responsáveis.

## A grande mudança

- **O que mudou:** A Anthropic relata esperas menores em 13 medições de ações comuns na web e no computador. O valor de 3,1x é a média geométrica dessas melhorias, medidas no percentil 75 em 13 e 27 de agosto. É um resultado da empresa para jornadas selecionadas.
- **Por que isso importa:** Para quem usa o Claude, uma página nova da web ficar pronta para digitação em 550 milissegundos, em vez de 3.085, acelera uma etapa repetida do uso do produto. Para equipes de engenharia, o caso mostra um assistente de IA ajudando a investigar problemas de desempenho medidos enquanto pessoas definem prioridades e aprovam mudanças.
- **O que observar:** A Anthropic diz que ainda precisa melhorar o percentil 95, outras jornadas e conversas muito longas. Essas medidas mostrarão se os ganhos relatados vão além das ações selecionadas e da comparação de agosto.

## O que os usuários ganharam

A Anthropic identificou quatro jornadas que, segundo ela, correspondem a 95% da atividade dos usuários: abrir o aplicativo, iniciar uma conversa, carregar uma conversa e enviar uma mensagem. Essas jornadas deram origem a 13 medições na web, no computador e em seus produtos. Cada medição começava com uma ação do usuário e terminava quando o resultado aparecia na tela, separando o processamento do cliente e do servidor.

Para carregar uma página nova do claude.ai na web, o tempo até ela ficar pronta para digitação no percentil 75 caiu de 3.085 para 550 milissegundos, uma aceleração de 5,6x. A inicialização a frio do aplicativo para computador caiu de 6.310 para 3.328 milissegundos, ou 1,9x. O carregamento de uma sessão na nuvem do Claude Cowork no computador caiu de 2.566 para 728 milissegundos, ou 3,5x. A etapa no cliente para enviar uma mensagem de chat pela web caiu de 180 para 59 milissegundos, ou 3,1x. São ações e plataformas diferentes; o valor geral de 3,1x é a média geométrica das 13 proporções, não o resultado de uma tarefa isolada.

A comparação usa o monitoramento de usuários reais da Anthropic no percentil 75, em 13 e 27 de agosto. A publicação não apresenta uma auditoria independente, resultados no percentil 95 para essas jornadas nem uma estimativa controlada da parcela do ganho atribuível à ajuda do Claude. A Anthropic estima que as ações mais rápidas poupam dezenas de milhares de horas de espera dos usuários por dia, mas não demonstra o cálculo dessa estimativa.

## O ciclo de medição por trás das mudanças

A equipe começou com cerca de 20 projetos escolhidos pelos engenheiros. Segundo a Anthropic, usou o Claude Tag, um agente beta que executava um modelo interno de pesquisa aproximadamente comparável ao Opus 5.5, para encontrar gargalos, criar benchmarks e propor mudanças. A equipe diz que atingiu 12 das 13 metas iniciais até o terceiro dia; depois, definiu novos objetivos e procurou problemas que os monitores existentes não detectavam.

Um exemplo começou com uma gravação em que as linhas da barra lateral se moviam depois do carregamento de uma página. A métrica existente de mudança de layout cumulativa não destacava o problema. Um engenheiro propôs usar a API Layout Instability subjacente. Em seguida, o Claude acrescentou telemetria para identificar a região afetada da página e um teste de integração que atrasava os dados da barra lateral. Segundo a Anthropic, o teste falhou nas 20 execuções do código original e passou nas 20 execuções da correção proposta. Depois que a telemetria foi implantada, a empresa diz ter detectado movimentação após a página ficar utilizável em 31% dos carregamentos na web. É um exemplo documentado da iniciativa da Anthropic, não uma medição reproduzida pela BIG CHANGE.

