Andrew Tulloch se junta à Anthropic após deixar a Meta em menos de um ano

Andrew Tulloch se junta à Anthropic após passar cerca de 11 meses na Meta, segundo reportagens publicadas em 10 de setembro. A mudança continua sem confirmação de Tulloch, Meta ou Anthropic. Ainda assim, seu momento cria um problema imediato para a cara campanha de recrutamento de IA da Meta.

Tulloch retornou à Meta em outubro de 2025, após cofundar a Thinking Machines Lab com Mira Murati, ex-executiva da OpenAI. Seu recrutamento atraiu atenção incomum porque a Meta teria oferecido um pacote de remuneração potencialmente avaliado em mais de um bilhão de dólares. A Meta contestou as estimativas mais altas associadas a esse pacote.

A agora reportada mudança de Andrew Tulloch para a Anthropic inverte a narrativa que cercou sua chegada. A Meta recrutou com sucesso um engenheiro de sistemas altamente respeitado, mas aparentemente não conseguiu retê-lo por um ano completo. A Anthropic, por sua vez, ganharia um engenheiro cuja carreira abrange treinamento de modelos, infraestrutura e inferência em larga escala.

Essa inversão importa para além da decisão de emprego de um pesquisador. A Meta tratou a contratação de talentos de elite como parte central de sua tentativa de reduzir a distância em relação aos laboratórios de fronteira. Agora, a Anthropic estaria levando um dos recrutados mais visíveis desse esforço.

A mudança reportada ainda não tem confirmação oficial

O fato central é uma saída reportada, não um anúncio público concluído por nenhuma das empresas.

O Wall Street Journal informou que Tulloch deixaria a Meta para ir à Anthropic, citando pessoas familiarizadas com o assunto. Uma saída reportada separada afirmou que ele havia trabalhado na Meta por aproximadamente 11 meses.

A reportagem veio após um relato anterior de que Tulloch havia pedido demissão da Meta sem explicar publicamente sua decisão. A Meta se recusou a comentar sua saída, enquanto Tulloch não respondeu aos pedidos de comentário. A Anthropic também não havia anunciado publicamente sua contratação quando as reportagens foram publicadas.

Esses detalhes exigem linguagem cuidadosa. Tulloch supostamente planeja se juntar à Anthropic, mas o cargo, a data de início, a linha de reporte e os termos de emprego permanecem desconhecidos. Uma fonte disse à cobertura contemporânea que ele trabalharia na equipe de inferência e desempenho da Anthropic.

Inferência é o processo de executar um modelo de IA treinado para produzir respostas aos usuários. A engenharia de desempenho reduz o tempo de computação, o uso de memória e o custo de hardware exigidos por esse processo. Essas questões se tornaram críticas à medida que os laboratórios oferecem modelos cada vez mais capazes a bases maiores de clientes.

O destino reportado, portanto, se encaixa no histórico técnico de Tulloch. Seu site pessoal diz que ele trabalhou em sistemas de machine learning na Meta e ajudou a treinar GPT-4o, GPT-4.5 e o3 na OpenAI. Ele também o identifica como cofundador da Thinking Machines Lab.

No entanto, sua própria biografia ainda o listava no TBD Lab da Meta depois que surgiram relatos de sua demissão. Essa divergência não invalida as reportagens. Ela mostra que o registro público disponível ainda não havia acompanhado a mudança de emprego reportada.

A falta de confirmação também limita conclusões sobre a motivação. Nenhuma fonte verificada estabeleceu se Tulloch saiu por causa de remuneração, liderança, direção de pesquisa, estrutura organizacional ou outro fator. Qualquer explicação categórica iria além das evidências.

O relato mais defensável é mais limitado. A Meta recrutou Tulloch no fim de 2025 para sua nova organização de superinteligência. Menos de um ano depois, veículos consolidados informaram que ele havia se demitido e iria para a Anthropic.

Essa sequência cria a verdadeira tensão do artigo. A campanha de recrutamento da Meta mostrou que recursos enormes poderiam atrair pesquisadores disputados. A saída reportada de Tulloch sugere que esses recursos, por si só, não garantiam retenção duradoura.

