Durante anos, uma das maiores discussões entre desenvolvedores foi até onde a inteligência artificial poderia chegar na programação. Agora, o próprio criador do Linux resolveu colocar essa questão à prova. E não foi criando uma calculadora ou pedindo para um chatbot corrigir meia dúzia de linhas de JavaScript.
Linus Torvalds utilizou o Claude Code, ferramenta de programação com inteligência artificial da Anthropic, para desenvolver alterações experimentais em uma das partes mais sensíveis do Linux: o kernel.
O trabalho foi publicado em outubro de 2026 e chamou atenção porque envolve uma tentativa de resolver um problema antigo de desempenho no gerenciamento de memória do sistema operacional.
Nos testes iniciais realizados por Torvalds, determinadas operações de leitura de arquivos apresentaram um ganho de aproximadamente três vezes na taxa de processamento. Entretanto, a proposta ainda não foi incorporada à versão oficial do kernel e passou por questionamentos técnicos durante a revisão.
A novidade não é simplesmente o fato de alguém utilizar inteligência artificial para escrever código. Isso já acontece diariamente.
O que torna o episódio interessante é descobrir que um dos programadores mais influentes da história decidiu utilizar um assistente de IA em uma tarefa complexa, documentar sua participação e submeter o resultado à avaliação de outros desenvolvedores.
E, como veremos, a experiência também mostrou por que gerar código e produzir software confiável continuam sendo coisas bastante diferentes.
Como Linus Torvalds utilizou o Claude Code no kernel Linux
Em 10 de outubro, Torvalds publicou uma ramificação experimental de desenvolvimento identificada como noref-filemap-read-with-llm.
O nome já deixava uma pista bastante clara: o trabalho envolvia um modelo de linguagem utilizado para auxiliar no desenvolvimento de alterações relacionadas à leitura de arquivos.
A proposta inicial reunia oito patches, termo utilizado para identificar conjuntos de modificações no código de um software.
Essas alterações buscavam melhorar o funcionamento do page cache, mecanismo utilizado pelo Linux para manter dados de arquivos na memória RAM e evitar acessos desnecessários ao armazenamento.
Em sua documentação, Torvalds reconheceu que o Claude Code participou da produção do código, dos programas de teste, da revisão que fundamentou sua lista de problemas conhecidos e da primeira versão do texto explicativo.
Mas existe um detalhe importante: o trabalho foi realizado sob sua orientação, e as medições de desempenho foram executadas em seu próprio computador.
Ou seja, não foi um agente de inteligência artificial decidindo sozinho modificar o Linux.
Torvalds definiu o problema, direcionou o desenvolvimento e apresentou resultados que poderiam ser examinados por outros profissionais.
Essa distinção é fundamental para compreender o papel da IA no projeto. O assistente participou de etapas relevantes da implementação, mas a responsabilidade técnica continuou com o desenvolvedor humano.
Inteligência artificial ajudou a enfrentar um problema antigo de desempenho
Para entender a importância da proposta, precisamos olhar para uma situação que pode acontecer quando vários processos tentam acessar simultaneamente o mesmo arquivo.
O Linux utiliza estruturas de controle para acompanhar referências às páginas de memória que armazenam esses dados.
Em determinadas condições, vários núcleos do processador precisam atualizar informações compartilhadas. Isso pode gerar contenção, reduzindo a eficiência de operações que, individualmente, seriam bastante simples.
Imagine oito pessoas tentando consultar um documento, mas todas precisando atualizar o mesmo registro antes de continuar.
O documento está disponível. O problema não é encontrá-lo, mas a disputa pelo mecanismo utilizado para controlar seu acesso.
É uma comparação simplificada, mas ajuda a entender o desafio.
A abordagem desenvolvida com auxílio do Claude Code procura reduzir operações desnecessárias de contagem de referências durante determinadas leituras realizadas a partir do cache.
O objetivo é permitir que múltiplos fluxos de execução consultem os dados com menos interferência entre si.
A ideia, entretanto, exige cuidados importantes com o gerenciamento da memória. Alterar a maneira como referências são mantidas e liberadas pode introduzir problemas de sincronização, especialmente quando diferentes operações acontecem ao mesmo tempo.
E é justamente por isso que uma melhoria aparentemente promissora precisa passar por uma revisão rigorosa antes de chegar aos usuários.
Testes mostraram desempenho até três vezes maior
Os primeiros resultados apresentados por Torvalds foram expressivos.
