S-1 da Anthropic, cortes de preços de LLM, chamadas de ferramentas vLLM e uma CNN de câncer de pele: quatro histórias de desenvolvedores em um único Daily Diff

O que este vídeo aborda

• O Formulário S-1 da Anthropic foi aceito pela SEC EDGAR em 26 de outubro de 2026, às 09:00, horário de Nova York. É um arquivamento preliminar: a faixa de preço, a contagem de ações e vários dos números mais recentes estão em branco, e a empresa solicitou listar ações Classe A no Nasdaq Global Select Market sob o símbolo ANT.
• A tabela de resumo do S-1 relata receita de US$ 16.286 milhões para os primeiros seis meses de 2026 (todo o ano de 2025: US$ 4.585 milhões), despesas com computação e infraestrutura de US$ 8.945 milhões, um prejuízo operacional de US$ 693 milhões (margem operacional de -4%), uma receita operacional ajustada (não-GAAP) de US$ 1.618 milhões que adiciona de volta a remuneração baseada em ações de US$ 2.185 milhões e outros itens, e um prejuízo líquido de US$ 80.748 milhões. US$ 72.388 milhões do prejuízo são a mudança no valor justo de notas conversíveis, passivos de derivativos e SAFEs, que o arquivamento afirma ter sido impulsionada principalmente por um aumento na avaliação da empresa.
• O S-1 também relata um acordo Bartz de US$ 1,5 bilhão (aprovado pelo tribunal em julho de 2026), dinheiro e equivalentes de caixa de US$ 112,4 bilhões em 30 de junho de 2026, e que os usuários do Claude Enterprise sem Claude Code gastaram em média menos de US$ 75 por mês nos três meses até 30 de setembro de 2026, enquanto os 5% principais dos usuários do Claude Enterprise que usaram Claude Code gastaram cerca de 20 vezes isso.
• A OpenAI diz que o GPT-5.6 Luna ficou 80% mais barato em 30 de julho de 2026, e lista o GPT-6.1 Sol a US$ 2 de entrada, US$ 10 de saída e US$ 0,10 de entrada em cache por milhão de tokens, um quinto dos preços de entrada e saída padrão do GPT-6 Astra. A Anthropic diz que o Opus 5.5 custa cerca de 40% menos para rodar do que o Opus 5; seu S-1 diz que as reduções de setembro combinaram preços mais baixos e melhor eficiência, mantendo as margens.
• A Ubicloud (20 de outubro de 2026) mediu 92% de precisão do esquema de chamada de ferramentas para Kimi K2.6 no vLLM 0.28, o que significa que 2 em cada 25 chamadas de ferramentas falharam, e 100% após habilitar a decodificação restrita (a flag tool-strict-level do vLLM, vLLM 0.31) nos modelos Kimi e DeepSeek; o vLLM a mantém desativada por padrão porque os usuários relataram problemas com alguns modelos.
• O Dr. Magnus Lynch (Guy's Hospital, King's College London; 25 de outubro de 2026) testou o GPT-6 Astra, o Claude Fable 5.1 e uma CNN Inception v3 ajustada em 200 lesões comprovadas por biópsia: a CNN nomeou o diagnóstico correto para 125 (62%), cada chatbot para 42%; a CNN nomeou 13 de 30 melanomas como primeira escolha contra 8 e 11. Ele lista as ressalvas ele mesmo, incluindo números pequenos e uma execução por chatbot; isso não é aconselhamento médico.

Transcrição traduzida

Traduzido da narração original em inglês. Áudio e legendas disponíveis são controlados pelo YouTube.

De onde vem um prejuízo de oitenta bilhões de dólares?