Por que a mudança de Andrew Tulloch para a Anthropic pressiona a Meta

A saída reportada de Tulloch transforma uma celebrada vitória de recrutamento em um teste da capacidade da Meta de manter líderes técnicos especializados.

A Meta recrutou Tulloch para o TBD Lab, uma unidade da Meta Superintelligence Labs liderada por Alexandr Wang. A organização se tornou parte central do esforço de Mark Zuckerberg para fortalecer a posição da Meta em IA avançada.

Tulloch não foi uma contratação comum. Ele passou anteriormente mais de uma década no Facebook e na Meta, trabalhando em infraestrutura de machine learning. Mais tarde, entrou na OpenAI e ajudou a treinar vários modelos importantes antes de cofundar a Thinking Machines Lab.

Esse histórico tornou seu retorno em 2025 especialmente valioso para a Meta. Ele já entendia a infraestrutura e a cultura de engenharia da empresa. Também trazia experiência recente da OpenAI e de um novo laboratório criado por ex-líderes da OpenAI.

Um relato anterior sobre o recrutamento afirmou que Tulloch entrou no TBD Lab após recusar uma oferta anterior. O mesmo relato disse que seu pacote final ficou abaixo da estimativa mais amplamente divulgada.

A Meta rejeitou publicamente alegações de que a oferta anterior poderia alcançar o maior valor reportado. A divergência importa porque as estimativas de remuneração dependiam de incentivos, períodos de aquisição de direitos e possível valorização das ações. Elas não equivaliam a pagamentos imediatos em dinheiro.

Ainda assim, o valor exato é menos importante do que a estratégia que ele representava. A Meta estava disposta a fazer ofertas altamente incomuns para pesquisadores que pudessem acelerar seus programas de modelos e infraestrutura. Tulloch se tornou o símbolo mais claro dessa abordagem.

Sua saída reportada agora pressiona três partes da estratégia da Meta.

Primeiro, a Meta precisa preservar a continuidade dentro do TBD Lab. O desenvolvimento de modelos avançados depende de trabalho coordenado entre treinamento, dados, avaliação, inferência e hardware. Perder um engenheiro sênior de sistemas pode interromper essas conexões, mesmo quando a equipe mais ampla permanece intacta.

Segundo, a Meta precisa proteger sua reputação entre futuros recrutados. Os candidatos avaliam mais do que a remuneração. Eles também consideram autoridade técnica, acesso a recursos computacionais, estabilidade da liderança, liberdade de publicação e a probabilidade de que seu trabalho chegue aos usuários.

Terceiro, a Meta precisa mostrar que sua operação de IA reorganizada pode transformar recrutamento em produtos. Contratar pesquisadores proeminentes cria expectativas, mas usuários e desenvolvedores julgam os modelos lançados, a confiabilidade e as capacidades úteis.

Tulloch supostamente se demitiu perto do lançamento do Muse, o agente de IA da Meta para concluir tarefas online. Outro relato disse que ele havia esperado até o produto ser lançado antes de sair. Essa alegação não recebeu confirmação pública de Tulloch ou da Meta.

Mesmo que o momento esteja correto, isso não estabelece por que ele saiu. No entanto, cria um ponto de transição claro. Um pesquisador pode ajudar a concluir um lançamento e ainda assim decidir que outro laboratório oferece um projeto seguinte melhor.

A saída de Andrew Tulloch da Meta, portanto, pressiona a empresa na etapa de retenção, e não apenas na de recrutamento. A empresa provou que podia trazê-lo de volta. A questão não resolvida é por que essa relação teria durado menos de um ano.

A vitória de recrutamento da Meta se tornou uma oportunidade para a Anthropic

A inversão não é que a Meta tenha falhado em atrair Tulloch, mas que a Anthropic supostamente o recrutou depois de a Meta já ter vencido essa disputa.

A busca original da Meta ocorreu durante uma intensa competição por pesquisadores da OpenAI, Google, Apple e laboratórios mais novos. Zuckerberg participou pessoalmente do recrutamento enquanto a Meta montava seu grupo de superinteligência.

