Dois modelos Claude não lançados, com os codinomes Marshmallow e Melon, vazaram para testes de desenvolvedores — e os primeiros resultados trazem o tipo de saída que os LLMs não deveriam ser capazes de produzir. Testadores relatam geração one-shot de layouts espaciais 3D complexos e cenas arquitetônicas, além de um polimento conversacional que avaliam acima do Opus 5. A pegadinha: ambos os modelos consomem tantos tokens de raciocínio que os testadores repetidamente batem nos limites de tokens máximos. Se os relatórios se confirmarem, a Anthropic está movendo a disputa de fronteira da escala na fase de treinamento para o raciocínio na fase de inferência — e da linguagem para a inteligência espacial.
Dois Modelos Claude Vazados Estão Mudando o Jogo
Nenhum dos modelos foi confirmado pela Anthropic. O que vazou é evidência sólida de um esforço interno: claude-marshmallow-eap e claude-melon-eap foram detectados no tráfego de API em 21 de agosto de 2026, entre 00:45 e 00:57 UTC, quando o identificador marshmallow-ht-eap foi chamado 57 vezes. O mesmo modelo então apareceu no Claude Code como um “Custom model” com uma janela de contexto de 1.000.000 de tokens — a maior que a Anthropic já disponibilizou em canais públicos de teste.
Desenvolvedores que tiveram acesso relatam três coisas que importam. Primeiro, ambos os modelos são excepcionalmente fortes em raciocínio espacial: tarefas de aprendizado por reforço em 3D e planejamento de layouts arquitetônicos, resolvidas em uma única tentativa, com gravidade, topologia e restrições geométricas e estruturais respeitadas já na primeira passada. Segundo, a qualidade da conversa parece melhor que a do Opus 5, o carro-chefe que a Anthropic lançou em 24 de julho de 2026 com uma recepção morna. Terceiro, eles consomem computação a uma taxa alarmante para um laboratório de fronteira: testadores dizem que os models devoram tokens de raciocínio até disparar os limites de
O Que Vazou: Codinomes, Tráfego e Primeiros Resultados de Teste
A nomenclatura baseada em comidas continua uma tradição: em julho de 2026, a Anthropic testou brevemente o claude-horchata-eap (“horchata”, uma bebida mexicana). Relata-se que o Marshmallow é um pouco mais forte no geral que o Melon; ambos ficam abaixo da linha topo de gama Fable. Ainda não há endpoints de API oficiais, e o acesso parece limitado a red-teamers e testadores internos — o que é típico de um modelo sendo preparado para lançamento.
Duas interpretações do vazamento estão circulando. Uma: são builds do Opus 5.1, uma resposta de emergência à recepção fraca do Opus 5 — uma tentativa de elevar à força o teto de raciocínio com tokens de thinking em grande quantidade. Outra: são a próxima geração de Sonnet ou Haiku, uma classe mais rápida e barata que absorveu a nova capacidade espacial. O aparecimento do modelo Custom com contexto de 1M no Claude Code é um forte indício de que a Anthropic quer testá-los em fluxos reais de código, não apenas em suítes de benchmark.
Por Que o 3D Era a Parte Difícil — e Por Que os Tokens de Raciocínio Importam
Para os LLMs, a imaginação espacial sempre foi um ponto fraco crônico: as coordenadas físicas de uma cadeira dentro de um quarto 3D, as regras de gravidade para objetos empilhados, ou o planejamento de circulação e estrutura de um prédio — tudo isso consistentemente quebrava os modelos de linguagem. O que a visão foi para os modelos de linguagem anteriores, o raciocínio espacial está se tornando para os modelos de fronteira: a próxima modalidade a conquistar, transformando inteligência textual em capacidade de modelar o mundo (para mecânicas relacionadas, veja nossa visão geral sobre custos de computação em tempo de teste).
