O pitch
O OpenClaw é um framework de agentes autônomos sob licença MIT, projetado para unir o raciocínio dos LLMs à execução de tarefas em mais de 50 serviços.
Por dentro
O OpenClaw atingiu 350.000 estrelas no GitHub em abril de 2026, o que confirma sua posição de projeto de código aberto dominante para workflows agênticos (Fonte: Linux Journal). A influência do projeto é tamanha que a NVIDIA lançou recentemente o “NemoClaw”, uma camada de governança corporativa projetada para envolver implantações do OpenClaw em ambientes corporativos (Fonte: GTC 2026). Seu fundador original, Peter Steinberger, foi para a OpenAI em fevereiro de 2026 para dirigir a estratégia de agentes pessoais da empresa (Fonte: InfoWorld).
O framework sofre atualmente com vulnerabilidades de segurança críticas. No início de 2026, pesquisadores encontraram quase 50.000 instâncias vulneráveis a execução remota de código (RCE) e a sequestro (Fonte: Infosecurity Magazine). O sistema também é suscetível a injeção indireta de prompt, em que comandos maliciosos embutidos em e-mails ou em dados da web são executados pelo agente (Fonte: HN Thread). A Autoridade Holandesa de Proteção de Dados (AP) emitiu um alerta formal contra seu uso em fevereiro de 2026 (Fonte: Infosecurity Magazine).
Os custos operacionais de um raciocínio de alto desempenho são consideráveis. A Anthropic passou os usuários do OpenClaw para um modelo de pagamento por uso em abril de 2026, e rodar modelos de fronteira como o Claude 4.5 Opus em um loop autônomo costuma custar centenas de dólares por mês em tarifas de API (Fonte: Linux Journal, PCMag). Apesar de ser vendido como “local”, há casos documentados de instâncias mal configuradas que exfiltraram topologias de redes domésticas e tokens de autenticação para APIs de terceiros (Fonte: HN Thread).
Ainda não sabemos como a abordagem do OpenClaw, baseada em wrappers, se compara aos recursos nativos de “Computer Use” do GPT-5 em benchmarks rigorosos.
Nossa opinião
O OpenClaw é um experimento técnico de alta velocidade que continua inadequado para qualquer caso de uso em produção que exija integridade dos dados. Ele prioriza a amplitude das integrações em detrimento do sandboxing de segurança robusto que o acesso autônomo a sistemas exige. A menos que você precise especificamente testar vulnerabilidades de RCE ou queira subsidiar os custos de computação da Anthropic com loops acidentais de tokens, deixe isso no laboratório.