O que a Anthropic realmente fez
Em 7 de abril de 2026, a Anthropic anunciou o Claude Mythos Preview ao lado de uma decisão que, indiscutivelmente, é ainda mais interessante: o Project Glasswing. O modelo havia identificado milhares de vulnerabilidades zero-day em sistemas operacionais, navegadores e grandes projetos de código aberto. Algumas delas estavam em infraestruturas críticas das quais a internet inteira depende. Liberar essas descobertas em escala pública teria desencadeado uma corrida de exploração que nenhum defensor venceria a tempo.
Então a Anthropic não fez uma transmissão. Construiu uma rede.
O Glasswing reuniu Microsoft, Apple, Google e outros grandes fornecedores em um framework de divulgação coordenada. As descobertas iam para quem realmente podia agir sobre elas, com um cronograma calibrado para a correção, e não para chamar a atenção da mídia. O modelo não mudou. A capacidade não mudou. O que mudou foi a arquitetura de distribuição: da transmissão pública para a rede curada de confiança.
O resultado, segundo a cobertura do InfoQ, do Dark Reading e do CETaS no Alan Turing Institute, é uma cadência de divulgação que já está produzindo sistemas corrigidos em vez de exploits transformados em armas. As vulnerabilidades são reais. Estão sendo corrigidas. E o público ainda não tem acesso bruto ao próprio Mythos.
O interessante é que esse padrão (capacidade somada à curadoria de confiança, em vez de capacidade somada à transmissão aberta) não é exclusivo da segurança. É o mesmo padrão que silenciosamente sustenta boa parte da aprendizagem de alto impacto. O lançamento do Mythos apenas tornou essa lógica subjacente legível em escala industrial.
A era da transmissão está acabando
Por cerca de vinte anos, o modelo dominante de progresso intelectual online foi a transmissão. Posts de blog para um feed RSS público. Tweets para uma timeline algorítmica. Vídeos no YouTube para O Algoritmo. Newsletters do Substack para uma lista. O formato era sempre o mesmo: uma pessoa produz, o público consome, a atenção ordena.
Esse modelo pressupunha escassez de informação. Quando a informação era escassa, transmiti-la trazia muita alavancagem. O trabalho do leitor era encontrar boas fontes. O trabalho do escritor era alcançar o maior número possível de leitores.
Esse modelo está ruindo dos dois lados, e o Mythos faz parte do motivo.
Do lado da produção, a IA achatou o custo de produzir texto plausível. Qualquer pessoa pode gerar mil palavras sobre qualquer assunto em segundos. O resultado é uma enxurrada. O volume total sobe. O sinal médio por palavra cai. A estratégia antiga do leitor (encontrar boas fontes e segui-las) fica mais difícil, e não mais fácil, à medida que cada fonte sofre pressão de incentivo para produzir mais volume só para manter visibilidade algorítmica.
Do lado do consumo, a IA agora consegue resumir, sintetizar e explicar quase qualquer informação pública sob demanda. O valor marginal de ter lido um ensaio específico cai, porque qualquer um pode pedir a uma IA para resumi-lo. O acesso bruto à informação ficou praticamente gratuito.
O que não ficou gratuito, e que se torna mais valioso à medida que tudo o mais barateia, é alguém em quem você confia dizendo qual frase específica merece a sua atenção. Essa é a camada de curadoria. E a curadoria, por sua natureza, não escala por transmissão. Ela escala por redes.
Essa é a mudança que a Anthropic operacionalizou na camada de segurança com o Glasswing. A mesma mudança está acontecendo, de forma menos visível, na maneira como aprendizes sérios usam seu tempo de fato.
Por que a aprendizagem solo atinge um teto
Existe uma fantasia de que aprendizes motivados conseguem se autodirigir até a expertise sem precisar de mais ninguém. Escolha um tema, encontre os melhores livros, leia a fundo, faça anotações, repita. Com disciplina suficiente, você supera qualquer programa estruturado.
Isso funcionava melhor do que parece quando a informação era escassa e encontrar os doze livros certos sobre um tema já era um filtro real. Os primeiros doze livros sobre a maioria dos assuntos nos anos 1990 eram genuinamente os doze melhores, porque a publicação impunha um imposto de curadoria. Hoje, os primeiros doze livros que uma busca retorna sobre a maioria dos temas são uma mistura de útil, redundante, gerado por IA e simplesmente errado. Sem saber de antemão em quem confiar, você não consegue distinguir um do outro até já ter perdido tempo com os errados.
