A Anthropic lançou o Claude Fable 5.1, nova geração de um de seus modelos mais avançados de inteligência artificial. A atualização chega com melhorias importantes em programação, pesquisa, raciocínio e execução de tarefas complexas, além de mudanças destinadas a atacar três pontos frequentemente discutidos pelos clientes da companhia: custo, privacidade dos dados e excesso de bloqueios em solicitações legítimas.
O lançamento foi confirmado pela própria Anthropic em setembro de 2026. A empresa também apresentou o Claude Mythos 5.1, que utiliza o mesmo modelo-base, mas possui um conjunto diferente de proteções e acesso restrito a organizações e profissionais previamente verificados.
Na prática, a estratégia cria duas versões da mesma tecnologia: o Fable 5.1 para utilização mais ampla e o Mythos 5.1 para determinadas atividades profissionais avançadas em áreas sensíveis, especialmente cibersegurança e ciências da vida.
Fable 5.1 mira programação e trabalhos complexos
A Anthropic posiciona o Fable 5.1 principalmente para coding, trabalho de conhecimento, pesquisa e problemas que exigem longos períodos de execução.
Esse último ponto é especialmente importante.
A nova geração de modelos de IA está deixando de funcionar apenas como um chatbot que responde perguntas e começa a assumir características de agentes capazes de trabalhar durante períodos prolongados.
Em vez de receber uma pergunta e produzir uma resposta, um agente pode receber um objetivo, planejar diferentes etapas, utilizar ferramentas, consultar informações, escrever código, testar resultados, identificar problemas e continuar trabalhando até concluir a tarefa.
O Fable 5.1 foi desenvolvido justamente para melhorar esse tipo de operação.
Modelo pode trabalhar durante horas sem supervisão
Relatos de empresas que participaram dos testes mostram até onde esse comportamento começa a avançar.
A MongoDB informou que o Fable 5.1 conseguiu desenvolver um protótipo complexo em aproximadamente três dias. O modelo realizou pesquisa sobre serviços, código e documentação, criou uma arquitetura e depois permaneceu executando etapas durante horas sem supervisão direta.
A Ramp relatou um experimento ainda mais longo: uma execução autônoma de 38 horas em um problema de machine learning.
Durante o trabalho, o modelo identificou um problema em um resultado anterior, corrigiu a abordagem, iniciou seis experimentos paralelos e posteriormente apresentou conclusões e próximos passos.
Esses exemplos apontam para uma transformação importante na utilização da IA.
O objetivo deixa de ser apenas acelerar uma tarefa humana e passa a ser delegar partes inteiras de um projeto.
Anthropic afirma que desempenho avançou significativamente
Nos testes divulgados pela companhia, o Fable 5.1 apresentou ganhos em diferentes benchmarks.
No Terminal-Bench 4.0, relacionado a programação agêntica, o modelo alcançou 55,8%, contra 42% do Fable 5.
No AutomationBench, voltado a fluxos de trabalho empresariais, o resultado passou de 17,1% para 31,4%.
Já no CursorBench 3.2, relacionado à programação agêntica, o Fable 5.1 chegou a 73,4%, contra 70,5% do antecessor.
Os benchmarks devem ser interpretados com cautela, porque resultados de laboratório não representam necessariamente o desempenho em todos os ambientes reais.
Ainda assim, mostram onde a Anthropic concentrou grande parte dos avanços: tarefas complexas, uso de ferramentas e capacidade de manter trabalho coerente por períodos maiores.
IA encontrou bug que permaneceu anos sem explicação
Um dos casos apresentados pela Anthropic chama atenção.
A gestora de investimentos Millennium relatou possuir um trecho de código que apresentava uma falha extremamente rara, aproximadamente uma vez a cada milhão de execuções.
Segundo a empresa, engenheiros tentavam compreender a origem do problema havia quatro ou cinco anos.
Outros modelos de IA também não conseguiram explicar a falha.
O Fable 5.1 teria sido o primeiro a localizar a causa.
O modelo analisou uma biblioteca externa, comparou seu comportamento com informações do core dump e rastreou a falha até um problema dentro dessa biblioteca.
Esse tipo de utilização demonstra uma das áreas nas quais modelos mais avançados podem produzir impacto significativo: investigar problemas extremamente complexos que exigiriam muitas horas de trabalho especializado.