No caso de Tulloch, a Meta abordou primeiro um fundador da Thinking Machines Lab. Essa startup havia reunido um grupo concentrado de pesquisadores e engenheiros com experiência na OpenAI, Meta, Mistral e outros laboratórios.

Tulloch inicialmente recusou a abordagem da Meta, segundo reportagens da época. Mais tarde, deixou a Thinking Machines e retornou à Meta em outubro de 2025. Essa decisão pareceu validar a persistência da Meta e sua disposição de estruturar uma oferta excepcional.

A mudança reportada para a Anthropic altera essa interpretação. Ela sugere que vencer uma disputa de recrutamento é apenas o começo do problema de retenção. Laboratórios de fronteira precisam continuar dando a especialistas raros razões para ficar depois que o anúncio de contratação perde força.

A Anthropic apresenta uma oportunidade distinta para alguém com o histórico de Tulloch. A empresa desenvolve modelos Claude e vende acesso por meio de assinaturas para consumidores, interfaces para desenvolvedores e produtos empresariais. A inferência eficiente afeta diretamente a velocidade, a confiabilidade e a economia desses serviços.

A Anthropic também criou uma organização dedicada à engenharia de desempenho. Uma descrição oficial de sua equipe de engenharia de desempenho afirma que membros ajudaram a colocar em operação um cluster Amazon Trainium e lançaram todos os modelos desde Claude 3 Opus.

Essa fonte não confirma a contratação de Tulloch. Ela estabelece, porém, que a Anthropic trata a engenharia de desempenho como uma função operacional ligada aos lançamentos de modelos. Isso torna o cargo reportado mais plausível do que uma posição consultiva indefinida.

O trabalho anterior de Tulloch também se alinha a esse desafio. Ele foi coautor de uma pesquisa que examinou cargas de trabalho de inferência em data centers do Facebook. O artigo estudou características computacionais, otimizações de desempenho e implicações de hardware para sistemas de machine learning em produção.

Esse histórico atravessa uma fronteira cada vez mais importante. A competição em IA de fronteira antes se concentrava fortemente no treinamento de modelos e em resultados de benchmarks. O sucesso comercial agora também depende de disponibilizar esses modelos sem atrasos ou custos computacionais excessivos.

Um modelo altamente capaz ainda pode se tornar difícil de implantar se cada resposta consumir capacidade de hardware demais. A inferência lenta frustra usuários, enquanto a inferência ineficiente restringe a disponibilidade e pressiona as margens.

Engenheiros de desempenho trabalham com compiladores, kernels, arquiteturas de modelos, agendamento e utilização de hardware. Suas mudanças podem tornar um modelo existente substancialmente mais fácil de operar sem treinar um sistema inteiramente novo.

Tulloch também tem experiência com PyTorch, uma estrutura amplamente usada para criar e executar modelos de machine learning. O artigo original do PyTorch descreveu um sistema que combina uma interface Python familiar com aceleração eficiente de hardware.

Esse perfil torna a mudança reportada estrategicamente relevante para a Anthropic. A empresa não estaria apenas adicionando um nome reconhecível. Ela estaria incorporando alguém com experiência em conectar modelos de pesquisa a grandes sistemas de produção.

A mudança também ilustra como a expertise circula entre um pequeno grupo de organizações. Tulloch trabalhou na Meta, foi para a OpenAI, ajudou a criar a Thinking Machines, retornou à Meta e agora supostamente planeja se juntar à Anthropic.

Cada transferência carrega conhecimento técnico, experiência de gestão e relações profissionais. Informações confidenciais continuam protegidas por contratos e pela lei, mas a experiência prática ainda acompanha o indivíduo.

Essa mobilidade favorece laboratórios que oferecem trabalho técnico atraente e controle significativo sobre a execução. Também torna a retenção mais difícil para empresas que tratam o recrutamento como uma transação concluída, e não como uma responsabilidade organizacional contínua.