A aprendizagem solo tem três modos estruturais de falha que a IA não resolveu e que, indiscutivelmente, piorou.
O problema da curadoria. Escolher o que ler é hoje uma habilidade mais difícil do que ler em si. Uma pessoa motivada absorve qualquer coisa que receba. O gargalo é receber a coisa certa. Buscas e resumos de IA não resolvem isso, porque ambos são otimizados para popularidade ou fluência, não para se a fonte realmente mudou o pensamento de alguém.
O problema do feedback morto. Quando você estuda sozinho, suas interpretações ficam sem checagem. Você termina um livro confiante de que o entendeu, quando na verdade perdeu o argumento central. Sem pessoas que leram a mesma fonte e podem desafiar a sua leitura, os erros se cristalizam e se acumulam.
O problema da motivação. A aprendizagem autodirigida só é heroica quando está funcionando. Na maior parte do tempo, é um desgaste lento contra o seu próprio orçamento de atenção, sem ninguém para notar se você parar. Redes de aprendizagem fornecem uma responsabilização social discreta que a aprendizagem solo estruturalmente não oferece.
Nenhum desses fatores é fatal para a aprendizagem solo, mas juntos eles limitam até onde ela pode ir. O teto é real. E na era da IA, o teto é mais baixo do que era, e não mais alto, porque o problema da curadoria piorou.
Learning in public aborda parte disso pelo lado do produtor. O padrão de rede curada é o complemento pelo lado do leitor: em vez de transmitir o seu próprio aprendizado, você se conecta a um pequeno conjunto de produtores de confiança e deixa que a curadoria deles faça parte do seu trabalho.
Redes curadas vs transmissões vs estudo solo
Ajuda comparar os três padrões diretamente, porque cada um tem o seu lugar e confundi-los produz resultados ruins.
| Padrão | Otimiza para | Melhor em | Pior em | Quando brilha |
|---|---|---|---|---|
| Transmissão pública | Alcance | Descoberta no topo do funil, amplitude | Profundidade, sinal, responsabilização | Encontrar novos temas, construir audiência |
| Estudo solo | Independência | Exploração profunda e idiossincrática | Curadoria, feedback, motivação | Longo aprendizado sobre um único tema |
| Rede curada | Sinal | Recomendações de confiança, profundidade com velocidade | Alcance, novidade | Tudo que depende da qualidade do julgamento |
Uma transmissão pública é útil quando você ainda não sabe o que está procurando e precisa varrer amplamente. O estudo solo é útil depois que você já identificou um problema profundo e quer viver dentro dele. A rede curada fica no meio e cada vez mais faz o trabalho de meio de jogo que antes exigia sorte ou mentoria cara.
O que a Anthropic fez com o Glasswing é o padrão de rede curada no nível institucional. O que o feed da comunidade do Glasp faz é o mesmo padrão no nível do aprendiz individual. Escalas diferentes, mesma lógica.
Vale notar o que é especificamente excluído de cada padrão. Uma transmissão pura não consegue oferecer responsabilização, porque não há relação. Uma prática solo pura não consegue oferecer curadoria externa, porque não há ninguém fora da prática. Uma rede curada oferece as duas coisas, mas só ao custo de selecionar com cuidado quem está dentro. O custo da seleção é o preço da entrada.
A mecânica de uma rede de aprendizagem que funciona
Uma rede de aprendizagem curada não é só "um grupo de amigos que gostam de livros". O padrão de divulgação do Mythos é preciso sobre o que faz a rede funcionar, e essas propriedades se traduzem com clareza para a aprendizagem.
Três propriedades importam mais.
Confiança acima do volume. O Glasswing não incluiu todo mundo com formação em segurança. Incluiu um pequeno conjunto de fornecedores cujo julgamento a Anthropic considerou sólido. Qualidade de curadoria supera quantidade de contribuintes. Para um aprendiz, isso significa que uma rede de cinco pessoas em cujo gosto você realmente confia vale mais do que um feed de quinhentas pessoas em quem você não confia.