Modelo também ficou melhor em pesquisa
A Anthropic está posicionando o Fable 5.1 além do desenvolvimento de software.
O modelo também apresentou avanços em pesquisa científica e trabalho multidisciplinar.
No Terminal-Bench-Science 0.1, por exemplo, alcançou 52,6%, contra 24,7% do Fable 5 nos testes divulgados pela empresa.
A Anthropic afirma que os resultados começam a mostrar como modelos de IA poderão participar diretamente da produção científica.
Um dos experimentos mais interessantes envolveu o planeta Vênus.
Claude criou novo mapa de Vênus
O Fable 5.1 recebeu dados de radar coletados pela missão Magellan, da NASA, há mais de três décadas, além de um mapa já existente de parte da superfície venusiana.
A partir dessas informações, o modelo treinou uma rede neural e produziu um novo mapa de elevação de aproximadamente um terço de Vênus.
Segundo a Anthropic, o mapa conseguiu revelar detalhes em escalas de aproximadamente dois a três quilômetros, contra algo entre 10 e 20 quilômetros no material anterior utilizado como referência.
As estimativas de altura também apresentaram melhorias.
O resultado foi disponibilizado sob licença Creative Commons e poderá auxiliar futuras missões de exploração do planeta.
Esse experimento mostra uma direção diferente para a IA generativa: modelos deixam de apenas resumir pesquisas existentes e começam a executar partes do próprio processo científico.
Mythos 5.1 avançou em biologia
A versão Mythos 5.1 também participou de experimentos científicos.
O modelo foi utilizado em tarefas relacionadas ao desenvolvimento de moléculas capazes de se ligar a alvos biológicos.
Segundo os testes divulgados pela Anthropic, em três alvos as afinidades obtidas foram dez vezes superiores aos melhores projetos submetidos anteriormente em competições de design de proteínas da Adaptyv Bio.
A taxa de sucesso chegou perto de 50% considerando 12 alvos avaliados.
Esse desempenho ajuda a explicar por que o Mythos possui acesso mais controlado.
Capacidades avançadas em biologia podem ser extremamente úteis para pesquisa médica, mas também apresentam riscos de uso indevido.
Mythos e Fable são tecnicamente o mesmo modelo
Uma característica interessante do lançamento é justamente a separação entre capacidade e acesso.
A Anthropic afirma que Claude Fable 5.1 e Claude Mythos 5.1 utilizam o mesmo modelo subjacente.
A principal diferença está nas proteções aplicadas.
O Fable é disponibilizado amplamente, mas mantém restrições para determinadas atividades consideradas sensíveis.
O Mythos possui proteções mais permissivas em áreas específicas, mas somente usuários previamente verificados podem acessá-lo.
Isso permite que profissionais legítimos trabalhem com capacidades mais avançadas sem disponibilizar exatamente o mesmo nível de acesso para qualquer usuário.
Cibersegurança terá menos falsos positivos
Essa mudança aparece claramente em cibersegurança.
Uma crítica frequente a modelos com proteções muito rígidas é que atividades defensivas podem ser bloqueadas porque se parecem tecnicamente com ações ofensivas.
Um profissional de segurança procurando uma vulnerabilidade e um criminoso tentando explorá-la podem utilizar comandos semelhantes.
Determinar a intenção é difícil.
Com o Fable 5.1, a Anthropic afirma ter reduzido significativamente esse problema.
Os novos mecanismos de segurança produzem cerca de 60% menos intervenções por sessão em atividades de cibersegurança, na comparação com as proteções utilizadas anteriormente no Fable 5.
Claude agora pode procurar vulnerabilidades
A mudança também amplia o que o modelo pode fazer.
O Fable 5.1 poderá ser utilizado para identificar vulnerabilidades em software em atividades defensivas.
Entretanto, continuam existindo limites.
Determinadas tarefas de uso duplo, incluindo geração de exploits, testes de penetração e algumas modalidades de análise binária, permanecem submetidas a controles adicionais ou direcionadas para outros modelos.
A Anthropic tenta, assim, encontrar um equilíbrio entre utilidade para pesquisadores e redução do potencial de abuso.
Custo de cache caiu 75%
Talvez uma das mudanças mais importantes para empresas esteja no preço.
O valor-base do Fable 5.1 permanece em US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída.
Mas a Anthropic reduziu significativamente o preço da leitura de cache.
Agora, cache reads custam US$ 0,25 por milhão de tokens, redução de 75%.