A remuneração não pode resolver a guerra por talentos em IA

Pacotes de recrutamento volumosos podem mudar a decisão de um engenheiro, mas não conseguem alinhar permanentemente as prioridades de pesquisa, a liderança e as condições de trabalho.

O valor relatado da oferta original da Meta dominou a cobertura porque parecia extraordinário até mesmo pelos padrões da indústria de tecnologia. A Meta contestou a estimativa mais dramática, e o pacote teria dependido de vários anos de incentivos.

Concentrar-se apenas nesse número obscurece o problema de gestão mais difícil. Pesquisadores de elite frequentemente escolhem entre vários empregadores com recursos financeiros substanciais. Quando a remuneração ultrapassa um patamar elevado, as condições técnicas podem se tornar decisivas.

Essas condições incluem acesso a capacidade computacional, autoridade sobre a direção da pesquisa, composição da equipe e confiança na liderança. Também incluem se o trabalho de engenharia chega aos produtos sem ser paralisado por reorganizações.

A escala da Meta oferece vantagens reais. A empresa opera grandes centros de dados, aplicativos de consumo, sistemas de publicidade e programas de modelos abertos. Um pesquisador pode influenciar produtos usados em uma enorme rede global.

Essa escala também pode criar complexidade. Grandes organizações têm prioridades concorrentes, processos formais de revisão e dependências entre muitas equipes. Um laboratório recém-criado precisa estabelecer autoridade enquanto ainda utiliza a infraestrutura da empresa mais ampla.

A Anthropic oferece um ambiente diferente. Seu negócio está centrado no desenvolvimento e no fornecimento do Claude. O trabalho sobre desempenho de modelos, portanto, fica próximo do principal produto da empresa e de suas restrições comerciais.

Isso não prova que a Anthropic ofereça maior autonomia ou melhor gestão. Nem Tulloch nem a empresa descreveram suas razões para a contratação. O contraste apenas identifica fatores que pesquisadores experientes costumam avaliar.

O episódio também desafia a suposição de que uma contratação de renome transfere automaticamente vantagem competitiva. Modelos de IA surgem de equipes, infraestrutura, processos de dados e experimentos repetidos. Nenhum indivíduo pode substituir todos esses sistemas.

Um engenheiro sênior ainda pode exercer influência desproporcional. Certos especialistas compreendem combinações raras de comportamento de modelos, sistemas distribuídos, design de compiladores e hardware de produção. Suas decisões podem economizar meses de trabalho ou evitar erros arquiteturais caros.

Isso cria um mercado de trabalho difícil. Empresas competem intensamente por um grupo limitado de pessoas, mas observadores externos não conseguem medir facilmente a contribuição de cada indivíduo. Relatos públicos sobre remuneração podem, portanto, estimular conclusões exageradas tanto sobre valor quanto sobre impacto.

A estratégia da Meta não deve ser julgada por uma única saída. A empresa recrutou outros pesquisadores de destaque e continua operando uma grande organização de IA. A saída de Tulloch não estabelece que o programa mais amplo fracassou.

Da mesma forma, a contratação relatada pela Anthropic não garante lançamentos mais rápidos do Claude ou custos operacionais menores. A integração leva tempo, e melhorias de desempenho dependem da equipe ao redor. A empresa não anunciou um projeto específico ligado a Tulloch.

A interpretação cética é direta. A saída de Tulloch pode refletir uma escolha individual que revela pouco sobre a condição geral da Meta. Funcionários seniores mudam de organização por motivos pessoais, técnicos ou contratuais que nunca se tornam públicos.

Um julgamento mais sólido exige um padrão. Saídas adicionais do TBD Lab, produtos atrasados, mudanças na liderança ou reorganizações repetidas tornariam o problema de retenção mais significativo. Lançamentos estáveis e uma equipe duradoura enfraqueceriam essa interpretação.

Por enquanto, a mudança de Andrew Tulloch para a Anthropic é um sinal importante, e não um veredito completo. Ela expõe os limites de usar pacotes de recrutamento de destaque como evidência de força organizacional duradoura.

A Verdadeira Disputa É Transformar Pesquisadores em Produtos Confiáveis

Meta e Anthropic competem por meio de pessoas, mas os usuários vivenciam o resultado por meio da qualidade do produto, velocidade, disponibilidade e confiança.