Especificidade acima do ruído. Os resultados do Glasswing não eram "descobertas interessantes, divulgue amplamente". Eram "este CVE específico, neste módulo específico, com esta severidade e esta janela de divulgação". Para um aprendiz, o análogo é o highlight: uma frase específica de uma fonte específica, com o contexto que tornou essa marcação válida. Entusiasmo vago ("ótimo livro!") está para redes de aprendizagem assim como relatórios vagos estão para a segurança: ruído.
Fluxo de duas vias. A rede só se sustenta se as pessoas derem tanto quanto recebem. No Glasswing, os grandes fornecedores não estavam apenas recebendo descobertas, estavam comprometendo tempo de engenharia para corrigir e divulgar. Em uma rede de aprendizagem, isso significa produzir tanto quanto consumir. Seus highlights, suas notas, suas anotações são a forma honesta de permanecer na rede. Consumo puro parece um feed; não se sente como uma rede e não acumula confiança.
Uma rede com as três propriedades produz algo que nem a transmissão nem o solo conseguem igualar: um fluxo constante de sinal pré-filtrado, atribuído e contextualizado, vindo de pessoas cujo julgamento você já validou. O custo por insight útil fica drasticamente menor do que vasculhar a web aberta.
O que mais muda quando isso está funcionando é a textura de como você aprende. Menos tempo procurando. Mais tempo pensando sobre coisas que já foram pré-aprovadas como dignas do seu pensamento. Isso é parecido com o que collective intelligence discute no nível de sistemas, mas operacionalizado no nível do leitor individual.
Como o Glasp implementa o padrão Glasswing
O Glasp é, em um sentido técnico bem específico, uma rede de aprendizagem curada com as propriedades do Glasswing já embutidas.
Confiança acima do volume: você escolhe quais perfis seguir. Cinco pessoas em cujo gosto você confia compõem o sistema inteiro. Não há algoritmo injetando conteúdo popular mas irrelevante. O feed é moldado pela sua própria seleção.
Especificidade acima do ruído: a unidade atômica é o highlight, não o post. Um highlight é, por construção, uma frase específica em uma fonte específica, com o registro de quando alguém a marcou. Não há como compartilhar algo de forma vaga. Ou você aponta para uma frase, ou não aponta.
Fluxo de duas vias: seus próprios highlights são públicos por padrão. O sistema foi desenhado em torno da ideia de que as pessoas com quem você aprende também aprendem com você, eventualmente, ainda que em ritmos diferentes. O modo só observador é permitido, mas o design recompensa a contribuição. Seu perfil se torna um digital legacy do que você achou que valia marcar.
Adicione o YouTube Summary à mesma rede, e o conhecimento em vídeo entra em condições iguais. Quando alguém em quem você confia destaca um trecho de 30 segundos de uma entrevista de 90 minutos, você acabou de receber a fatia de maior sinal de um vídeo longo sem precisar assistir ao vídeo longo. É a mesma compressão que o Glasswing realiza em uma base de código de 90 mil linhas.
Adicione o community feed e você consegue ver o que as pessoas que você segue estão marcando pela web aberta quase em tempo real. O feed não é um stream algorítmico otimizado para engajamento. É um canal de rede curada otimizado para sinal.
O produto foi construído em torno desse padrão muito antes de o Mythos torná-lo famoso. O que há de novo é que o valor do padrão agora ficou mais óbvio, porque a alternativa (a descoberta movida por transmissão em um ambiente informacional saturado por IA) está visivelmente se degradando.
Construindo seu próprio grafo de confiança
Se você aceita que redes curadas superam tanto transmissões quanto o estudo solo, a pergunta operacional é: como construir a rede?
Uma sequência prática que funciona.
Comece com cinco pessoas. Não cinquenta. Cinco. Devem ser pessoas cujo gosto por ideias você respeita e que de fato marcam coisas, não só consomem. O limite de cinco pessoas importa: é pequeno o suficiente para você prestar atenção de verdade, e grande o suficiente para que ainda surja diversidade de pontos de vista. Um feed de cinquenta pessoas vira ruído de fundo em uma semana.
Olhe para o que elas destacam, não para o que postam. Um post de blog é curado para o autor. Um highlight é curado para o leitor. A distinção importa. Seguir alguém pelos highlights é segui-la pelo que ela lê, o que é um indicador muito melhor do que você achará útil do que aquilo que ela decide publicar abertamente. Os perfis do Glasp são construídos em torno dessa distinção.
