Claude Fable 5.2 e Mythos 5.2: o que a Anthropic lançou e o que muda

A Anthropic lançou o Claude Fable 5.2 e o Mythos 5.2, 20% mais baratos e com saltos em programação e robótica. Refizemos os gráficos e explicamos o que importa.

2026-11-12 · Josué Juca

A Anthropic lançou o Claude Fable 5.2 e o Claude Mythos 5.2 em 9 de novembro de 2026. São o mesmo modelo com proteções diferentes: o Fable é aberto a todos; o Mythos, só a organizações verificadas.
O preço caiu 20%: agora são US$ 8 por milhão de tokens de entrada e US$ 40 por milhão de saída, contra US$ 10 e US$ 50 da versão 5.1. As respostas saem até 30% mais rápido.
Segundo a Anthropic, ele supera o Claude Opus 5.5 em quase tudo o que foi avaliado. O destaque é a programação: 49,1% no FrontierCode 2.0, contra 32,4% da versão anterior.
Os números são da própria Anthropic. Analistas lembram que o que importa é o custo por tarefa concluída, não por token.

A Anthropic apresentou em 9 de novembro de 2026 o Claude Fable 5.2 e o Claude Mythos 5.2, a nova versão dos seus modelos mais capazes, apenas dois meses depois da geração 5.1, lançada em setembro. A empresa fala em avanços em programação, raciocínio e visão, respostas mais claras e geração mais rápida.

O lançamento chega em um momento importante para a empresa. Segundo a CNBC, a Anthropic se prepara para uma abertura de capital (IPO) que pode acontecer ainda em novembro, e o prospecto mostra US$ 33,24 bilhões de receita nos nove meses até setembro. É também o primeiro modelo de ponta desde que o CEO Dario Amodei defendeu, em setembro, um ritmo mais cauteloso no desenvolvimento de IA. "Pedimos ritmo, não pausa", resumiu à CNBC Dianne Penn, chefe de gestão de produto de pesquisa.

por milhão de tokens de entrada (era US$ 10): US$ 8
por milhão de tokens de saída (era US$ 50): US$ 40
mais rápido que o Fable 5.1 e o Mythos 5.1: 30%

Fable ou Mythos: qual é a diferença

O ponto que mais confunde no lançamento: Fable e Mythos são o mesmo modelo. O que muda são as proteções e quem pode usar.

Fable 5.2 e Mythos 5.2: mesmo modelo, proteções diferentes — O Fable é a versão aberta, com proteções para cibersegurança e biologia. O Mythos tem menos bloqueios e é liberado só para organizações verificadas.

A família Mythos surgiu em abril, com acesso limitado por causa da sua capacidade em cibersegurança. Cerca de dois meses depois veio o Fable, uma versão pública com salvaguardas extras. Na versão 5.2, as proteções do Fable bloqueiam cerca de 55% menos pedidos legítimos que no Fable 5.1: 60% menos em segurança e 40% menos em biologia. Quando um pedido é bloqueado, outro modelo da Anthropic responde no lugar.

Mais barato e mais rápido

O corte de preço é a novidade mais concreta para quem usa a API. No modo padrão, os valores ficaram 20% menores que os da geração anterior. Há também um modo rápido opcional, que gera tokens até 2,5 vezes mais rápido pelo dobro do preço:

Preço da API por milhão de tokens, modo padrão (US$)

Entrada: Fable 5.1 US$ 10; Fable 5.2 US$ 8
Saída: Fable 5.1 US$ 50; Fable 5.2 US$ 40

Fonte: Anthropic e Computerworld (preço do 5.1). No modo rápido, o Fable 5.2 custa US$ 16 e US$ 80.

Além disso, no esforço médio (o padrão nos apps do Claude e no Claude Code), o Fable 5.2 resolve tarefas difíceis usando menos tokens que o 5.1. Ou seja: o preço por token caiu e a quantidade de tokens por tarefa também.

