Em 31 de março de 2026, algo inesperado aconteceu na comunidade de desenvolvedores brasileiros e internacionais: mais de 512 mil linhas de código do Claude Code, ferramenta de inteligência artificial da Anthropic, foram expostas acidentalmente no repositório npm. Em menos de 48 horas, a comunidade reconstruiu a ferramenta de forma independente, batizando-a de OpenClaude. A pergunta que ecoava em fóruns e redes sociais era simples e direta: vale a pena abandonar o Claude Code pago para usar a versão open-source gratuita?
Um desenvolvedor que acompanha tendências tecnológicas e testa ferramentas de forma rigorosa decidiu colocar OpenClaude à prova em um cenário real de produção. Sua conclusão? Mano Deyvin, criador de conteúdo conhecido por investigações profundas sobre tecnologia, documentou detalhadamente sua experiência e descobriu algo muito mais profundo do que simples questões de preço ou performance técnica.
O vazamento que mudou tudo: 512 mil linhas em público
O incidente começou de forma trivial, quase burocrática. No dia 31 de março de 2026, durante a publicação rotineira de uma atualização do Claude Code, alguém esqueceu de adicionar uma extensão de arquivo ao .npmignore — aquele arquivo que diz ao npm exatamente quais arquivos devem ou não ser publicados. O resultado foi catastrófico do ponto de vista da propriedade intelectual: um arquivo source map de 59,8 MB contendo o código-fonte completo foi publicado inadvertidamente.
O descobridor foi Chaofan Shou, pesquisador de segurança que monitorava atualizações do repositório npm. Dentro de horas, o material estava replicado em múltiplos espelhos do GitHub. Dentro de 48 horas, a comunidade havia deconstruído toda a arquitetura — o loop de agentes, o sistema de gerenciamento de contexto, as tools, os comandos de commit — e reconstruído uma versão funcional batizada de OpenClaude.
A Anthropic, empresa responsável pelo Claude Code, confirmou que nenhum dado sensível de clientes ou credenciais foram expostos, mas a realidade era que 1.900 arquivos em TypeScript haviam sido publicados ao mundo. Para contexto, o Claude Code representava em março de 2026 uma receita recorrente anualizada de US$ 2,5 bilhões para a Anthropic — valor que havia mais que dobrado desde o início do ano.
Instalação ridiculamente simples: 10 minutos do zero ao funcionamento
A primeira descoberta do teste foi surpreendente: instalar OpenClaude é absurdamente simples. O processo que poderia ser intimidador levou exatamente 10 minutos — cronometrado. Não há segredos, nenhuma configuração exótica.
O passo inicial é garantir que Node.js está instalado. Se não estiver, uma simples instalação via NVM (Node Version Manager) resolve: curl nvm repository, depois "nvm install --lts". Uma linha de comando.
Depois vem a instalação global do OpenClaude via npm: "npm install -g openclaude". Outro comando, igualmente direto.
A partir daí, o desenvolvedor tem opções. Quer usar GPT-4 da OpenAI? Configure variáveis de ambiente com sua API key e especifique o modelo. Quer rodar tudo localmente com Llama? Download via Ollama, um comando "ollama pull" e está pronto. Quer não ficar exportando variáveis de ambiente manualmente? Execute "openclaude --provider" e a ferramenta oferece um setup interativo que salva tudo num arquivo de configuração.
Nada disso é complicado. Nada disso leva mais que alguns minutos. E é aqui que começa a parte interessante do teste.
O teste real: refatoração de código em projeto verdadeiro
Recusando-se a fazer benchmarks superficiais ou testes de LeetCode apenas para demonstração, o desenvolvedor pegou um projeto real que estava desenvolvendo — um web scraper de preços que comparava informações em diferentes sites. Não era um toy project. Era trabalho genuíno com pressão real de entrega.
A tarefa específica: uma pequena refatoração que ele já sabia qual deveria ser o resultado. Ele conhecia o projeto, sabia exatamente o que esperava e poderia validar se a IA estava chegando no lugar certo ou delirando.
Com GPT-4 via OpenClaude, os resultados foram impressionantes. O agente navegou pelo projeto, abriu os arquivos corretos, propôs mudanças estruturadas. A experiência visual era praticamente idêntica ao Claude Code original — mesma interface, mesmas configurações, mesmo fluxo de trabalho. O agente estava funcionando.
Mas aqui começaram a aparecer as fissuras.
Onde a teoria encontra a realidade: confiança versus qualidade
O que o desenvolvedor começou a notar foi sutil, mas perturbador. Toda vez que o agente fazia uma decisão que ele não havia pedido explicitamente — uma refatoração, um nome de variável, uma estrutura de função — ele sentia um incômodo. Não era que estivesse tudo errado. Mas havia uma falta de confiança que o obrigava a revisar cada sugestão com desconfiança.
