Anthropic lança o Claude Fable 5.2: 65 pontos no ranking, mas US$ 26,50 por tarefa

A Anthropic recuperou o primeiro lugar nos rankings pouco antes do IPO. O Claude Fable 5.2 e o Mythos 5.2 foram construídos sobre a mesma base e são pensados para as tarefas técnicas mais pesadas: cálculos científicos, busca por vulnerabilidades e longas cadeias de agentes. Para o trabalho do dia a dia, a empresa continua recomendando o Opus 5.5, e a ressalva é importante: o novo modelo não foi feito para todos os cenários.

Números e preço

No índice Artificial Analysis v5, no nível máximo de computação, o Fable 5.2 soma 65 pontos. O Gemini 4 Carbon, que o Google ainda não lançou, marca 60, e o Opus 5.5, 59. O Fable 5.1, lançado no início de setembro, fica 15 pontos atrás. O modelo é o melhor em cinco dos nove testes: 80% no HLE-Diamond (perguntas de nível acadêmico especializado), 73% no Terminal-Bench-Science e 49% no FrontierCode 2.0, em que o agente precisa fazer alterações úteis em projetos open source reais.

O preço por milhão de tokens caiu: $8 na entrada e $40 na saída, em vez de $10 e $50. Mas a conta não depende do preço do token, e sim de quantos tokens o modelo gasta. No pico, uma tarefa custa em média $26,50. Isso é 2,6 vezes mais que o Opus 5.5 ($10) e cerca de o dobro do Fable 5.1 ($12,99).

Os modos mais baixos são mais interessantes. Nos níveis High e Xhigh, o Fable 5.2 faz 62 pontos, mais que qualquer outro modelo em qualquer nível, e gasta apenas 98 mil tokens de saída por tarefa. O Opus 5.5 no nível Max gasta 173 mil. Se você precisa de qualidade acima da do Opus, mas tem orçamento limitado, é aqui que vale olhar. Há também um modo rápido: saída até 2,5 vezes mais veloz, porém com o dobro do preço. Ele está disponível para organizações selecionadas no Claude Code, na Claude Platform, no Google Cloud e no Microsoft Foundry. Sem esse modo, o modelo gera texto cerca de 30% mais rápido que os antecessores, segundo dados da Anthropic.

Onde a liderança termina e o que fazer

Não dá para chamar o Fable 5.2 de vencedor universal. No Terminal-Bench 4.0, em que o modelo executa tarefas de várias etapas no terminal (desenvolvimento, segurança), ele faz 60%. Fica no nível do Opus 5.5, mas abaixo do Kimi K3.1 Pro (67%), do Gemini 4 Carbon (65%) e do Sonnet 5.5 (64%). No AA-Briefcase, benchmark de trabalho de escritório em várias etapas, ele soma 1785 Elo, contra 1813 do Sonnet 5.5. A diferença para o Opus 5.5 (1800) está dentro do intervalo de confiança, ou seja, estatisticamente é um empate.

A conclusão prática é simples. Não migre todo o tráfego para o Fable 5.2: rode nele suas tarefas mais difíceis, como as científicas, as de pesquisa e as cadeias longas de agentes com repositórios reais. Compare não o preço por token, mas o custo final de uma tarefa resolvida no seu conjunto de testes. Para programação de rotina no terminal e automação de escritório, o Opus 5.5 ou os concorrentes podem sair mais baratos e não ser piores.

Mythos, Fermat e o freio para a autoaceleração da IA

O Fable está disponível para todos, mas bloqueia consultas de risco em cibersegurança e biologia, como pentests e geração de exploits. O Mythos remove parte das restrições e é aberto apenas a organizações aprovadas nos programas da Anthropic de cibersegurança ou de ciências da vida. No teste interno CVE Rediscovery, em que o modelo procura um bug no estado do projeto anterior à correção, em 1829 vulnerabilidades conhecidas, o Mythos 5.

2 encontrou 10,2% mais que o Opus 5.5 e 14,4% mais que o Mythos 5.1.

A liderança se manteve em todos os níveis de computação. Segundo a Anthropic, uma empresa de segurança relatou que um em cada seis bugs confirmados pelo Mythos 5.2 passou despercebido por todos os outros modelos testados.

Separadamente, a Anthropic afirma que deliberadamente não deixou os modelos melhorarem habilidades que aceleram diretamente o desenvolvimento de IA: a otimização de kernels de computação para aceleradores e o aprimoramento de arquiteturas de LLMs. Nesses pontos, eles ficam aproximadamente no nível do Opus 5.5. Programação com agentes, desenvolvimento de hardware e pesquisa clássica, incluindo interpretabilidade, não foram afetados pelas restrições. De acordo com a empresa, o Claude já escreve mais de 90% das alterações que entram no código principal da Anthropic, sob supervisão de pessoas.

A principal demonstração é de matemática. Cerca de mil agentes do Fable 5.2 formalizaram por completo, em 30 horas, a prova do Último Teorema de Fermat na linguagem Lean, em que o computador verifica cada passo.

A versão de pesquisa anterior do Claude levou 11 dias para isso, em um ambiente montado especialmente e com dicas de um humano. Os novos agentes partiram de uma instrução curta, organizaram o trabalho por conta própria e não usaram fontes matemáticas. O gasto de tokens com ações foi um terço do da primeira tentativa, e a prova ficou sete vezes mais curta.

O Opus 5.5, no mesmo esquema com mil agentes, chegou a apenas 26–27% da formalização e quase não avançou depois da 18.ª hora.

Todos esses números vêm da própria Anthropic e da Artificial Analysis. Ainda não há verificação independente, e testes internos como o CVE Rediscovery não podem ser reproduzidos por um especialista externo. Convém tratá-los como um bom motivo para fazer suas próprias medições, e não como uma solução pronta.