Em um teste específico, oito threads executavam repetidamente operações de leitura de 16 bytes a partir do mesmo arquivo armazenado em cache.
Antes das alterações, o sistema processava aproximadamente 10 milhões dessas leituras por segundo.
Com a implementação experimental, o resultado passou para cerca de 30 milhões a 33 milhões de leituras por segundo.
Resultado aproximado do teste com oito threads
Em outro indicador, o custo de processamento caiu de aproximadamente 2.950 para 725 ciclos de CPU por leitura no mesmo cenário de concorrência.
É um avanço considerável para uma operação específica.
Mas existe uma diferença enorme entre melhorar um teste de laboratório e afirmar que todo o Linux ficou três vezes mais rápido.
As medições foram realizadas em condições controladas, com uma carga de trabalho direcionada ao problema que os patches pretendem resolver.
Aplicações comuns, jogos, navegadores e outras atividades podem apresentar resultados completamente diferentes.
Em testes com apenas uma thread, por exemplo, os ganhos foram muito menores.
Portanto, a descoberta demonstra o potencial da abordagem em situações de alta concorrência, mas não representa uma aceleração generalizada do sistema operacional.
Revisores encontraram problemas no código desenvolvido com IA
Apesar dos resultados promissores, a experiência também revelou uma limitação importante da inteligência artificial aplicada ao desenvolvimento de sistemas críticos.
Durante a revisão das alterações, desenvolvedores identificaram uma possível condição de corrida, conhecida como race condition.
Esse tipo de problema acontece quando o comportamento de um programa depende da ordem ou do momento em que diferentes operações são executadas simultaneamente.
No kernel Linux, falhas dessa natureza merecem atenção especial porque podem comprometer a estabilidade e a integridade das operações realizadas pelo sistema.
Segundo reportagem publicada pelo The New Stack em 14 de outubro, uma série posterior de dez patches também apresentou resultados expressivos em testes sintéticos, mas os revisores encontraram problemas de sincronização que precisavam ser resolvidos.
Essa evolução é importante porque os resultados divulgados em diferentes momentos não devem ser confundidos. A série inicial de oito patches apresentou ganhos próximos de três vezes em um cenário específico, enquanto testes posteriores chegaram a indicar melhorias ainda maiores em outras condições.
Nenhum desses resultados significa que as alterações já estejam prontas para utilização generalizada.
A identificação dos problemas também não invalida necessariamente a proposta. O processo de revisão existe justamente para encontrar falhas antes que elas sejam incorporadas ao código principal.
Mas o episódio deixa uma mensagem bastante clara: uma inteligência artificial pode produzir uma solução tecnicamente interessante e, ainda assim, deixar passar erros que exigem conhecimento especializado para serem identificados.
Linus Torvalds também utilizou IA para encontrar bugs antigos
A experiência com o Claude Code não foi a única utilização recente de inteligência artificial por Torvalds.
Em outra iniciativa divulgada em outubro, ele utilizou ferramentas baseadas em modelos de linguagem para compreender melhor alterações relacionadas às estruturas de arrays associativos do kernel.
O trabalho envolvia modificações que ele considerava difíceis de acompanhar.
Ao utilizar IA para analisar e explicar o código, foram identificados problemas adicionais em uma área que já apresentava falhas antigas.
A descoberta chamou atenção porque demonstra outra aplicação possível da tecnologia: ajudar desenvolvedores experientes a compreender trechos complexos de sistemas existentes.
Nesse caso, o objetivo não era simplesmente produzir mais linhas de código, mas facilitar a análise de implementações e a identificação de comportamentos problemáticos.
De acordo com o Phoronix, Torvalds comentou a experiência ao publicar alterações relacionadas aos arrays associativos, reforçando sua posição de que modelos de linguagem podem ser ferramentas úteis para compreender código complexo.
Isso não elimina a necessidade de validação humana. Na verdade, torna essa validação ainda mais importante.
O criador do Linux mudou de opinião sobre inteligência artificial?
A utilização do Claude Code não significa necessariamente uma mudança radical na posição de Linus Torvalds.
O desenvolvedor já havia demonstrado interesse em aplicações práticas de inteligência artificial e realizado experiências com ferramentas de programação assistida.
Durante o Open Source Summit Europe 2026, realizado em Praga, ele também comentou o potencial da IA para aproximar iniciantes do desenvolvimento de software.
Torvalds comparou a tecnologia a uma porta de entrada para a programação, destacando que ferramentas capazes de ajudar pessoas a criar pequenos projetos podem tornar o aprendizado mais acessível.