A equipe também usou métricas de laboratório para acelerar o ciclo entre lançamentos. Em dois trechos críticos de JavaScript, comparou contagens determinísticas de instruções com o tempo decorrido nos mesmos benchmarks. A Anthropic relata que reduções de 48% e 31% na contagem de instruções vieram acompanhadas de quedas de 78% e 44% no tempo real. A equipe transformou essas contagens em limites de integração contínua e os reduziu conforme o desempenho melhorava. Diz que descartou benchmarks pouco confiáveis ou que não acompanhavam a latência percebida pelos usuários. A distinção importa: um contador de laboratório orientou as mudanças, enquanto medições com usuários reais verificaram se o trabalho lançado ajudou.

## Onde as pessoas mantiveram o controle

A Anthropic descreve um canal do Slack com várias conversas específicas, cada uma centrada em uma jornada ou benchmark. O Claude investigava um problema, propunha um benchmark e solicitações de alteração, acompanhava implantações e lia dados de campo. Os engenheiros definiam os objetivos, decidiam quais compromissos visíveis aos usuários eram aceitáveis e aprovavam todas as mudanças. Cada conversa tinha uma pessoa responsável identificada. Uma alteração proposta de 900 linhas foi rejeitada porque os engenheiros consideraram que economizar dois milissegundos por mensagem não compensava o custo de manutenção.

O processo de lançamento tinha várias etapas de verificação. A Anthropic diz que toda solicitação de alteração recebeu revisão automatizada e a aprovação de pelo menos uma pessoa, com testes unitários antes das otimizações. Mudanças visíveis aos usuários foram protegidas por sinalizadores de funcionalidade temporários. Alterações de alto risco foram disponibilizadas primeiro aos funcionários, depois a 1% dos usuários e, por fim, a todos. A equipe introduziu quase 200 sinalizadores durante a iniciativa e diz que removeu mais da metade até o fim. A Anthropic relata ter integrado mais de 3.000 mudanças sem incidente perceptível para os clientes nem reversão. Esse resultado é o relato da empresa sobre essa iniciativa; não demonstra que outra equipe ou base de código teria o mesmo resultado.

O compositor estático mostra por que esses controles importavam. A Anthropic incluiu um compositor pronto para digitação no HTML inicial, enquanto o React carregava. Para verificar a transição, os testes compararam as versões estática e React em 14 tamanhos de tela, conferiram o alinhamento com tolerância de um pixel e simularam digitação durante a transição para detectar teclas perdidas ou reordenadas. A telemetria em campo mediu a movimentação durante essa transição. Mais tarde, um funcionário percebeu uma mudança de layout ao abrir uma nova aba que essas medições não detectaram; a Anthropic atribuiu o problema ao redimensionamento do navegador durante o carregamento especulativo e acrescentou um teste para esse caso.

O relato da Anthropic sustenta uma conclusão específica: seus engenheiros usaram o Claude para procurar e melhorar gargalos medidos dentro de um processo de lançamento dirigido por pessoas, e algumas jornadas selecionadas ficaram mais rápidas no fim de agosto. Continua sem resposta como o produto se sai nos casos mais lentos, por quanto tempo os ganhos vão durar e quanto do resultado um observador independente atribuiria ao agente, em vez da instrumentação, da engenharia e das decisões de lançamento da equipe.

## Sources

- [Engenharia da Anthropic: como tornamos o claude.ai três vezes mais rápido em duas semanas](https://claude.dev/blog/how-we-made-claude-ai-faster) — Relato técnico primário da iniciativa de duas semanas em agosto. Apresenta medições de usuários reais no percentil 75 feitas em 13 e 27 de agosto, exemplos de benchmarks de laboratório, os controles humanos e de lançamento descritos e a alegação da empresa sobre incidentes. Não fornece auditoria independente nem atribuição causal dos ganhos exclusivamente ao Claude.
- [Anthropic: revisão de código](https://claude.com/blog/code-review) — Contexto da Anthropic sobre revisão automatizada, vinculado à publicação da iniciativa. O próprio relato diz que cada solicitação de alteração recebeu revisão automatizada e a aprovação de pelo menos uma pessoa.