Leia o que elas leem, mas faça os seus próprios highlights. Não consuma só as seleções delas. Passe essas escolhas pela sua própria atenção e perceba quais das escolhas delas acendem para você e quais não. Com o tempo, isso calibra de quem o gosto de fato combina com o seu. Algumas das cinco originais serão substituídas. Isso é saudável.
Contribua de volta. Seus próprios highlights são a forma de você ganhar a sua posição na rede de outra pessoa. Isso não é uma transação, mas a dinâmica é real: as pessoas cuja curadoria mais te beneficia também estão se beneficiando, indiretamente, da sua.
Cruze referências com chat de IA sobre o seu corpus. Quando você encontra um highlight de alguém em quem confia que contradiz algo no seu próprio corpus, é exatamente o tipo de atrito que vale a pena investigar. O AI chat sobre seus highlights torna a contradição consultável em vez de teórica.
O grafo de confiança não é estático. As pessoas mudam, seus interesses mudam, algumas das suas escolhas iniciais se revelam mais divertidas do que esclarecedoras. Trate o grafo como um instrumento vivo. Reordene a cada trimestre. Tire pessoas que pararam de marcar coisas interessantes. Adicione novas quando aparecerem. A rede que você terá em 2028 vai parecer diferente da que você começa este mês, e essa é justamente a ideia.
Second brain to shared brain explora a mesma mudança pelo ângulo da gestão de conhecimento. Human curator age of AI faz um argumento paralelo sobre por que a curadoria é a habilidade de valor crescente. Os dois se conectam à mesma afirmação subjacente: curadoria supera acesso, e redes superam transmissões, em uma era em que o acesso é gratuito.
O que isso significa para aprendizes em 2026
As implicações práticas, destiladas.
Você não precisa de mais fontes. Você precisa de menos curadores, e melhores. O oposto de estar bem informado não é estar desinformado. É afogar-se em insumos que você não consegue processar. Redes curadas reduzem o volume de entrada em troca de densidade de sinal. Essa é a troca certa em 2026.
Você não pode terceirizar a curadoria inteiramente para a IA. A IA é excelente em resumir o que já é público. Não é boa em notar o que alguém em quem você confia acharia especificamente interessante, dado tudo o que essa pessoa já marcou. A curadoria humana, externalizada por meio de highlights, captura algo que a IA não tem.
A aprendizagem solo ainda tem o seu lugar, mas é o estágio de aprendizado sobre um tema, não o estágio da descoberta. Use a rede curada para encontrar o território que vale explorar. Depois vá fundo sozinho, já dentro de um caminho.
Transmissões públicas são melhor tratadas como superfície de descoberta, não como o seu canal de aprendizagem principal. Use-as para encontrar novas pessoas cuja curadoria possa valer a pena ser tomada emprestada. Não tente aprender com elas em escala; foi exatamente isso que as tornou ruidosas para começo de conversa.
O lançamento do Mythos acidentalmente trouxe à tona a afirmação subjacente: em qualquer campo em que a informação é abundante, a rede em que você consegue confiar para filtrá-la é a coisa de maior alavancagem que você pode construir. A Anthropic construiu uma em escala industrial. A versão para aprendizes individuais é menor, mais pessoal e igualmente útil.
Frequently Asked Questions
Isso não corre o risco de criar uma câmara de eco?
Sim, se você não tiver cuidado com quem está na rede. A defesa é diversidade intelectual no nível do gosto, não no nível do contrarianismo de clickbait. As cinco pessoas da sua rede devem ser pessoas em cujo julgamento você confia, mas não precisam ser pessoas que concordam entre si. Uma rede em que todos marcam as mesmas frases é menos útil do que uma em que pessoas em quem você confia discordam de forma produtiva. Reordene trimestralmente tendo a diversidade em mente.
Como isso é diferente de simplesmente seguir pessoas boas no Twitter ou no Substack?
Duas coisas. Primeiro, a unidade. Twitter e Substack compartilham posts; o Glasp compartilha highlights. Um post é o que alguém quis dizer. Um highlight é o que essa pessoa achou digno de marcar no trabalho de outra. O segundo é um sinal muito melhor sobre gosto. Segundo, o algoritmo. Twitter e Substack ranqueiam por engajamento; o feed da comunidade do Glasp é construído em torno das pessoas que você selecionou explicitamente. A mecânica codifica prioridades diferentes.
