diff --git a/CLAUDE.md b/CLAUDE.md
index 7387259..ec99489 100644
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -32,11 +32,24 @@ Form-data: `ambiente` (str), `file` (imagem). Confidence threshold: 0.25.
 Body JSON: `{ "ambiente": "gondola", "pular_triagem": false }`
 
 1. Lista `treinamento/{ambiente}/novos-treinamentos/` no S3
-2. Triagem (salvo `pular_triagem: true`): conf média ≥ 0.15 ou == 0 → `base-oficial`, < 0.15 → `descartados`
+2. Triagem (salvo `pular_triagem: true`): conf média ≥ 0.15 → `base-oficial`, < 0.15 → `descartados`
 3. Baixa `base-oficial`, redimensiona imagens > 4096px
 4. Treina: 20 épocas fine-tuning / 30 épocas do zero, imgsz=640, batch=8, device=cpu
 5. Salva `best.pt` em `modelos/{ambiente}/atual/cerebro.pt` + histórico versionado
 
+Retorna `{ "status": "iniciado", "ambiente": "..." }` imediatamente — treino roda em background thread.
+Quando não há modelo base, usa `yolov8n.pt` e pula triagem automaticamente.
+
+### `GET /treinar/status`
+
+Retorna estado do treino em andamento + últimas 30 linhas de log.
+
+```json
+{ "status": "running|concluido|erro|vazio|idle", "ambiente": "gondola", "versao": "20260627_1430", "detalhe": null, "logs": ["[1/20] box=0.432 ..."] }
+```
+
+`logs` inclui tanto as métricas por época (`_on_fit_epoch_end` callback do YOLO) quanto mensagens de progresso de triagem/download via `log_print()`.
+
 ## Organização S3
 
 ```
@@ -53,6 +66,7 @@ treinamento/{ambiente}/descartados/
 - Se S3 tiver versão mais nova (LastModified), descarta cache e baixa novamente
 - Após treino, remove o ambiente de `MODELOS_CARREGADOS` para forçar reload
 - Todo o código em `main.py` — não criar sub-módulos
+- `log_print(msg)` escreve no stdout **e** em `_training_logs` (buffer circular 60 linhas) — não usar `print()` diretamente
 
 ## Como rodar