Claude Fable 5.1: quais tarefas ainda não vale a pena delegar sem revisão humana?

Versão nova não significa autonomia total, significa que o erro fica mais rápido de produzir

A Anthropic anunciou em 1 de setembro de 2026 o Claude Fable 5.1 e o Claude Mythos 5.1, apresentados como seus modelos mais avançados para programação e trabalho de conhecimento

O discurso de lançamento sempre puxa pro lado do "agora ele faz sozinho", e a pergunta prática é outra: o que continua exigindo revisão humana antes de você aceitar o resultado? É disso que este post trata 🙂

O que a Anthropic lançou no Claude Fable 5.1

O anúncio oficial trouxe dois modelos, com status bem diferentes

O Fable 5.1 é de disponibilidade geral

Já o Mythos 5.1 fica restrito a programas de acesso confiável (trusted access), com salvaguardas voltadas a cibersegurança e ciências da vida

Onde ele roda: na Claude Platform nativamente, em marketplaces disponíveis e na Amazon Web Services, Google Cloud e Microsoft Foundry

Os números que sustentam o papo de autonomia são estes:

• Terminal-Bench 4.0 (codificação agêntica): 55,8% para o Fable 5.1 contra 42,0% do Fable 5
• Terminal-Bench-Science 0.1: 52,6%, mais que o dobro do Fable 5
• AutomationBench: 31,4%, contra 17,1% do Fable 5
• GDPval-AA v2 (trabalho de conhecimento): 1.853, contra 1.723 do Fable 5
• Em conjuntos de avaliação, juízes preferiram as respostas do Fable 5.1 às do Fable 5 numa proporção de cerca de 2 para 1, em perguntas de conhecimento do dia a dia, pesquisa de alta intenção e redação

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 114 aulas
• 4 projetos
• 9h 18min

Conhecer formação

Do lado do bolso: US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída

A leitura de cache é o destaque, US$ 0,25 por milhão de tokens de cache lido, 75% menos que no Fable 5 (que era US$ 1)

A estimativa da própria Anthropic é de cerca de 25% menos em cobrança por token em cargas típicas, e até cerca de 45% menos em cargas altamente agênticas

A janela é de 1 milhão de tokens de contexto por padrão, com até 128 mil tokens de saída por requisição

E se liga num detalhe de contexto que pouca gente cita: o Fable 5.1 chega ao mercado depois de a Anthropic ter precisado redistribuir o Fable 5 com salvaguardas revisadas

Ou seja, essa linha já teve ajuste de rota. Não é histórico de coisa 100% resolvida

O que muda na prática para quem já usa o Claude Code

Traduzindo o lançamento em decisão operacional, sem achismo

O identificador do modelo na API da Claude é claude-fable-5-1

Para usar no Claude Code, a versão mínima exigida é a 2.1.250 ou posterior

A seleção é feita pelo comando /model dentro da sessão, ou já iniciando a sessão assim:

claude --model claude-fable-5-1

Agora o ponto que mexe direto no custo e na qualidade: o nível de raciocínio do Fable 5.1 é controlado pelo parâmetro effort, e o padrão muda por produto

No Claude Code o padrão é High

No Claude Cowork e no Claude.ai o padrão é Medium

Tem ainda effort por mensagem, disponível em beta no Fable 5.1

Isso importa porque o mesmo modelo, no mesmo dia, pode estar entregando quantidades bem diferentes de raciocínio dependendo de onde você chamou ele

Outra mudança de comportamento: pedidos sinalizados pelos classificadores de cibersegurança, biologia e química ou destilação são atendidos automaticamente pelo Claude Opus 4.8 em vez do Fable, e o usuário é avisado quando isso acontece

As salvaguardas atualizadas reduziram cerca de 60% os falsos positivos na área de cibersegurança em relação aos classificadores originais do Fable 5, então a chance de tomar bloqueio à toa caiu, mas o roteamento existe e você precisa saber que ele existe

E tem a parte chata que todo mundo pula, a governança de dados: o uso do Fable exige retenção de dados por 30 dias por padrão, para monitoramento de segurança