E se eu não conheço cinco pessoas em cujo gosto eu confio?
Comece com uma. Olhe o que ela destaca. Repare em quem ela cita, em quem ela referencia nas notas, de quem ela própria parece valorizar os highlights. A primeira rede geralmente cresce de forma orgânica depois que você tem um ponto de ancoragem. Ler perfis no Glasp de autores que você já respeita é uma forma rápida de descobrir novas pessoas cuja curadoria possa valer a pena seguir.
Isso não só desloca o problema para "como encontro bons curadores?"
Desloca, mas é um problema muito menor do que "como encontro boa informação em um feed infinito". Você só precisa avaliar o curador uma vez. Depois disso, a curadoria faz trabalho contínuo por você. A economia é drasticamente melhor do que avaliar cada peça individual de conteúdo por conta própria.
A IA não vai eventualmente ser boa o suficiente para fazer o papel do curador?
Para algumas coisas, sim, especialmente recomendações genéricas. Para curadoria moldada pelo gosto, idiossincrática, que se encaixe nas suas prioridades intelectuais específicas, não, porque a IA não tem um eu estável. Ela tem o que o treinamento atual mais o seu prompt produzem naquele momento. As pessoas têm um gosto estável, desenvolvido ao longo de anos. A curadoria como serviço está cada vez mais automatizada. A curadoria como gosto, não, e provavelmente não estará tão cedo. Leia mais sobre isso em human curator age of AI.
O Glasp é uma rede social?
É mais preciso chamá-lo de rede de conhecimento curada. Redes sociais otimizam para engajamento e conexão. O Glasp otimiza para highlights compartilhados e aprendizagem. Os comportamentos que parecem bem-sucedidos no Twitter (posts provocativos, opiniões rápidas, threads virais) não são os comportamentos que dão certo no Glasp. O padrão bem-sucedido no Glasp é marcar frases com atenção e seguir pessoas que fazem o mesmo. É um jogo diferente.
E se os meus interesses ainda não tiverem uma rede formada?
Então você está cedo, o que é uma boa posição. Comece marcando publicamente. Outras pessoas com os seus interesses vão te encontrar mais rápido do que você espera, porque existem muito poucas pessoas fazendo curadoria séria em qualquer nicho. Ser o primeiro highlighter cuidadoso em um tema muitas vezes resulta em se tornar uma âncora para todos os outros que chegarem depois.
Conclusão: escolha cinco pessoas e comece por aí
O Project Glasswing não é a parte mais chamativa da história do Mythos. É a mais instrutiva.
A Anthropic tinha uma capacidade que poderia ter produzido divulgações abertas espetaculares. Optou por operá-la por meio de uma rede curada de confiança, porque era isso que produzia o resultado real que ela queria: sistemas corrigidos em vez de exploits transformados em armas. A capacidade importou menos do que a arquitetura de distribuição. A rede era o produto.
Para os aprendizes em 2026, a mesma lógica se aplica, em escala menor. Você tem acesso a mais informação do que qualquer humano já teve. A IA pode resumir qualquer parte disso em segundos. O que você não tem, por padrão, são pessoas em cujo julgamento você confia te dizendo quais frases específicas merecem a sua atenção. Essa é a rede que vale a pena construir, e ela é pequena, deliberada e humana.
Escolha cinco pessoas. Olhe os highlights delas. Leia o que elas leem. Marque o que importa para você. Contribua de volta. Reordene quando parar de funcionar. Nada disso é heroico. Tudo isso compõe ao longo do tempo.
O feed da comunidade do Glasp e os perfis de usuário foram desenhados em torno desse padrão exato. Highlights como unidade, grafo de seguidores como algoritmo, perfis públicos como o digital legacy. Você não está construindo uma audiência. Está construindo a rede que filtra o resto da internet para você.
A era da transmissão fez de todo mundo um produtor. A era das redes curadas recompensa todo mundo que constrói um pequeno grafo confiável. A Anthropic mostrou como isso se parece em escala industrial. A versão individual está bem na sua frente, e começa com o próximo highlight que você fizer.