A história da contratação importa porque o papel relatado de Tulloch está próximo de um gargalo comercial. O treinamento de modelos produz novas capacidades. A inferência determina se os clientes podem usar essas capacidades de forma consistente em escala.

Desenvolvedores percebem a qualidade da inferência por meio de latência, limites de taxa, falhas e comportamento imprevisível. Compradores corporativos também consideram segurança, tratamento de dados, disponibilidade do serviço e a estabilidade das interfaces de modelos.

Profissionais do conhecimento vivenciam a mesma disputa de outra forma. Eles se importam se um assistente consegue processar material complexo, preservar o contexto e concluir tarefas sem correções frequentes. Raramente sabem qual engenheiro aprimorou os sistemas subjacentes.

Isso cria uma lacuna entre manchetes de recrutamento e valor para o cliente. Uma empresa pode anunciar uma equipe impressionante sem entregar um produto confiável. Outra pode melhorar a infraestrutura discretamente e conquistar usuários com melhor desempenho no dia a dia.

A Meta entra nessa disputa com distribuição. Seus serviços oferecem muitos lugares para implantar assistentes, sistemas de recomendação, ferramentas de geração e agentes autônomos. Muse representa uma tentativa de transformar modelos avançados em conclusão de tarefas.

A Anthropic entra na disputa por meio do Claude e de sua plataforma para desenvolvedores. Se Tulloch se juntar ao grupo de inferência e desempenho, seu trabalho provavelmente apoiará os sistemas que entregam respostas do Claude. Nenhuma atribuição específica foi verificada publicamente.

OpenAI e Google aumentam a pressão por direções diferentes. A OpenAI mantém um assistente e um negócio para desenvolvedores amplamente utilizados, enquanto o Google combina pesquisa de fronteira com infraestrutura de nuvem e serviços consolidados para consumidores.

A Thinking Machines também continua relevante. Ela representa a rota das startups, na qual pesquisadores experientes podem construir uma nova organização com menos restrições herdadas. A saída de Tulloch para a Meta mostrou como essas equipes podem ser vulneráveis ao recrutamento por empresas maiores.

Sua mudança relatada da Meta para a Anthropic agora mostra que essa vulnerabilidade também opera no sentido inverso. Grandes balanços patrimoniais não criam propriedade permanente sobre conhecimento especializado. Pesquisadores continuam migrando para projetos, equipes e estruturas organizacionais que consideram atraentes.

Para desenvolvedores, essa mobilidade pode afetar roteiros de produto. Uma saída concentrada pode atrasar um modelo, alterar uma interface de programação de aplicações ou redirecionar investimentos em infraestrutura. No entanto, uma única mudança raramente produz uma alteração visível imediata.

Compradores corporativos devem, portanto, evitar tratar notícias sobre pessoal como referência de produto. Os sinais mais úteis são qualidade dos lançamentos, confiabilidade do serviço, documentação de segurança, suporte à migração e a capacidade do fornecedor de manter o desempenho sob demanda.

O mesmo princípio se aplica a equipes que desenvolvem fluxos de trabalho internos de IA. Fornecedores de modelos continuarão mudando pessoal, políticas e nomes de produtos. As organizações precisam de conhecimento portátil e critérios de avaliação claros, em vez de depender da narrativa pública de um único laboratório.

Uma base de conhecimento de IA pesquisável pode ajudar equipes a preservar decisões, avaliações e lições de implantação diante de mudanças de fornecedores. Essa conexão importa quando as capacidades dos modelos e os fornecedores mudam rapidamente.

Ainda assim, a especialização de Tulloch torna a contratação relatada mais significativa do que uma transição executiva genérica. A eficiência de inferência molda a frequência com que os clientes podem usar um modelo e quão economicamente um fornecedor pode atendê-los.

O ganho potencial da Anthropic é, portanto, prático. A perda potencial da Meta também é prática. A questão sem resposta é se qualquer um dos efeitos se tornará visível em lançamentos de modelos, desempenho de agentes ou comportamento da infraestrutura.