Essa alteração pode parecer técnica, mas possui impacto importante principalmente em agentes.
Por que cache é tão importante para agentes?
Imagine uma IA trabalhando durante várias horas sobre um grande projeto de software.
Ela precisa consultar repetidamente informações que já apareceram anteriormente.
Código.
Documentação.
Instruções.
Histórico.
Arquivos.
Contexto do projeto.
Se todo esse conteúdo precisar ser processado novamente pelo preço integral a cada interação, o custo aumenta rapidamente.
O cache permite reutilizar partes desse contexto pagando um valor muito menor.
Quanto mais longa e complexa a tarefa, maior tende a ser a importância desse mecanismo.
Anthropic estima economia de até 45%
Com a redução, a Anthropic estima que cargas de trabalho típicas utilizando o Fable 5.1 possam ficar aproximadamente 25% mais baratas do que no Fable 5.
Para tarefas altamente agênticas, com uso intenso de ferramentas e contexto, a economia pode chegar a aproximadamente 45%.
Esse ponto pode ser tão importante quanto o aumento de inteligência.
Para empresas, não basta um modelo conseguir realizar uma tarefa.
O custo por tarefa precisa fazer sentido.
Um agente que trabalha durante horas pode consumir milhões de tokens.
Reduzir esse custo aproxima determinadas aplicações da viabilidade econômica.
Janela de contexto chega a 1 milhão de tokens
O Fable 5.1 também possui janela de contexto padrão de 1 milhão de tokens, além de suportar saídas de até 128 mil tokens.
Na prática, uma janela extremamente grande permite trabalhar com volumes enormes de informação dentro de uma mesma tarefa.
Isso pode incluir grandes bases de código, conjuntos de documentos, contratos, relatórios ou pesquisas.
Para agentes, contexto grande é especialmente importante.
Quanto mais tempo uma tarefa dura, mais informações precisam permanecer disponíveis para que o modelo compreenda aquilo que já aconteceu.
“Adaptive thinking” permanece sempre ativo
Outra característica é o chamado adaptive thinking.
O sistema ajusta automaticamente quanto esforço de raciocínio deve utilizar dependendo da dificuldade da tarefa.
Problemas simples não precisam necessariamente consumir a mesma quantidade de processamento que tarefas extremamente complexas.
Essa lógica também ajuda a equilibrar desempenho e custo.
Na API, a Anthropic está disponibilizando controles adicionais para que desenvolvedores alterem o nível de esforço durante uma mesma conversa.
Isso permite, por exemplo, utilizar raciocínio mais intenso apenas nas etapas realmente difíceis de um fluxo de trabalho.
Empresas ganharão nova opção de privacidade
Outra mudança importante está relacionada à retenção de dados.
A Anthropic anunciou o Enterprise Frontier Safeguards (EFS).
O sistema foi criado para oferecer a empresas uma experiência equivalente a políticas de retenção zero, mantendo dados dentro da própria infraestrutura cloud do cliente em vez de armazená-los nos sistemas da Anthropic.
A companhia afirma ter desenvolvido a solução em colaboração com mais de 100 clientes dos setores financeiro, saúde, manufatura, telecomunicações, jurídico, varejo e setor público.
A implantação começará gradualmente.
Privacidade é decisiva para adoção empresarial
Esse problema é particularmente importante em ambientes corporativos.
Empresas podem querer utilizar IA para analisar:
contratos;
código proprietário;
informações financeiras;
dados internos;
documentos jurídicos;
informações estratégicas.
Mas muitas organizações simplesmente não podem enviar determinados conteúdos para plataformas externas com retenção convencional.
Setores regulados possuem exigências ainda maiores.
Ao permitir que informações permaneçam dentro do ambiente cloud controlado pelo próprio cliente, a Anthropic tenta eliminar uma das principais barreiras para adoção de modelos avançados em grandes empresas.
Fable 5.1 está disponível nas principais clouds
O modelo já está disponível através da API da Anthropic e também em plataformas de grandes provedores de nuvem.
A empresa confirmou disponibilidade por meio de Amazon Web Services, Google Cloud e Microsoft Azure, além de seus próprios produtos.
Para desenvolvedores, o identificador na API é claude-fable-5-1.
A ampla distribuição é estratégica.
Grandes empresas normalmente já possuem dados, sistemas e políticas de segurança estruturados dentro de algum provedor de cloud.
