No Cursor, um modelo chamado Honeycomb EAP apareceu brevemente e foi rapidamente retirado.
Não demorou muito para muitos o tratarem como um vazamento inicial do Claude Opus 5.
Mas a Anthropic não confirmou, e a Cursor não explicou. Então usei o Apodex para testar essa questão atualmente sem resposta, que pode ser verificada em duas semanas.
Mas o que no fim das contas tornou esse teste válido não foi o número de 10%. Foi que, após uma pergunta de acompanhamento, ele deletou duas de suas evidências principais e recalculou.
O conteúdo é baseado nas minhas operações e capturas de tela reais. As probabilidades no texto são estimativas analíticas baseadas em informações públicas até 17 de julho de 2026, não fatos estabelecidos.
Perguntei:
A Anthropic lançará formalmente e tornará público o Claude Opus 5 até 31 de julho de 2026? Se não, o que exatamente é o Honeycomb EAP?
A pergunta, o prazo e as três identidades a serem julgadas foram todos escritos claramente antes do envio, usando o Deep Discover Preview.
Às 18:28, iniciei a investigação. A página entrou em um processo Swarm de múltiplos caminhos, exibindo sequencialmente Pesquisa, Verificação e Escrita.
A tarefa foi submetida e várias execuções de pesquisa começaram.
A primeira versão do relatório foi clara: a probabilidade de um lançamento formal do Opus 5 antes de 31 de julho é extremamente baixa; o Honeycomb é mais provavelmente um nó EAP de nível Mythos/Fable, seguido por um Opus 5 atrasado, com a versão puramente de pesquisa em último lugar.
Se eu quisesse apenas fazer um post patrocinado padrão, isso já teria sido suficiente: uma conclusão, fontes e probabilidades, além de algumas capturas de tela bonitas do relatório.
Mas quanto mais eu olhava, mais sentia que duas evidências estavam erradas.
Primeiro: o Honeycomb muda para o Opus 4.8 após um fallback de segurança, então sua capacidade deve ser maior que a do Opus 4.8.
Isso não se sustenta. Fallbacks podem vir de políticas de segurança, estabilidade do EAP, disponibilidade ou configurações de roteamento; eles não se equivalem diretamente a uma classificação de capacidade.
Segundo: o Honeycomb está posicionado mais acima na lista de modelos do Cursor, então pertence a um nível de produto superior.
A menos que o Cursor tenha tornado suas regras de ordenação públicas, a posição na lista pode ser influenciada pela hora de lançamento, ordem alfabética, prioridade de integração ou decisões de interface. Usar isso para provar a identidade de um modelo é forçar demais a barra.
Então, às 19:02, em vez de pedir ao Apodex para encontrar mais material de apoio, fiz com que ele fizesse uma auditoria reversa de si mesmo: encontrar a evidência contrária mais forte, verificar os níveis das fontes e esclarecer as condições de falha. Se a evidência não for forte o suficiente, delete-a; não defenda o julgamento inicial.
A segunda rodada não foi sobre polir o relatório original, mas sim desafiar especificamente sua própria cadeia de evidências. Este prompt pode ser reutilizado diretamente.
Resultado: três correções, uma mantida.
Primeiro, ele admitiu que "fallback de segurança para Opus 4.8" não prova que o Honeycomb é mais forte. O material original era apenas um relato de segunda mão com frases incertas como "alegaram" e "alguns interpretam como", não um registro técnico oficial.
O peso dessa evidência foi reduzido a quase zero.
Em seguida, ele não conseguiu encontrar as regras oficiais de ordenação de modelos do Cursor.
Desta vez, ele parou de inventar histórias com base na posição da lista, mudou a conclusão para "desconhecido" e removeu completamente essa evidência do julgamento de identidade.
A terceira correção veio do ritmo histórico de lançamento dos modelos recentes da Anthropic.
A primeira versão tratou "cinco canais oficiais atualmente sem Opus 5" como uma evidência forte. Mas a segunda verificação descobriu que atualizações incrementais como Opus 4.x são frequentemente lançadas com documentação da API e anúncios no mesmo dia; apenas novos níveis como Fable/Mythos tiveram um lead time de EAP de cerca de 60 dias.
Então, "cinco canais vazios" apenas prova que não há sinais públicos atualmente, não que definitivamente não será lançado nas próximas duas semanas.
Depois de deletar as evidências insustentáveis e recalibrar os benchmarks históricos, o Apodex ainda manteve um julgamento de baixa probabilidade: cerca de 10% para um lançamento público formal do Opus 5 até 31 de julho.
As três identidades para o Honeycomb também foram redistribuídas:
Esses números não são verdades objetivas de um modelo estatístico; são estimativas analíticas baseadas em evidências públicas atuais.
Além disso, nenhuma das três explicações excedeu 50%. Atualmente, nenhuma identidade merece ser chamada de "fato confirmado".
A parte mais interessante não foi os 10% finais, mas que, após meu acompanhamento, ele realmente deletou duas evidências insustentáveis e recalculou. Pelo menos não tentou forçar a narrativa para fazer sentido só para defender sua primeira resposta.
Sinais que poderiam derrubar o julgamento atual também foram listados: um anúncio oficial da Anthropic, o Honeycomb reaparecendo como EAP Fable/Mythos, uma explicação oficial para a remoção, o aparecimento do Opus 4.9 ou o Honeycomb desaparecendo por um longo período.
O relatório forneceu condições falseáveis, permitindo verificação futura em relação a eventos públicos.
Depois disso, estou mais inclinado a tratar o Apodex como um "auditor de pesquisa" do que uma máquina de respostas.
Sua primeira versão ainda dará muito peso a materiais de segunda mão e raciocinará a partir de posições de interface sem regras oficiais. Mas ele pode apresentar fontes, inferências, evidências contrárias e incógnitas. Você pode então acompanhar e forçá-lo a deletar evidências e mudar julgamentos.
Fontes-chave ainda exigem revisão manual, e as previsões devem ser verificadas assim que os resultados forem revelados. A segunda auditoria listou 13 referências, principalmente de materiais oficiais da Anthropic, Claude Platform e Cursor.
Após 31 de julho, voltarei para verificar: quais evidências foram realmente úteis e quais apenas pareciam razoáveis na época.
Se você tem uma pergunta que "não tem uma resposta padrão agora, mas pode ser verificada publicamente depois", pode executá-la no Apodex. Não faça apenas uma rodada; na segunda rodada, peça diretamente que ele faça uma auditoria reversa de si mesmo.
