Anthropic reduziu os preços do Fable 5.2 em 20%, mas o custo por tarefa subiu 31% em um teste

Se o seu agente de IA passa horas corrigindo código, uma redução no preço dos tokens não garante economia. A Anthropic lançou o Fable 5.2 com preços 20% menores que os da versão anterior, mas, em um teste independente de tarefas profissionais, a conta média por tentativa subiu 31%. A razão é clara: o modelo verifica o próprio trabalho com mais cuidado. Para as equipes, isso é motivo para rever as configurações de raciocínio e calcular o custo de um resultado aprovado na revisão.

O Fable 5.2 foi lançado junto com o Mythos 5.2. A Anthropic posiciona os novos modelos para projetos técnicos complexos em que a definição da tarefa continua mudando durante o trabalho. O lançamento coincidiu com o início das apresentações da empresa a investidores antes do IPO, mas, para os desenvolvedores, outra parte da história interessa mais: quanto vale pagar por verificações adicionais feitas pelo modelo.

Por que tokens mais baratos encareceram a tarefa

Um milhão de tokens de entrada do Fable 5.2 custa US$8, e um milhão de tokens de saída, US$40. No Fable 5.1, os preços eram US$10 e US$50, respectivamente. Mas a conta final também depende do volume de trabalho: quanto o modelo raciocina, aciona ferramentas e verifica novamente as soluções intermediárias.

Segundo a análise da SemiAnalysis, no teste GDPx a nova versão às vezes gerava centenas ou milhares de verificações onde os modelos anteriores se limitavam a cerca de vinte. Ela também acionava com mais frequência agentes adicionais para verificar a solução de forma independente. O custo médio por tarefa subiu de US$67,16 para US$88,15. O Fable alcançou 16,4%, o melhor resultado nesse teste, mas esse percentual não pode ser extrapolado para o desenvolvimento cotidiano.

Imagine a migração de um serviço para uma nova biblioteca. O agente altera as chamadas de API, executa testes e depois começa a verificar combinações raras de parâmetros e pede a outro agente que examine o patch novamente. Esse trabalho pode detectar um erro sério antes do lançamento. Se a mudança envolve um protótipo interno para uma única noite, o custo do mesmo rigor já se torna questionável. Este é um exemplo hipotético de como os gastos se acumulam, não um experimento publicado.

O máximo de raciocínio não garante o máximo de benefício

O Fable oferece cinco níveis de esforço: Low, Medium, High, Xhigh e Max. Os aplicativos Claude e Claude Code usam Medium por padrão. A configuração influencia quantos recursos o modelo pode gastar para chegar a uma solução.

Um detalhe importante do lançamento: várias avaliações mostraram que aumentar o esforço nem sempre melhora o resultado. No Vals, o nível High superou Xhigh e Max. Segundo a Anthropic, no FrontierCode 2.0, o Fable em High igualou o Opus 5.5 em Max por aproximadamente metade do custo por tarefa. Esta última é uma afirmação do fabricante que vale verificar separadamente com seu próprio código.

Também não há superioridade em todos os cenários. Nas medições independentes citadas, o Fable ficou atrás de alguns concorrentes em tarefas de terminal e automação. Por isso, o primeiro lugar em um ranking geral diz pouco sobre se um processo específico ficará mais barato: corrigir regressões, preparar documentos financeiros ou trabalhar com o navegador.

O anúncio oficial explica o posicionamento do Fable e do Mythos, enquanto a documentação do Cursor ajuda a conferir as particularidades do uso do modelo no editor. Na migração, é importante reavaliar as configurações: o mesmo nome de modo em versões diferentes não garante o mesmo consumo.

O que verificar antes de migrar

Selecione algumas dezenas de tarefas concluídas do seu próprio projeto e execute-as no modelo atual, no Fable Medium e no Fable High. Defina previamente os critérios de aceitação: se os testes passam, se os requisitos foram atendidos e quantas correções uma pessoa solicitou. Compare os gastos junto com o tempo de espera e o retrabalho manual.

Uma métrica útil é o custo total de todas as tentativas dividido pelo número de resultados aceitos. Ela considera tanto as falhas baratas quanto as execuções bem-sucedidas mais caras. Para execuções prolongadas, defina um orçamento, um limite de tempo e condições de parada; caso contrário, uma verificação adicional pode facilmente se transformar em uma despesa não planejada.

O Fable 5.2 merece ser testado em migrações complexas e tarefas com requisitos incompletos. A migração em massa das solicitações cotidianas deve ser justificada por medições próprias. Se High já entrega uma solução utilizável, o próximo nível de esforço precisa demonstrar seu valor.