Anthropic lança o Claude 5.2: 20% mais barato, 30% mais rápido e 1000 agentes

A Anthropic atualizou sua linha principal: foram lançados o Claude Fable 5.2 e o Mythos 5.2. Deixando o marketing de lado, o lançamento é interessante por três razões: o preço cai, a velocidade aumenta e a empresa mostra com seriedade como trabalhar com o modelo não com um único agente, mas com centenas. Há poucos detalhes sobre o Mythos nos dados disponíveis, por isso, daqui em diante, o foco é principalmente o Fable.

O que mudou em números

Segundo os primeiros dados, o Fable 5.2 escreve com mais clareza e gera tokens 30% mais rápido. O preço é 20% menor do que o da 5.1 e está indicado como 8/40. Muito provavelmente, são dólares por milhão de tokens de entrada e saída. Disso se deduz que a 5.1 custava 10/50. Vale conferir a tabela exata de tarifas na página da Anthropic.

Há também o fast mode. Ele custa o dobro, mas gera 2,5 vezes mais rápido. É um compromisso claro: em tarefas em segundo plano, nas quais ninguém espera pela resposta, use o modo normal. Em cenários interativos, como um assistente de IDE, um agente de voz ou suporte em tempo real, paga-se pela velocidade. Se pensarmos em "preço por segundo de espera do usuário", em alguns produtos o fast mode se paga.

Mil agentes para uma única tarefa

O mais incomum no anúncio são os exemplos de orquestração de 1000 agentes. Entre as tarefas citadas estão escrever um sistema operacional e formalizar a solução do Último Teorema de Fermat. A ideia é familiar para quem já montou pipelines multiagente: um agente coordenador divide uma tarefa grande em partes, dezenas ou centenas de executores as assumem em paralelo, e depois os resultados são costurados e verificados.

Na prática, esses sistemas não quebram por falta de "inteligência" do modelo, mas por problemas de coordenação: os agentes duplicam trabalho, entram em conflito no código compartilhado e perdem contexto. Por isso é importante que a Anthropic tenha publicado em claude.dev um material específico sobre como escalar com segurança equipes multiagente no Fable 5.2. Se você está construindo algo parecido, leia-o antes das demos publicitárias.

Um benchmark para guardar

Entre todos os benchmarks, destaca-se o Remote Labor Index (RLI), com resultado acima de 40%. O RLI verifica se os agentes conseguem executar projetos remotos reais, como os de uma plataforma de freelancers, do início ao fim. Quando o teste foi lançado, em 2025, os melhores sistemas resolviam apenas alguns por cento das tarefas. Se os 40% se confirmarem em execuções independentes, será uma mudança de "assistente que escreve um trecho de código" para "executor a quem se pode entregar um pequeno projeto".

Contudo, por ora esses são números do próprio fornecedor. Não há verificação independente, mas o system card do modelo foi publicado, e é nele que vale procurar detalhes da metodologia e ressalvas.

Limites e restrições

Contas com acesso ao Fable receberão hoje de uma a três redefinições de limites. A cota, no entanto, permanece em 50%. Pelo texto original, não está claro a que exatamente esse número se refere, então confira nas configurações da sua conta.

Há ainda algumas ressalvas. As demos com 1000 agentes mostram os melhores cenários, não a carga média. Um sistema operacional escrito por um enxame de agentes e um sistema de produção com requisitos de confiabilidade são coisas diferentes. Escalar para centenas de agentes aumenta linearmente a conta de tokens, e o desconto de 20% não compensa isso.

O que fazer como desenvolvedor e product manager

1. Execute no Fable 5.2 suas tarefas reais, e não os benchmarks públicos. Compare o custo da tarefa resolvida, e não o custo do token.
2. Para funcionalidades interativas, teste o fast mode e calcule se a tarifa dobrada compensa.
3. Se você tem uma arquitetura multiagente, comece com 5–10 agentes e meça a parcela de trabalho duplicado antes de escalar.
4. Leia o system card: ele descreve riscos e limitações que não estão no anúncio.

Resumo: o lançamento não é sobre "ainda mais inteligente", mas sobre economia. Mais barato, mais rápido e com uma aposta explícita em equipes de agentes. Saem ganhando aqueles que já sabem medir o custo do resultado.