Alguns desses questionamentos eram justificados. Em um momento, o agente começou a refatorar os próprios testes — algo que deveria ser sagrado. O desenvolvedor ficou genuinamente irritado. E começou a perguntar a si mesmo: por que estou desconfiando?
Quando switchou para os modelos da Anthropic — especificamente o Sonnet — algo mudou. Ele lia as sugestões e já sabia instantaneamente se estavam corretas. Não havia dúvida. Havia certeza. "Aprendi a ver quando está alucinando com confiança," é como ele descreveu, referindo-se àquele fenômeno bem conhecido de modelos de IA: quando elas geram respostas completamente plausíveis e convincentes mas totalmente erradas.
O experimento revelador: tempo economizado versus tempo gasto em revisão
Então ele fez um teste que chamou de "tosco" mas que se mostrou "absolutamente revelador".
Pegou a mesma tarefa de refatoração e rodou de três formas diferentes: no Claude Code original (com Sonnet), no OpenClaude com GPT-4 e no OpenClaude rodando Llama localmente.
Os três chegaram em resultados parecidos. Nenhum cometeu aquele erro bizarro que o faria dizer "isso delrou completamente". Mas quando ele lia o output do Sonnet, aceitava e seguia adiante. Quando lia os outputs dos outros dois modelos, lia duas vezes. Procurava por problemas. Ficava na dúvida.
O tempo total de revisão entre as opções foi drasticamente diferente. Mas essa diferença não era técnica. Não tinha a ver com a qualidade objetiva do código gerado. Tinha a ver com confiança.
A conclusão incômoda: não é sobre a ferramenta, é sobre o modelo
A percepção que o desenvolvedor chegou é descrita por ele como "um pouco inconveniente, um pouco chata". Porque ela não é sobre interface. Não é sobre preço — ele já tinha pago pela versão Pro do Claude Code, inclusive desenvolveu um SaaS para gerar renda extra visando poder pagar pelo plano Max.
É sobre histórico de uso. É sobre o modelo mental que você constrói ao longo do tempo usando uma ferramenta específica. Sobre onde aquele modelo em específico delira, onde não delira, como ele pensa, quais são seus padrões, suas tendências.
Trocar de modelo mantendo o mesmo prompt é como uma pessoa que usou Android por anos ir para iPhone. Ou alguém que usou Apple mudando para Android. Você sente aquela dor da mudança mesmo quando as coisas funcionam tecnicamente.
"Acho que a gente acaba ficando viciado," ele conclui. E a loucura é que isso não tem absolutamente nada a ver com interface. A interface é a mesma. É na resposta, na hora de escrever o prompt e receber a resposta. Porque muita gente está confundindo: OpenClaude não substitui o modelo. Substitui a ferramenta, o front-end. O Claude Code é a interface. O modelo é o back-end.
O código vazado: ferramenta sofisticada, mas não o segredo real
Quando 512 mil linhas de código foram expostas, muita gente achou que tudo estava comprometido. A realidade é mais nuançada. O que vazou foi a arquitetura da ferramenta — o loop de agentes, o gerenciamento de contexto, as tools, os comandos. Isso é o front-end, a interface sofisticada.
Mas o modelo em si — aquela caixa preta que treina durante meses na Anthropic — isso não vazou. Os modelos, Opus, Sonnet, Haiku — esses continuam sendo a propriedade intelectual real da empresa.
E há um debate mais profundo aqui. Se a arquitetura é fácil de replicar — é, teoricamente — mas o modelo é o que realmente importa, então o futuro talvez seja que front-ends morram. Porque o que importa é o back-end, o modelo, o processamento, a qualidade da resposta. Independente de qual interface você esteja usando.
Veredito: depende do que você realmente quer
Para alguém querendo entender como agentes de código funcionam por baixo do capô — como o loop é construído, como as tools são definidas, como a memória funciona — OpenClaude é "absurdamente educativo". Vale toda a pena.
Se está buscando reduzir custos e disposto a investir tempo aprendendo os comportamentos de outro modelo, GPT-4 no OpenClaude oferece uma experiência muito próxima do original. Pode funcionar para muito trabalho do dia a dia.
Mas se você já está acostumado a usar Claude Code com os modelos da Anthropic — se já treinou seu modelo mental sobre como aqueles modelos funcionam, onde eles acertam, onde eles alucinam — vai sentir essa "dor da mudança". E essa dor é tão real que o tempo economizado com a ferramenta gratuita acaba sendo gasto em revisão extra por falta de confiança.
No final, a conclusão é que nem tudo é sobre preço, interface ou feature set. Às vezes, o que mais importa é aquele relacionamento invisível que você constrói com uma ferramenta ao longo do tempo. E trocar isso por uma alternativa "tecnicamente equivalente" pode custar mais caro em produtividade do que você imagina.