Disponibilizar o modelo nesses ambientes reduz a necessidade de movimentar informações entre diferentes plataformas.
IA começa a produzir trabalho, não apenas respostas
O Fable 5.1 representa uma mudança maior que está acontecendo em todo o mercado de inteligência artificial.
A primeira geração popular de IA generativa era utilizada principalmente para conversar.
Perguntar.
Resumir.
Escrever.
Traduzir.
A nova geração está sendo construída para executar trabalho.
O usuário fornece um objetivo.
A IA cria um plano.
Consulta informações.
Utiliza ferramentas.
Executa comandos.
Verifica resultados.
Corrige erros.
E continua trabalhando.
Essa mudança transforma completamente o modelo econômico da tecnologia.
Custo por tarefa será mais importante que custo por token
Isso também muda a maneira como empresas avaliam modelos.
Comparar apenas preço por milhão de tokens pode deixar de ser suficiente.
Imagine dois modelos.
Um custa metade por token, mas precisa de 100 interações para resolver um problema.
Outro custa mais, porém conclui o mesmo trabalho em 20 interações.
O segundo pode terminar sendo mais barato.
A métrica relevante começa a migrar para custo por tarefa concluída.
É justamente por isso que Anthropic enfatiza eficiência, cache e capacidade de manter trabalhos longos.
Modelos começam a assumir projetos inteiros
Os exemplos apresentados pelos primeiros usuários mostram justamente essa direção.
Não se trata mais apenas de pedir:
“escreva esta função”.
O modelo pode receber algo próximo de:
“analise nosso sistema, descubra como ele funciona, projete uma nova arquitetura, implemente o protótipo, teste e mostre o resultado”.
Isso representa uma mudança enorme no desenvolvimento de software.
O programador passa gradualmente de executor de cada linha para supervisor e arquiteto do trabalho realizado por agentes.
Pesquisa científica pode ser próxima fronteira
Talvez a parte mais ambiciosa do lançamento esteja fora da programação.
Os experimentos envolvendo Vênus, biologia computacional e design molecular demonstram que a Anthropic quer posicionar seus modelos também como ferramentas para descoberta científica.
A companhia afirma que os resultados oferecem sinais iniciais de como sistemas de IA poderão contribuir diretamente para avanços científicos.
Se essa tendência continuar, pesquisadores poderão utilizar agentes não apenas para encontrar artigos ou escrever relatórios, mas para formular hipóteses, executar análises computacionais e propor novos experimentos.
Maior autonomia também aumenta riscos
Quanto mais capacidade um modelo possui para executar ações, maior também é a preocupação com segurança.
Um chatbot que apenas produz texto possui determinado nível de risco.
Um agente que controla terminal, navegador, arquivos e sistemas corporativos possui outro.
Por isso, a Anthropic afirma ter realizado testes específicos relacionados a ataques de prompt injection, comportamento autônomo, cibersegurança e riscos biológicos antes da liberação.
Nos testes apresentados pela empresa, o Mythos 5.1 também demonstrou melhorias em diferentes métricas de alinhamento em comparação com seu antecessor.
Ainda assim, a própria Anthropic reconhece limitações nas avaliações, especialmente em tarefas extremamente longas e ambientes com múltiplos agentes.
Corrida da IA entra na fase dos agentes
O lançamento do Claude Fable 5.1 mostra onde está uma das principais batalhas atuais da inteligência artificial.
A disputa deixou de envolver apenas qual chatbot responde melhor.
Agora, empresas querem saber:
Qual modelo programa melhor?
Qual consegue trabalhar por mais tempo?
Qual utiliza ferramentas de maneira mais confiável?
Qual consegue verificar o próprio trabalho?
Qual custa menos para concluir uma tarefa?
Qual consegue operar com dados corporativos sem criar problemas de privacidade?
E qual pode receber mais autonomia sem aumentar excessivamente os riscos?
O Fable 5.1 tenta responder justamente a essas perguntas.
Com melhor desempenho, redução de custos de cache, menos bloqueios para atividades legítimas e novas opções de privacidade empresarial, a Anthropic busca transformar Claude em algo maior do que um assistente conversacional.
A próxima disputa da inteligência artificial não será apenas por quem produz a melhor resposta. Será por qual IA consegue receber um problema complexo, trabalhar durante horas — ou até dias — e entregar o resultado pronto.
