O Brasil é o 5º país que mais usa o Claude — e isso quer dizer menos do que parece

O Brasil é o quinto país que mais usa o Claude. O dado não vem de consultoria, de painel de scraping nem de "pessoas a par do assunto": vem do microdado que a própria Anthropic publica, por país, mês a mês, sob licença CC-BY, com notebook de replicação. Baixei o dataset e medi.

A mesma medição diz uma segunda coisa, que manchete nenhuma carrega: em intensidade de uso per capita, o Brasil é o 61º de 121 países. Estamos no topo porque somos grandes, não porque somos intensos. Essa distinção — volume não é intensidade — é a chave deste artigo inteiro, porque a versão dela em dinheiro (run rate não é receita) é a confusão que sustenta quase toda página de "estatísticas do Claude" publicada em 2026.

Estudei a mais completa dessas páginas — uma compilação alemã de abril de 2026, com dezenas de números sobre receita, valuation, usuários e benchmarks — e conferi cada fonte que consegui abrir: as primárias e mais 21 links de comunidade, um a um. O que segue é o resultado da conferência, incluindo o que ela acusou contra mim.

O único dado primário sobre uso do Claude é o que ninguém cita

A página alemã admite, com honestidade: "ao contrário da OpenAI, a Anthropic não publica números detalhados de usuários". É verdade — e a consequência é que nenhum dos números de manchete vem da empresa. Cada um tem um produtor diferente, com um método diferente:

A última linha é a mais reveladora: a página credita a um Substack o único número da tabela que a empresa publicou de verdade. Citaram o eco em vez da fonte. (Os números de produto do Claude Code — modelos, uso, autonomia — ficam para um artigo próprio.)

Enquanto isso, existe um dado que a Anthropic publica: o Anthropic Economic Index, com microdado de uso por país, metodologia aberta, dataset baixável no Hugging Face sob CC-BY e notebooks de replicação. É o único dado da lista que qualquer pessoa pode reproduzir — e a página o cita uma vez, de passagem, para um número de Singapura. O único dado primário e documentado leva uma linha; o run rate vazado leva a manchete.

O custo de ignorar a fonte primária tem exemplo numérico. Um agregador americano afirma "245 milhões de usuários ativos mensais em meados de 2026", creditando um relatório da Sensor Tower que é pago e fechado — não consegui confirmar que o relatório contenha o número. Outro, usando SimilarWeb, dizia "~20 milhões" em setembro de 2025. Doze vezes de diferença, nenhuma primária, e um padrão suspeito no agregador maior: 245 milhões de usuários x US$ 192 por usuário ≈ US$ 47 bi de "ARR" — os três números fecham entre si perfeitamente, o que sugere que dois deles foram derivados do terceiro, de trás para frente.

5º em volume, 61º em intensidade: o Brasil usa o Claude na proporção do seu tamanho

Baixei o dataset da release de junho de 2026 do Economic Index (219 MB de CSV) e medi o Brasil com um script de 73 linhas. Os números do mês de maio de 2026:

O AUI (Anthropic AI Usage Index) é uma razão: a fatia do Brasil no uso do Claude dividida pela fatia do Brasil na população mundial em idade ativa. AUI = 1 significa usar exatamente na proporção do próprio tamanho. O Brasil marca 0,96 — e é isso que o 5º lugar não conta: estamos entre os maiores volumes do mundo porque somos um país de 200 milhões de pessoas, não porque o brasileiro médio use Claude mais que o resto do mundo.

O top-10 por volume carrega o espectro inteiro dessa distinção:

A Índia é o 2º maior volume do mundo com AUI 0,30 (104º de 121); a Austrália é o 9º volume com AUI 6,40 — o 1º do mundo em intensidade. Volume mede tamanho; AUI mede comportamento. São réguas diferentes, e um ranking que só mostra uma delas está escondendo a outra metade da informação.

Três ressalvas que qualquer comparação dessas exige — e que as páginas de estatísticas nunca fazem:

1. O denominador não é 100%. Os 121 países publicados na release de 2026 somam 87,5% do uso global; o restante não tem país atribuído público. Na release de 2025 o buraco era explícito: um balde not_classified com 15,66% de todo o uso.
2. Posição entre releases não é comparação limpa. As duas releases têm cobertura diferente (194 vs 121 países) e janela diferente (uma semana de ago/2025 vs o mês cheio de mai/2026). O "3º -> 5º" do Brasil diz menos que parece. O AUI, sim, compara — é razão contra população, imune ao número de países publicados.
3. A medida estável é a intensidade. Em dez meses o AUI brasileiro foi de 0,93 a 0,96 — praticamente parado, e é a medida mais estável do conjunto todo. O que muda de posição é o ranking em volta, não o comportamento brasileiro.