0:00 Dezesseis bilhões de dólares de receita em seis meses parece uma empresa imprimindo dinheiro. O próprio prospecto da Anthropic lista um prejuízo líquido de oitenta bilhões de dólares para esses mesmos seis meses. Neste vídeo, quatro histórias. O que está dentro do S um da Anthropic, e de onde vem esse prejuízo? Por que OpenAI e Anthropic cortaram seus preços? Uma flag de servidor pode consertar modelos abertos? E como um modelo de imagem de dez anos de idade supera os chatbots mais recentes na detecção

0:28 de câncer de pele? O estudo de câncer de pele foi elaborado com uma ferramenta da empresa na história um. Voltarei a isso no final. É segunda-feira, vinte e seis de outubro, e este é O Daily Diff. Um prospecto é o documento que uma empresa arquiva antes de vender ações ao público. Pense nele como as notas de lançamento de um negócio inteiro, onde cada linha tem as impressões digitais de um advogado. A Anthropic, a empresa que fabrica o Claude, arquivou o seu primeiro hoje.

O que a Anthropic arquivou e o que está em branco?

0:51 História um. Pouco depois das nove da manhã de segunda-feira, horário de Nova York, a Anthropic arquivou um Formulário S um na S E C. Ele nomeia o símbolo A N T da Nasdaq. É um arquivamento preliminar, então o preço das ações, a contagem de ações e a receita do trimestre mais recente ainda estão em branco. A receita foi de cerca de quarenta e um milhões de dólares em dois mil e vinte e três e cerca de quatro ponto seis bilhões em dois mil e vinte e cinco. Nos primeiros seis meses deste ano, foi de dezesseis bilhões.

1:19 Depois, o prejuízo. O prejuízo operacional para esses seis meses foi de cerca de setecentos milhões de dólares, quatro por cento da receita. O prejuízo líquido foi de oitenta bilhões, e setenta e dois bilhões disso é uma linha, a mudança no valor justo de notas conversíveis. Em palavras simples, à medida que o valor da empresa aumenta, o valor das notas que ela deve também aumenta, e as contas registram isso como um prejuízo. O arquivamento também relata um lucro operacional ajustado de um ponto seis

1:44 bilhão, que adiciona de volta o pagamento de ações e alguns outros itens. O mesmo arquivamento mostra a conta de direitos autorais. Em setembro de dois mil e vinte e cinco, a Anthropic concordou em resolver a ação coletiva dos autores Bartz por um ponto cinco bilhão de dólares, o que tem sua própria linha na tabela de despesas. Esse acordo surgiu em nossa história sobre livros pirateados da OpenAI, um mês atrás. Aqui está a parte para desenvolvedores. Nos três meses até o final de setembro, o arquivamento diz que os usuários do Claude Enterprise

2:08 que não usaram o Claude Code gastaram em média menos de setenta e cinco dólares por mês. Os cinco por cento principais que o usaram gastaram cerca de vinte vezes mais. A propriedade é incomum. Um fundo elege a maioria do conselho através de sua própria classe de ações, e uma empresa de propriedade dos fundadores detém uma ação especial que vale cinquenta ponto um por cento dos votos.

Por que OpenAI e Anthropic cortaram seus preços?

2:28 História dois. Max Woolf, que escreve blogs como minimaxir, alinhou cada mudança de preço da OpenAI e da Anthropic desde junho, e a postagem ultrapassou trezentos e oitenta pontos no Hacker News. A própria postagem da OpenAI diz que em trinta de julho o GPT cinco ponto seis Luna ficou oitenta por cento mais barato. Em vinte e nove de setembro, a OpenAI listou o GPT seis ponto um Sol a dois dólares de entrada e dez dólares de saída por milhão de tokens, um quinto do preço de seu modelo superior, Astra.

2:57 A Anthropic diz que o Opus cinco ponto cinco custa cerca de quarenta por cento menos para rodar do que o Opus cinco, a guerra de preços que cobrimos em setembro. A própria reação de Woolf foi de rebaixamento. Ele cortou seu plano Codex para um quinto do limite de uso, porque o mesmo modelo agora se estendia quatro vezes mais. Ele também observa que em agentes de codificação, as leituras de cache representam a maior parte da conta de tokens. O arquivamento da Anthropic apresenta sua própria versão. Ele diz que os cortes de setembro combinaram um preço mais baixo com melhor eficiência,

3:23 e que a eficiência computacional permitiu manter suas margens. Após o Opus quatro ponto cinco, mais barato, ele diz, o crescimento da receita trimestral passou de quarenta e oito por cento para cento e trinta e dois por cento, com outros fatores ajudando. A explicação de Woolf são os modelos de peso aberto. O Kimi K três ponto um Pro, lançado em vinte e três de outubro, lista o mesmo preço de dois dólares e dez dólares do GPT seis ponto um Sol. Então, recalcule suas estimativas de custo com base nas páginas de preços de hoje.