Três Sinais Testarão o Que a Saída Realmente Significa

As próximas evidências devem vir da estabilidade da equipe, do papel confirmado de Tulloch e dos produtos lançados por ambas as empresas.

O primeiro sinal é a confirmação formal. A Anthropic poderia anunciar a nomeação de Tulloch, enquanto Tulloch poderia atualizar sua biografia ou perfil profissional. Uma data de início e uma atribuição de equipe confirmadas resolveriam a lacuna imediata de verificação.

A confirmação de uma função de inferência reforçaria a visão de que a Anthropic o recrutou para uma prioridade operacional específica. Uma função diferente exigiria revisar essa interpretação. O silêncio contínuo deixaria detalhes importantes dependentes de fontes anônimas.

Os leitores também devem observar se a Meta comenta a saída. A empresa poderia nomear um substituto, reorganizar as responsabilidades de Tulloch ou simplesmente continuar sem comentário público. Qualquer resposta deve ser avaliada por meio de ações, e não de retórica de recrutamento.

O segundo sinal é a estabilidade de pessoal dentro do TBD Lab da Meta. Uma saída não define uma organização. Várias saídas de funcionários seniores em um curto período forneceriam evidências mais fortes de problemas ligados à liderança, direção ou retenção.

O resultado oposto importa tanto quanto. Se a Meta retiver seus outros recrutados de destaque e continuar lançando os sistemas planejados, a saída de Tulloch parecerá mais isolada. A estratégia da empresa continuaria cara, mas não necessariamente instável.

A cobertura de futuras ofertas de recrutamento também merece escrutínio. Estimativas de remuneração frequentemente combinam salário, ações, incentivos e suposições otimistas sobre preços futuros das ações. Manchetes podem fazer pacotes contingentes parecerem pagamentos garantidos.

O terceiro sinal é o desempenho de produtos e infraestrutura. A Meta precisa mostrar que sua organização de superinteligência consegue produzir agentes e modelos que os usuários adotem. A Anthropic precisa mostrar que as adições à sua equipe de desempenho melhoram a entrega do Claude em escala.

Evidências úteis incluem menor latência, capacidade ampliada, menos interrupções de serviço e novos modelos que mantêm desempenho sob forte demanda. As alegações das empresas devem ser comparadas com testes independentes e a experiência dos clientes.

Muse oferece um ponto de referência de curto prazo para a Meta. O momento relatado da renúncia de Tulloch situou sua saída perto do lançamento desse produto. Atualizações futuras mostrarão se o agente se desenvolve em uma plataforma duradoura ou permanece um lançamento limitado.

Os próximos lançamentos do Claude pela Anthropic fornecem o teste correspondente. Se Tulloch se juntar à equipe de desempenho, a atribuição imediata ainda seria inadequada. O trabalho de infraestrutura frequentemente leva meses até que os usuários possam observar seus efeitos.

A palavra-chave principal associada a esta história, Andrew Tulloch joins Anthropic, descreve uma mudança de emprego relatada. Sua importância duradoura depende de essa mudança produzir consequências organizacionais ou de produto mensuráveis.

Essa distinção protege contra dois erros opostos. Um é descartar movimentações de pessoal como fofoca quando engenheiros especializados podem influenciar sistemas críticos. O outro é presumir que uma contratação determina o resultado da competição em IA de fronteira.

Para a Meta, o desafio imediato é reter a equipe formada por sua campanha de recrutamento. Para a Anthropic, o desafio é converter uma contratação experiente em entrega de modelos mais rápida, eficiente e confiável.

Para os leitores, a melhor resposta é acompanhar as evidências após a manchete. Observe uma nomeação confirmada, outras mudanças dentro do TBD Lab e melhorias observáveis nos produtos de ambas as empresas.

Esses sinais estabelecerão se isso foi apenas uma movimentação de carreira notável ou uma transferência significativa de impulso técnico. Até lá, Andrew Tulloch joins Anthropic permanece um relato crível com uma importante lacuna de verificação e implicações estratégicas incomumente altas.