Programação: o maior salto

No FrontierCode 2.0, que mede se mantenedores de projetos open source aceitariam as mudanças feitas pela IA, o Fable 5.2 chega a 49,1%. Segundo a Anthropic, é a maior nota entre todos os modelos já lançados que ela testou:

FrontierCode 2.0, programação com agentes (% de acertos)

Claude Fable 5.1: 32.4%
Gemini 4 Carbon: 41.1%
GPT-6 Astra: 42.8%
Claude Opus 5.5: 45.5%
Claude Fable 5.2: 49.1%

Fonte: Anthropic. Fable 5.2 e 5.1 com esforço Xhigh; Gemini 4 Carbon com esforço Medium; demais no esforço máximo disponível.

O dado mais útil, porém, é o de custo: com esforço alto (High), o Fable 5.2 faz 45,3%, praticamente o mesmo que o melhor resultado do Opus 5.5, por cerca de metade do custo por tarefa.

A Anthropic cita exemplos de uso real:

Mais de 90% das mudanças aceitas no código principal da própria Anthropic já são escritas pelo Claude, com orientação humana.
Agentes migraram um serviço em produção de Python para Rust, que passou a iniciar cerca de 26 vezes mais rápido.
Em um experimento, o modelo coordenou mais de mil subagentes por oito dias e, partindo de uma pasta vazia, criou um sistema operacional protótipo que liga em um notebook, com núcleo próprio, drivers, arquivos, janelas, tela de login e instalador.

Uso do computador e conhecimento

O modelo também avança em tarefas que imitam o trabalho de escritório e em perguntas difíceis de várias áreas. No Humanity's Last Exam, com ferramentas:

Humanity's Last Exam, com ferramentas (% de acertos)

GPT-6 Astra: 57.2%
Claude Fable 5.1: 65.6%
Claude Opus 5.5: 67.7%
Claude Fable 5.2: 74.2%

Fonte: Anthropic, no esforço máximo disponível de cada modelo.

Segundo a Anthropic, com esforço baixo o Fable 5.2 já empata com a melhor nota do Opus 5.5 nesse teste, por menos de um décimo do custo por tarefa. No OSWorld 2.1, de uso do computador, ele marca 89,3%, contra 87,2% do Opus 5.5.

Nem tudo é vitória: em alguns testes de fluxos de trabalho empresariais, o Opus 5.5 e o Gemini 4 Carbon ficam próximos ou à frente. Vale olhar a tabela completa no anúncio.

Robótica e ciência

O resultado mais surpreendente está na robótica. No RoboDojo Sim, executado internamente pela Anthropic, a nota mais que dobra em relação à versão anterior:

RoboDojo Sim, média (%)

Claude Fable 5.1: 27.6%
GPT-6 Astra: 29.8%
Gemini 4 Argon: 34.2%
Claude Opus 5.5: 39.4%
Claude Fable 5.2: 64.9%

Fonte: Anthropic, teste interno. Gemini 4 Argon com esforço High; demais no esforço máximo.

Nos testes antes do lançamento, a Anthropic relata que o modelo:

resolveu dois problemas em aberto da física de buracos negros;
formalizou o Último Teorema de Fermat em Lean em 30 horas, com uma equipe de mil agentes. Uma versão de pesquisa anterior levou 11 dias; o Opus 5.5, no mesmo cenário, completou 26% em 18 horas;
projetou do zero três aparelhos eletrônicos (uma central de assistente de voz, um viva-voz USB e um bichinho virtual), que funcionaram sem ajustes elétricos, cada placa pronta para fabricação em menos de um dia;
controlou robôs para montar um cubo mágico, abrir uma garrafa e desenhar.

Mythos 5.2 e cibersegurança

O Mythos 5.2 é voltado a equipes de segurança e pesquisa em ciências da vida. No teste interno de redescoberta de vulnerabilidades conhecidas (CVE Rediscovery), com 1.829 falhas já divulgadas, ele encontra 89,6%, contra 78,3% do Mythos 5.1. Uma empresa de segurança relatou que uma em cada seis falhas confirmadas encontradas por ele passou despercebida por todos os outros modelos que ela testou.

O acesso é feito pelos programas de verificação da Anthropic (Cyber Verification Program e Life Sciences Verification Program) ou, para clientes do Claude Enterprise, pelo Claude Security.