3:49 No trabalho de agente, a linha de entrada em cache é a mais importante, e a OpenAI cortou-a pela metade para Sol. História três. A Ubicloud, uma empresa de nuvem, publicou uma correção para chamadas de ferramentas em modelos

Uma flag de servidor pode consertar modelos abertos?

4:00 abertos. Ao servir o Kimi K dois ponto seis no vLLM zero ponto vinte e oito, apenas noventa e dois por cento das chamadas de ferramentas correspondiam ao esquema da ferramenta, o que significa que duas em cada vinte e cinco falharam. A correção é a decodificação restrita. O servidor impede que o modelo escolha qualquer token que quebraria o esquema JSON da ferramenta. No vLLM zero ponto trinta e um, é uma flag chamada tool strict level, e a Ubicloud mediu cem por cento no Kimi e no DeepSeek. O vLLM a mantém desativada por padrão porque os usuários relataram problemas com alguns modelos,

4:33 como o GLM cinco ponto um. O ponto da Ubicloud é que o motor e suas configurações alteram a qualidade que você vê.

Como um modelo antigo supera os chatbots mais recentes?

4:39 História quatro. O dermatologista Magnus Lynch, que trabalha no Guy's Hospital em Londres, testou o GPT seis Astra e o Claude Fable cinco ponto um em duzentas lesões de pele biopsiadas, cada uma como uma imagem aproximada e uma imagem de dermatoscopia. Ele também ajustou o Inception v três, uma rede de imagens que o Google publicou em dois mil e quinze, por cerca de vinte minutos em uma GPU. Estava correto em sessenta e dois por cento das lesões. Cada chatbot estava correto em quarenta e dois por cento. Os chatbots tinham favoritos.

5:08 O GPT seis Astra chamou setenta e cinco lesões de carcinoma basocelular quando vinte e cinco eram. No melanoma, o que mais importa, a pequena rede nomeou treze de trinta em primeiro lugar, contra oito e onze. Lynch lista as ressalvas ele mesmo. Duzentas casos é pouco, cada chatbot rodou uma vez, e a rede é uma linha de base que produtos regulamentados superam. Ele roda em um navegador de telefone via WebGPU e nada é enviado. Nada aqui é aconselhamento médico.

5:37 E o tópico desde o início. Lynch escreve que a análise e os primeiros rascunhos foram produzidos com o Claude Code, a ferramenta de codificação da Anthropic, e que um dos dois chatbots que ele testou também é da Anthropic. Se você preferir ler isso a me ouvir falar, o diff chega na sua caixa de entrada todas as manhãs, gratuitamente em the daily diff dot dev, link abaixo. Então o veredito de hoje é NEEDS REVIEW.

O que recebe o selo NEEDS REVIEW?

5:56 Eu o revisaria porque o arquivamento da Anthropic tem um prejuízo no papel, um lucro em uma medida ajustada e muitas lacunas, a história do preço se baseia em parte na leitura de um blogueiro, e o teste de câncer de pele são duzentos casos executados uma vez. E esse é o diff de hoje. Eu sou Niko da Axrisi. Faça o merge com responsabilidade.

Fontes

1. Anthropic, PBC Form S-1 (registration statement)U.S. Securities and Exchange Commission (EDGAR)
2. EDGAR filing index for accession 0001628280-26-067168U.S. Securities and Exchange Commission (EDGAR)
3. OpenAI and Anthropic cut their LLM prices by up to 80% within a few months. Why?Max Woolf (minimaxir.com)
4. Advancing the price-performance frontier with GPT-5.6OpenAI
5. Introducing GPT-6.1 SolOpenAI
6. Claude Opus 5.5Anthropic
7. Fixing Tool-Call Accuracy in vLLMUbicloud
8. A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosisDr Magnus Lynch (lynchlab.net)
9. Kimi K3.1 ProOpenRouter