Ao mesmo tempo, alertou sobre os riscos de utilizar inteligência artificial em trabalhos profissionais complexos sem compreender adequadamente os objetivos e os resultados.
Outra preocupação envolve o aumento de relatórios de vulnerabilidades e contribuições geradas automaticamente, que podem sobrecarregar os responsáveis pela manutenção de projetos de código aberto.
Afinal, gerar uma sugestão de correção ficou muito mais fácil. Verificar se ela realmente resolve um problema, não introduz novos erros e respeita a arquitetura de um projeto continua exigindo trabalho.
A posição de Torvalds parece seguir uma linha pragmática: utilizar ferramentas que ajudam a resolver problemas, mas sem transformar suas respostas em verdades absolutas.
O que o uso do Claude Code significa para os programadores?
É tentador transformar a história em mais um debate sobre a inteligência artificial substituir desenvolvedores. Mas o episódio mostra algo mais específico e, talvez, mais relevante.
Um profissional com décadas de experiência utilizou um assistente de programação para explorar uma solução complexa, produzir testes e acelerar partes do trabalho.
Isso não eliminou a necessidade de compreender o problema, interpretar resultados, avaliar riscos ou submeter o código à revisão de outros especialistas.
Na prática, o caso ilustra uma divisão de responsabilidades que pode se tornar cada vez mais comum no desenvolvimento de software.
A inteligência artificial auxilia na implementação, na análise e na documentação. O desenvolvedor continua responsável pelas decisões técnicas, pelos testes e pela confiabilidade da solução.
Também existe uma questão importante sobre transparência.
Ao documentar a participação do Claude Code, Torvalds permitiu que outros profissionais soubessem como o trabalho havia sido produzido.
Essa informação ajuda a contextualizar as alterações e demonstra que o uso de inteligência artificial não precisa ser escondido para que um projeto seja tecnicamente relevante.
Por outro lado, a presença de um assistente de IA não deve servir como justificativa para reduzir a qualidade das revisões.
Se existe uma lição prática nessa experiência, é que a velocidade de produção precisa ser acompanhada pela capacidade de verificar aquilo que foi produzido.
As alterações feitas com Claude Code já estão disponíveis no Linux?
Até 15 de outubro de 2026, as alterações discutidas permaneciam em desenvolvimento e revisão, sem incorporação confirmada à linha principal do kernel Linux.
A ramificação experimental publicada por Torvalds pode ser consultada no repositório de desenvolvimento, mas isso não significa que suas modificações estejam presentes nas versões estáveis utilizadas pelas distribuições.
Portanto, usuários de Ubuntu, Fedora, Debian e outras distribuições não devem esperar encontrar automaticamente os ganhos de desempenho apresentados nos testes.
Para que essas alterações cheguem aos usuários, ainda será necessário resolver os problemas identificados, concluir a revisão técnica e obter a aceitação dos responsáveis pela manutenção das áreas afetadas.
Mesmo depois disso, a disponibilização dependerá do ciclo de atualização do kernel e das decisões de cada distribuição.
O código experimental está disponível para análise no repositório oficial do Linux.
A inteligência artificial não substituiu Linus Torvalds. Ela virou mais uma ferramenta
A participação do Claude Code no desenvolvimento experimental do kernel Linux representa um momento interessante para a evolução da programação assistida por inteligência artificial.
Não porque a ferramenta tenha criado uma solução perfeita ou porque o Linux tenha passado a ser desenvolvido automaticamente. O que aconteceu foi mais concreto.
Um dos nomes mais importantes da história do software utilizou inteligência artificial para trabalhar em um problema real, conseguiu resultados promissores e apresentou o código para avaliação pública.
Os ganhos de desempenho mostraram que a abordagem merece atenção. Os problemas encontrados na revisão lembraram que até soluções aparentemente bem sucedidas podem esconder falhas importantes.
E talvez esse seja o ponto central da história.
A inteligência artificial está se tornando capaz de participar de tarefas cada vez mais complexas, inclusive no desenvolvimento de componentes fundamentais de sistemas operacionais.
Mas saber escrever código continua sendo apenas uma parte do trabalho.
Compreender o problema, reconhecer limitações e assumir responsabilidade pelo resultado são habilidades que permanecem essenciais.
No fim das contas, nem mesmo Linus Torvalds dispensou a revisão humana.
E se o criador do Linux considera necessário verificar o que a inteligência artificial produz, talvez seja uma boa ideia não confiar cegamente naquele código que o chatbot acabou de entregar em cinco segundos.