Os tokens de raciocínio são a segunda metade da história. Em vez de um amostrador de probabilidades falante e rápido, esses modelos gastam tokens ocultos em derivação interna profunda, construção de cadeia de pensamento e tentativa e erro lógico antes de responder. É a mesma família econômica de como os modelos de fronteira estão sendo avaliados hoje: o valor se desloca do que foi aprendido no treinamento para quanto raciocínio genuíno acontece na inferência — e esse raciocínio é cobrado por token.
O Que Significa: A Economia do Raciocínio e a Fronteira Espacial
Tomando os relatórios ao pé da letra, dois movimentos estruturais ficam visíveis. Primeiro, a competição está migrando da computação na fase de treinamento para o raciocínio na fase de inferência. O recurso escasso deixa de ser o data center que treinou o modelo e passa a ser o orçamento de raciocínio que cada consulta pode gastar. Espere preços e latência se reorganizarem em torno dos tokens de raciocínio, com novas linhas de cobrança surgindo em workloads de agentes.
Segundo, a fronteira espacial desbloqueia categorias de aplicação que o texto sozinho não alcançava. Um desenvolvedor de games descreve “uma fortaleza medieval com três torres de defesa e uma passagem subterrânea secreta” e recebe um layout 3D em uma única tentativa. Um arquiteto pede dezenas de layouts conceituais estruturalmente válidos dado terreno e iluminação — gerados em minutos. Gêmeos digitais, ambientes de metaverso, simulação de direção autônoma e planejamento espacial de robôs repousam sobre a mesma capacidade. O ritmo da Anthropic também importa: com o Opus 5 tendo uma estreia morna e um IPO no horizonte, o timing do vazamento soa como um rápido “lançamento de vingança” — a Anthropic não pode se dar ao luxo de uma geração fraca.
O Que Fazer Agora
-
Fique de olho nos endpoints oficiais. Nenhum dos modelos foi confirmado; um anúncio deve ocorrer em poucas semanas, e a listagem como Custom model é o sinal de que os testes de rollout já começaram.
-
Se você usa o Claude Code, verifique a lista de Custom models — a entrada com contexto de 1M é onde esses builds têm aparecido.
-
Adicione tarefas espaciais à sua suíte de avaliações agora — testes de layout de quartos, plantas baixas e posicionamento de objetos. O raciocínio 3D será o diferencial da próxima geração de modelos.
-
Orceamente os tokens de raciocínio em workloads de agentes. Os custos de inferência estão migrando da amortização em escala de treinamento para raciocínio por consulta; acompanhe o consumo de tokens da mesma forma que você acompanha horas de GPU.
-
Planeje-se para a renovação das classes. O nível Fable continua sendo o teto de qualidade, mas um nível intermediário mais rápido e com capacidade espacial pode redefinir os padrões para produtos de código, dados e agentes.
FAQ: Marshmallow, Melon e Tokens de Raciocínio
O que são Claude Marshmallow e Melon?
Codinomes de dois modelos não lançados da Anthropic — claude-marshmallow-eap e claude-melon-eap — detectados pela primeira vez no tráfego de API em 21 de agosto de 2026, e no Claude Code como um Custom model com contexto de 1.000.000 de tokens. Testadores relatam geração one-shot de layouts espaciais 3D e qualidade de conversa acima do Opus 5, ainda abaixo do nível Fable.
O que é um token de raciocínio (thinking token)?
Um token que o modelo gasta durante a inferência em raciocínio interno — construção de cadeia de pensamento e tentativa e erro lógico — antes de produzir a resposta final. Testadores dizem que Marshmallow e Melon consomem tantos que repetidamente batem nos limites de tokens máximos, evidência de que a competição está migrando da escala na fase de treinamento para o raciocínio na fase de inferência.
Quando esses modelos serão lançados oficialmente?
Nenhuma data foi anunciada. As especulações vão de um refresh do Opus 5.1 — uma resposta à recepção fraca do Opus 5 — até a próxima geração de Sonnet ou Haiku. O aparecimento como Custom model no Claude Code sugere que os testes de rollout já estão em andamento.
