Por Redação Insight · Editor responsável: Werner Jacob · Atualizado em 6 de novembro de 2026.
A Anthropic mostrou como o Claude pode revisar a própria memória enquanto está “offline”: o processo se chama dreaming (sonhar). Num teste com Pokémon Red, uma anotação errada fez o agente cair três vezes no mesmo buraco; depois que o dreaming corrigiu a nota, ele seguiu em frente. Atenção: os testes são da própria empresa, não de auditoria independente.
O texto, publicado em 6 de novembro de 2026 no blog de engenharia da Anthropic, chama-se “The components of agent memory”. Memória de agente, ali, é o conhecimento que o Claude ganha com a experiência e guarda entre sessões, como contexto que ele consegue ler depois.
Tabela de Conteúdo
O que é “dreaming” e por que o nome?
A Anthropic compara com o cérebro humano: boa parte da consolidação da memória acontece quando estamos descansando. No agente, o equivalente é usar o tempo ocioso para reler registros de trabalho, corrigir erros e criar anotações melhores. O post cita a ideia de “sleep-time compute”, proposta por pesquisadores da Letta e da UC Berkeley.
Na prática, o dreaming pode corrigir notas erradas, criar novas representações (como uma wiki interna) e decidir o que entra no contexto carregado em toda sessão. A documentação da plataforma descreve “dreams” na API de Managed Agents, ainda em versão beta. O post não diz que o recurso esteja no aplicativo de conversa para consumidores.
O que acontece quando a memória está errada?
O exemplo mais claro é o de Pokémon Red. O Claude anotou, errado, que o PokéCenter ficava no lado leste de uma montanha, concluiu que já tinha atravessado a caverna e acabou caindo de um barranco de volta à rota anterior. Sem correção, repetiu o erro três vezes e voltou até a cidade anterior.
Quando a Anthropic rodou o dreaming sobre a pasta de memória, o Claude comparou a nota com a transcrição, achou o erro e reescreveu. Com a nota corrigida, voltou para a caverna e chegou à cidade seguinte na ação 1.935. A execução sem memória também não chegou lá.
Quanto a memória ajuda, em números?
Na tarefa de banco de dados do benchmark CL-Bench 1.0, a Anthropic comparou cada modelo sem memória e com memória (recompensa média):
| Modelo | Sem memória | Com memória |
|---|---|---|
| Claude Opus 5.5 | 0,655 | 0,838 |
| Claude Sonnet 5.5 | 0,644 | 0,833 |
| Claude Opus 5 | 0,564 | 0,828 |
| Claude Opus 4.7 | 0,383 | 0,700 |
| Claude Sonnet 5 | 0,306 | 0,610 |
| Claude Sonnet 4.6 | 0,330 | 0,364 |
Fonte: Anthropic, “The components of agent memory”, 6/11/2026.
E a wiki que o Claude monta sozinho?
A empresa usou cerca de 350 mil arquivos (mais ou menos 420 milhões de tokens) de documentos da Stainless, empresa adquirida em maio, e 25 perguntas sobre esse material. À medida que o dreaming passou de 2 para 128 sessões, a wiki sozinha foi de 13% para 48% dos critérios avaliados. A busca simples ficou em 53%. Juntando busca e wiki, o resultado subiu de 54% para 61% e economizou cerca de 20 mil tokens por pergunta.
Houve também um caso contrário: numa tarefa jurídica, a wiki cresceu até ficar 1,77 vez maior que os próprios documentos, sem abstrair quase nada.
O que a Anthropic diz que ainda não resolveu
O texto lista três limites: o dreaming gasta computação, a memória pode ficar desatualizada e os resultados dele podem não estar disponíveis na hora para o Claude. Também afirma que nenhum modelo sabe, no momento, o que vai importar depois.
O que isso muda para quem usa agentes de IA
Duas orientações do próprio post valem para quem monta fluxos com memória. A primeira: dizer ao agente para que serve a memória funciona melhor do que ditar regras rígidas; mandar “registrar só falhas” reduziu o ganho do Opus 5 e do Opus 4.7. A segunda: a camada de memória carregada em toda sessão precisa ser pequena. No Claude Code, a memória automática carrega só as primeiras 200 linhas ou 25 KB do arquivo MEMORY.md.
Nota de transparência: a Anthropic é a empresa por trás do Claude, modelo de IA que apoiou a redação deste texto. A conferência dos fatos e a revisão são da Redação Insight, com base nas páginas oficiais linkadas.
Leia também no Insight
- FlashProve: a Anthropic quer tornar verificável qual IA respondeu você
- Cinco projetos: agentes, estudo, código e memória
- O agente da DeepSeek que abre pull request sozinho