Claude Fable 5.1 é SOTA, mas custa 20% mais

O agente que finalmente termina a task longa

Claude Fable 5.1 chegou para resolver o incômodo mais caro de quem roda agente em produção: o modelo que começa bem, se perde no meio e entrega um resultado pela metade dizendo que concluiu. Quem opera coding assistido, pesquisa profunda ou automação multi-step conhece essa dor. Você paga pelos tokens, paga pela latência, paga pelo retry e ainda precisa de um humano para conferir. A Anthropic posicionou o Fable 5.1 e o Mythos 5.1 exatamente aí, como modelos para trabalho autônomo, complexo e de longa duração, e os primeiros relatos falam de planejamento melhor, tom mais honesto e menos sucesso falso.

O problema é que essa autonomia tem um preço diferente do que o anúncio sugere. O corte de 75% no preço de leitura de cache parece desconto agressivo, e é, mas vem acompanhado de um aumento de cerca de 70% no volume de tokens de saída por tarefa. Na prática, o custo por task sobe em torno de 20% segundo a Artificial Analysis. Ou seja, ele trabalha melhor e por mais tempo, só que fala muito mais para fazer isso. Para quem vive de margem de inferência, isso muda tudo.

O fato

A Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1 como novos modelos flagship para coding e knowledge work. A mensagem oficial é direta: são os modelos mais avançados do mundo para essas cargas, com foco em tarefas delegadas que rodam sozinhas por bastante tempo. O Fable mira código e execução autônoma, o Mythos mira análise, escrita técnica e trabalho com conhecimento denso. Por dentro, parte da comunidade técnica suspeita que sejam os mesmos pesos base com roteamento e políticas de segurança diferentes, não dois treinamentos totalmente separados.

O preço base por milhão de tokens foi mantido em 10 dólares para entrada, 50 dólares para saída e 12,5 dólares para escrita de cache. A grande mudança foi na leitura de cache, que caiu para 0,25 dólar por milhão. Isso favorece sessões longas com muito contexto reaproveitado, que é exatamente o padrão de agentes. Ao mesmo tempo, os benchmarks que circularam mostram força em Terminal-Bench-Science, família SWE, HLE e FrontierCode, além de liderança nos rankings agregados. A recepção foi dividida: elogios fortes para código e planejamento, reclamações sobre rate limit, falsos positivos de safeguard e apresentação confusa de evals.

Como funciona na visão de quem opera

Pensa em termos de arquitetura de agente, não de chatbot. O Fable 5.1 parece otimizado para manter estado, seguir plano e usar ferramenta atrás de ferramenta sem degradar. Isso normalmente significa mais passos de raciocínio interno transformados em tokens visíveis, mais chamadas de tool e mais verificações intermediárias. Relatos de engenharia citam um comportamento novo e importante: quando trava, ele diz que travou em vez de inventar uma conclusão. Isso é ótimo para confiabilidade, mas custa tokens. Honestidade em modelo de linguagem quase sempre aparece como verbosidade extra, com explicações, alternativas tentadas e logs de decisão.

O jogo de custo fica assim. Se seu agente reaproveita bem o contexto, com system prompt estável, arquivos fixos e histórico incremental, a leitura de cache barata derruba o custo de entrada de forma relevante. O problema está na saída, que continua sendo a parte mais cara da equação a 50 dólares por milhão. Se o modelo gera 1,7x mais tokens de saída para entregar a mesma tarefa, você economiza de um lado e estoura do outro. Em pipelines com loop de auto correção, o efeito multiplica. Cada iteração extra gera mais output, que vira input cacheado na próxima volta, e a conta final por incidente resolvido sobe mesmo com cache eficiente.

Onde o cache ajuda e onde não ajuda

Na inferência real, cache só salva quem projeta para cache. Sessões curtas, prompts que mudam toda hora ou RAG que injeta contexto novo a cada chamada aproveitam pouco. Já agentes de coding com repo aberto, terminal persistente e plano fixo aproveitam muito. A latência tende a melhorar nesses casos porque o prefixo cacheado evita recomputação, mas a latência total por tarefa pode piorar se o modelo decidir pensar por mais passos. É uma troca clássica: menos tempo por token, mais tokens por resposta. Para produto interativo, isso pode estourar timeout e percepção de lentidão.

• Entrada longa e estável: ganha muito com leitura de cache a 0,25 dólar.
• Saída longa e iterativa: perde, porque output continua caro e cresceu em volume.
• Zero data retention e controles enterprise: destravam adoção em empresa regulada, com observabilidade melhor para agentes.

O que isso muda na prática

Quem ganha primeiro é time que já opera agente maduro, com tracing, cache de prompt bem configurado e avaliação por tarefa resolvida, não por token. Para esse perfil, o Fable 5.1 pode reduzir retrabalho humano e aumentar taxa de sucesso em tasks difíceis, o que compensa o aumento de 20% por task. Quem perde é quem precifica por chamada fixa ou roda workflow simples que não precisa de raciocínio longo. Se seu caso é completar código curto, resumir documento ou classificar, pagar por um modelo que fala 70% a mais não faz sentido. O Mythos 5.1 entra aqui como opção para knowledge work, mas a lógica é a mesma: só vale se a qualidade extra vira menos revisão.

A ação prática desta semana é simples e direta. Rode um teste A/B com custo por tarefa concluída, não por milhão de tokens. Pegue 100 tasks reais do seu backlog, rode metade no Fable 5 e metade no 5.1, com os mesmos limites de steps e ferramentas, e meça sucesso, tokens de entrada cacheada, tokens de saída e latência p95. Na maioria dos setups, você vai precisar ajustar max tokens, limitar loops de retry e forçar prefixo cacheável no system prompt. Sem esse ajuste, você só importa o novo preço sem capturar o novo comportamento.

Isso escala ou só move o gargalo

Aqui está a tensão real. O Fable 5.1 parece resolver o gargalo de confiabilidade do agente burro, aquele que aborta cedo ou mente no final, mas cria um gargalo novo de economia da verbosidade. Modelos que pensam mais tendem a gerar mais, e gerar mais custa mais na ponta mais cara. O corte no cache é inteligente porque empurra todo mundo para sessões longas presas ao ecossistema, onde a Anthropic ganha no volume. Funciona se a taxa de sucesso subir o suficiente para você rodar menos tentativas. Se subir só um pouco, você paga mais para ter o mesmo resultado com logs mais bonitos.

Tem outro ponto que pouca gente está discutindo. Controles como Enterprise Frontier Safeguards e suporte a zero data retention ajudam a vender para empresa grande, mas adicionam atrito para desenvolvedor pequeno, com mais bloqueios e mais fricção em rate limit. Vários relatos já falam de falsos positivos e UX confusa de assinatura. Isso é sinal de modelo mais capaz com cercas mais altas. Para operação séria, observabilidade é bem vinda, só que cada verificação extra é latência e custo. Vale testar se o ganho em autonomia sobrevive com safeguards ligados no seu ambiente, porque benchmark com cerca desligada não paga sua fatura.

Conclusão

No fim, Fable 5.1 é o melhor Claude até aqui para trabalho longo, só que o mais barato no anúncio pode sair 20% mais caro na sua conta. Será que seu pipeline está pronto para pagar por um agente que pensa alto em vez de um que responde curto