E para que o brasileiro usa? 57,4% do uso é declarado como trabalho — segundo o relatório de geografia da própria Anthropic, Brasil e Bálcãs têm a maior proporção de uso profissional do mundo. O microdado confirma a prosa:

Nota metodológica. Todos os números desta seção saem do dataset aberto Anthropic/EconomicIndex (release de 26/06/2026), medidos por um script de 73 linhas que acompanha este artigo — mesma régua nas duas pontas, nunca resumo de prosa contra microdado. O AUI usa população em idade ativa (15-64) como denominador, conforme a definição publicada pela Anthropic. Reproduzir leva dois comandos: baixar o CSV e rodar o script.

Run rate não é receita — e a página sabe disso

A página alemã define run rate corretamente: o faturamento anual extrapolado a partir do mês corrente. Duas seções depois, divide esse run rate pelo número de funcionários e chama o resultado de "receita por funcionário" (US$ 4,2 mi por cabeça), para concluir que a Anthropic é "muito mais eficiente que as gigantes tradicionais". Mais adiante, divide valuation por run rate (20x vs 29x da OpenAI) e conclui que a Anthropic "opera com mais eficiência" — múltiplo de valuation não mede eficiência operacional; mede o que o investidor paga por unidade de receita extrapolada. E o denominador mistura réguas: os US$ 380 bi da Anthropic eram post-money; os US$ 730 bi da OpenAI, como o artigo sobre as estatísticas do ChatGPT mostrou, eram pre-money. A conta compara laranja com laranja descascada.

O que "run rate" significa na prática, ninguém explicou melhor que a Reuters Breakingviews (via Simon Willison): para consumo de API, a Anthropic pega os últimos 28 dias e multiplica por 13; para assinaturas, o mês corrente vezes 12. "Anualizado" não é o ano — é o presente projetado como se o crescimento parasse hoje, numa empresa que cresce mais de 10x ao ano.

A linha do tempo do run rate em 2026, com a régua de quem disse cada número:

A sequência é real: US$ 14 bi assinados pela empresa em 12 de fevereiro; "nears $20 billion" via Bloomberg em 3 de março ("recently surpassed $19 billion… up from $9 billion at the end of 2025"); US$ 30 bi anunciados em 6 de abril, conforme a cronologia de Willison; US$ 47 bi na página da Série H, em maio. Nada disso é mentira — Willison é direto: mentir para investidores que acabaram de aportar US$ 65 bi seria fraude de valores mobiliários.

Mas no meio dessa sequência existe um número de natureza diferente. Em 9 de março de 2026, no processo da Anthropic contra o U.S. Department of War (caso 3:26-cv-01996, N.D. Califórnia), o CFO Krishna Rao declarou, sob pena de perjúrio: a empresa gerou receita "exceeding $5 billion to date" — desde a fundação. Na mesma janela em que o run rate público era ~US$ 19-20 bi. A mesma peça registra mais de US$ 10 bi já gastos em treino e inferência, e mais de US$ 60 bi levantados em capital externo.

Isso não é contradição — é a definição. Davi Ottenheimer, que analisou a peça no flyingpenguin, deu a imagem exata: run rate é o velocímetro; receita acumulada é o odômetro. Numa empresa que cresce 10x ao ano, o velocímetro marcando 19 bi/ano com o odômetro em 5 bi é aritmética, não escândalo: quase toda a receita da história da empresa aconteceu nos últimos meses. Quem publicar o ">US$ 5 bi" como "pegaram a Anthropic mentindo" está cometendo exatamente o erro que este artigo descreve — trocar uma medida de acumulação por uma medida de ritmo.

O que os céticos têm de melhor não é escândalo; é régua. Jason Lemkin (SaaStr): "os US$ 47 bi são um mês forte anualizado" — a receita de calendário 2026 deve ficar em US$ 20-26 bi, "top five do software, não o número dois". Ottenheimer aponta que a curva pública implica ~US$ 6,7 bi acumulados até março contra os ">5 bi" jurados — uma diferença que pode ser sobredeclaração de 25-35% ou simplesmente ARR contando contrato assinado antes do dinheiro entrar. E Ed Zitron, o mais duro dos críticos, circulou a declaração do CFO com a data errada — 6 de março, quando a peça foi executada em 9 — o que é um erro pequeno, mas é o tipo de erro que esta apuração existe para pegar: citei a peça, não o blog que a resumiu.

Quando "32%" quer dizer "150 pessoas responderam"

O market share enterprise é o número mais citado da página alemã: "Anthropic 32%, OpenAI 25%". A cadeia de atribuição real: a página credita a TechCrunch, que só noticiou; o número é da Menlo Ventures — e é uma pesquisa de opinião. A edição usada (Mid-Year 2025) ouviu 150 líderes técnicos. "32% de share" quer dizer: de 150 pessoas que responderam a um formulário, um terço disse gastar mais com a Anthropic.