Pareekh Jain, da Pareekh Consulting, disse à Computerworld que isso cria uma corrida movida a IA entre atacantes e defensores. Para quem cuida de servidores, manter tudo atualizado ficou ainda mais urgente. Veja o nosso resumo de security notices de outubro.

Segurança e alinhamento

Segundo a Anthropic, o risco de comportamento inseguro em situações críticas é baixo, como nos modelos recentes. O UK AI Security Institute e o METR participaram das avaliações externas, e o governo dos EUA também analisou os modelos antes do lançamento.

O dado que mais chama atenção é o de tentativas de sair do ambiente isolado (sandbox). Em mais de 1.800 cenários adversariais, a taxa caiu muito em relação às versões anteriores do Mythos:

Cenários em que o modelo usou credenciais ou arquivos fora do sandbox (menor é melhor)

Claude Mythos 5: 39%
Claude Mythos 5.1: 21%
Claude Sonnet 5.5: 5.1%
Claude Opus 5.5: 3.3%
Claude Mythos 5.2: 3.1%

Fonte: Anthropic, avaliação adversarial com mais de 1.800 cenários.

O próprio system card, porém, traz ressalvas importantes:

O Mythos 5.2 pareceu perceber que podia estar sendo avaliado em até 43% das conversas de uma auditoria automática, segundo a TNW. Isso torna os testes menos confiáveis.
Foi o primeiro modelo testado pela Anthropic que conseguiu enganar um monitor de raciocínio quando instruído a ter desempenho pior de propósito, em cerca de uma a cada quatro tentativas.
Clientes sem retenção zero de dados terão as conversas guardadas por 30 dias para monitoramento de segurança.

O que dizem os analistas

A reação de quem acompanha o mercado é positiva, mas com os pés no chão. À Computerworld:

Lian Jye Su, da Omdia, vê agentes de longa duração se tornando viáveis para migrações e pesquisa, mas lembra que a confiabilidade ainda depende de supervisão humana.
Sanchit Vir Gogia, da Greyhound Research, resume: "A Anthropic cortou o preço do token, não o do raciocínio". Ele recomenda medir o custo por tarefa concluída e alerta que, em setores regulados, as regras de retenção de dados podem pesar mais que o desconto.
Pareekh Jain lembra que sistemas legados e regras de negócio limitam o quanto do desenvolvimento pode ser entregue a agentes.

Preços e disponibilidade

O Fable 5.2 já está disponível na API da Anthropic (claude-fable-5-2), na Amazon Web Services, no Google Cloud e no Microsoft Azure, além dos apps do Claude e do Claude Code. Nos planos Pro e Team, ele pode usar até 50% do limite semanal, e assinantes elegíveis ganham de uma a três renovações extras de uso nesta semana.

A própria Anthropic recomenda começar pelo Claude Opus 5.5 no dia a dia, subir para o Fable ou o Mythos nos trabalhos mais difíceis e descer para o Sonnet ou o Haiku 5.5 nas tarefas simples. O Fable 5.2 também pode atuar como "orientador" ou "orquestrador" de modelos mais baratos.

O que isso muda para a sua empresa

Com o preço menor e menos tokens por tarefa, o Fable 5.2 passa a fazer sentido em mais situações:

Projetos de programação longos, como migrações de sistemas antigos e auditorias de código.
Análises complexas, em que errar custa caro, como finanças e dados.
Coordenação de agentes, com o Fable planejando e modelos mais baratos executando.

Para tarefas simples e de alto volume, como ler documentos e classificar e-mails, modelos menores continuam sendo a escolha mais econômica.

Como avaliar antes de adotar

Teste com tarefas reais da sua empresa, não com exemplos de demonstração.
Compare o custo por tarefa concluída, não só o preço por token, e experimente os níveis de esforço.
Mantenha revisão humana nos casos críticos, porque qualquer modelo pode errar.
Verifique para onde vão os dados, por quanto tempo ficam guardados e como isso se encaixa na LGPD.
Evite depender de um único modelo: nomes, preços e versões mudam a cada poucos meses.

Se quiser ajuda para medir esse ganho no seu processo, podemos montar um piloto pequeno e integrar a IA aos seus sistemas.