Pior: quando a página foi publicada, em abril de 2026, a Menlo já tinha soltado havia quatro meses a edição nova (495 respondentes, novembro de 2025): Anthropic 40% do gasto enterprise com LLMs, OpenAI 27%, Google 21% — e, em coding, Anthropic com 54% contra 21% do segundo colocado. A página usou a edição velha da fonte que apresentou como fato medido.

E o gráfico da página comete um erro que nenhuma das fontes cometeu: funde duas séries incompatíveis. A da Ramp (gasto em cartão corporativo de clientes da Ramp: Anthropic de ~10% para >65% do gasto combinado) e a da Menlo (survey sobre o mercado de API: de 12% para 32%) — com o mesmo par "OpenAI: de 50% para 25%" aparecendo nas duas, em janelas de tempo diferentes, creditado a fontes diferentes. Cartão corporativo mede gasto de quem usa a Ramp; survey mede resposta de quem foi perguntado. Empilhar os dois num gráfico só produz uma curva que nenhum instrumento mediu.

A regra prática: survey se apresenta com o N. "40% (pesquisa com 495 decisores americanos, autodeclarada)" é informação; "40% do mercado" é ficção de precisão.

A tabela certa, lida na ordem errada — o erro que eu também cometi

A única menção da página ao Economic Index diz: a maior utilização per capita está em "Singapura (4,6x acima da média), seguida do Canadá (2,9x), Israel e Austrália". Medi no dataset da release citada (2025, 194 países):

Os quatro valores da página existem e batem. O defeito é de ordenação: Singapura aparece como a maior (é a 3ª), o Canadá como segundo (é o 12º), e Israel — o 1º do mundo, com folga — é citado em terceiro, sem número. Leram a tabela certa e a reordenaram errado.

Registro o que a conferência acusou contra mim: minha primeira leitura desse trecho concluiu que o "2,9x do Canadá" tinha sido inventado, porque o Canadá não aparecia no meu top-5. Estava errada. O valor existe — 2,914, exatamente os "2,9x" — o que não existe é a posição que a página lhe dá. Só descobri medindo o dataset em vez de confiar na minha própria releitura. O erro de ordenação é o mais fácil de cometer porque a checagem superficial — "os números existem?" — passa.

Dois defeitos conceituais completam o quadro. "4,6x acima da média" descreve errado o instrumento: AUI não é desvio de média, é razão contra população (Singapura usa 4,6x a proporção do seu tamanho, não "4,6x a média"). E o topo do ranking de AUI é ruidoso por construção: Mônaco, Luxemburgo, Islândia e Malta aparecem lá porque são minúsculos — em população pequena, pouca gente muda muito a razão. Ler o AUI como "ranking dos países mais avançados em IA" é ler errado o instrumento — ele mede intensidade relativa, com todo o ruído que denominadores pequenos trazem.

O que dá para conferir hoje sem intermediário

A conferência é justa: boa parte do que a página publica bate com a fonte primária. Preços, sobretudo — conferidos na tabela oficial em agosto de 2026:

O problema aparece no que a página afirma contra si mesma:

1. A janela de contexto tem três respostas na mesma página. 200K tokens em duas seções, "1M padrão" em outras duas, "1M em beta" numa terceira. A documentação da Anthropic, na época, dava 1M para Opus 4.6 e Sonnet 4.6 — duas das três respostas estavam erradas, e o leitor não tem como saber qual.
2. Uma frase que se contradiz sozinha: "o GPT-5.4 é bem mais caro no output (US$ 15, contra US$ 15 do Sonnet 4.6)". Quinze contra quinze.
3. O benchmark decimal que a fonte não publica. A página compara Opus 4.6 (80,8% no SWE-bench) com Opus 4.5 (80,9%) — o modelo mais novo pontuando menos, dentro de uma narrativa de progressão. Fui às primárias reproduzir o par e não consegui: as tabelas de benchmark dos dois anúncios oficiais são imagens, e o único número textual é um rodapé do 4.6 — 81,42%, com modificação de prompt. A página compara com precisão de décimo o que a fonte não publica em par comparável.
4. "#1 nos três leaderboards da LMSYS ao mesmo tempo" — a Anthropic nunca reivindicou isso. Zero menções a Arena ou leaderboard no anúncio do Opus 4.6. O snapshot de abril do leaderboard não está acessível; não posso provar que o claim era falso na data — posso afirmar que não era da Anthropic e que hoje não é verdade.
5. A tabela de knowledge cutoff mistura duas definições. A Anthropic publica dois cutoffs por modelo — reliable knowledge e training data — e a página usa ora um, ora outro, na mesma tabela: Sonnet 4.5 com o reliable, Opus 4.6 com o training, Opus 4.5 com uma data que não é nenhum dos dois.

O padrão das cinco falhas é o mesmo: são todas conferíveis hoje, de graça, sem intermediário — na documentação e nos anúncios públicos. O que exige vazamento, a página trata com cuidado; o que basta abrir a fonte, ninguém abriu.

Meia-vida de quatro meses

A página é datada de 3 de abril de 2026. Entre abril e agosto:

O episódio do Claude Code merece o registro pela cadeia de atribuição, que a colheita de comunidade tinha errado: quem noticiou a remoção foi um usuário, George Pu; o head de growth da Anthropic, Amol Avasare, publicou apenas o recuo — "small test on ~2% of new prosumer signups. Existing Pro and Max subscribers aren't affected". Até o perímetro do produto muda em escala de semanas, e por teste A/B.

Nada disso é defeito do autor alemão — em abril, os números de abril eram os números. O defeito é do gênero: uma página de "estatísticas de 2026" tem meia-vida de semanas, e o formato — dezenas de números, uma data só no topo — envelhece em bloco e em silêncio. O leitor de julho lê números de março achando que lê o presente.

O que eu faria com isso

Pergunte quem assinou o número, antes de perguntar qual é o número. A mesma grandeza — "receita da Anthropic" — circulou em 2026 como US$ 14 bi (a empresa, em comunicado), ~US$ 19 bi (Bloomberg, via vazamento), US$ 47 bi (a empresa, run rate de um mês forte) e >US$ 5 bi (o CFO, sob juramento, medindo outra coisa). Nenhum é mentira; cada um responde a uma pergunta diferente. Quem não sabe qual pergunta o número responde não sabe o que o número diz.

Separe velocímetro de odômetro em toda cifra de receita. Run rate é ritmo instantâneo projetado; receita é o que entrou. A distância entre os dois é proporcional ao crescimento — e numa empresa crescendo 10x ao ano, ela é enorme e normal. Desconfie de quem apresenta a distância como flagrante, e de quem apresenta o velocímetro como odômetro.

Se o assunto é uso do Claude, vá ao único dado aberto que existe. O Economic Index é CC-BY, tem notebook de replicação e microdado por país. Todos os números brasileiros deste artigo saem de um script de 73 linhas sobre um CSV público — qualquer pessoa reproduz em dois comandos. É mais do que se pode dizer de qualquer outra estatística citada aqui, e é por isso que o Brasil-5º-em-volume-61º-em-intensidade é o número mais sólido deste texto.

E da próxima vez que uma página de estatísticas aparecer no seu feed, o teste barato é este: procure uma afirmação conferível de graça — um preço, uma janela de contexto — e confira. Se o autor não abriu a fonte que não custa nada, a régua para o resto está dada.

Fontes

• Dado primário de uso: Anthropic Economic Index · dataset no Hugging Face (CC-BY, release 26/06/2026)
• Comunicados da Anthropic: Série G, US$ 30 bi / US$ 380 bi post-money, 12/fev/2026 · Série H, US$ 65 bi / US$ 965 bi post-money, mai/2026
• Declaração do CFO Krishna Rao (9/mar/2026), caso 3:26-cv-01996 (N.D. Cal.), Anthropic PBC v. U.S. Department of War: CourtListener, Document 6-5
• Cronologia e mecânica do run rate: Simon Willison, 29/mai · 31/mai
• Imprensa: Bloomberg, 3/mar/2026 · TechCrunch, 28/mar/2026
• Survey enterprise: Menlo Ventures, State of Generative AI in the Enterprise, dez/2025
• Céticos e réguas: Jason Lemkin / SaaStr · Davi Ottenheimer / flyingpenguin, 17/mar/2026 · Ed Zitron, 26/mai/2026 · David Gerard / Pivot to AI, 23/abr/2026
• Página analisada: gradually.ai/claude-statistiken (snapshot Wayback, 18/abr/2026)

Verificação: números do Brasil e rankings de AUI medidos pelo autor no dataset aberto do Economic Index (release 26/06/2026) em agosto de 2026; preços conferidos em claude.com/pricing em 03/08/2026; comunicados, posts e peça judicial lidos na íntegra entre 03 e 10/08/2026 — Bloomberg e Pivot to AI via snapshot do Wayback Machine; os dois tweets citados conferidos por navegação direta. Não li o artigo do Wall Street Journal citado pela colheita (paywall mesmo no Wayback) — nada aqui depende dele. Não pude verificar o snapshot de abril do leaderboard da LMSYS; o texto marca esse claim como não-reprodutível, não como falso. A peça do CFO foi citada pelo documento judicial, não por resumos de terceiros.