Clientes Enterprise elegíveis ao Enterprise Frontier Safeguards podem armazenar dados na própria infraestrutura de nuvem, e aí a revisão humana passa a ser feita pelo próprio cliente, não pela Anthropic

Esse rollout é em fases, e até lá clientes elegíveis podem usar o Fable 5.1 com retenção zero de dados

(se o teu problema for outro, do tipo ferramenta instalada que o terminal não enxerga, o caminho é o diagnóstico do Ponytail no Claude Code, que é papo de ambiente e não de modelo)

Cinco tipos de tarefa em que a revisão humana continua obrigatória

Aqui está o núcleo do post

Não é lista de medo, é lista de custo do erro

1. Ações irreversíveis ou com efeito fora do repositório

Deploy, migração de banco, exclusão de dados, envio de mensagem pra cliente

O critério não é a dificuldade da tarefa, é o que acontece se sair errado. Um git revert conserta um commit ruim, os rm -rf da vida não têm ctrl+z

Quanto mais agêntico o fluxo, mais passos acontecem sem você olhar, e o barateamento de cache justamente incentiva sessões longas

O que continua seguro delegar: preparar o script, escrever a migração, montar o plano de rollback, gerar o rascunho do email. A execução fica com você

2. Tarefas cujo critério de sucesso é fácil de simular

Teste que passa, build que compila, métrica que sobe

O system card do Claude Fable 5.1 e Claude Mythos 5.1 registra que o Mythos 5.1 tenta e consegue reward hacking em taxa menor que a geração anterior, mas o comportamento não desapareceu

Em teste white-box o modelo às vezes ajusta o comportamento para agradar um suposto avaliador, apresentando o atalho como boa prática de engenharia

Sacou o problema? Não é o modelo mentindo na tua cara, é o atalho chegando embrulhado em justificativa técnica bonita

O que continua seguro delegar: escrever teste pra código que você mesmo especificou, e rodar suíte que já existia antes da sessão. O que não vale é aceitar "passou" quando quem escreveu o teste e quem fez ele passar é o mesmo agente

3. Fluxos que dependem de aprovação ou de política interna

A auditoria comportamental automatizada da Anthropic aponta melhora de alinhamento do Mythos 5.1 sobre o Mythos 5: bem menos propenso a buscar recursos fora do ambiente de teste e a usar raciocínio motivado

Porém a mesma auditoria registra que ele ainda pode às vezes contornar aprovações e classificadores de auto-mode

Se o teu processo tem um portão de aprovação, o portão não pode viver só dentro da sessão do agente

O que continua seguro delegar: montar o pedido, preencher o formulário, redigir a justificativa. O aceite é humano

4. Domínios sensíveis: cibersegurança, biologia, química

Aqui tem um detalhe que muda o resultado e passa despercebido

Quando os classificadores sinalizam o pedido, quem responde é o Claude Opus 4.8, não o Fable

Ou seja, você acha que está avaliando o modelo novo e está lendo a saída de outro modelo

O usuário é avisado quando isso acontece, então leia o aviso antes de tirar conclusão sobre qualidade

O que continua seguro delegar: leitura de documentação, organização de material, rascunho de relatório. Conteúdo técnico sensível vai pra revisão de quem entende do assunto, sempre

5. Trabalho de conhecimento com número, citação e afirmação factual

A preferência de cerca de 2 para 1 dos juízes é sobre conhecimento do dia a dia, pesquisa de alta intenção e redação

Isso é preferência, não é certificado de exatidão em cada resposta individual

Texto que agrada mais é ótimo pra rascunho e péssimo como garantia, porque erro bem escrito é mais difícil de pegar que erro mal escrito

O que continua seguro delegar: estrutura, primeira versão, resumo de material que você forneceu. Todo número, data e citação você confere na fonte

Pra separar o que ele foi feito pra tocar sozinho, dá uma olhada nas tarefas de código do Fable 5, que é o outro lado dessa mesma moeda

Como identificar essas tarefas no seu contexto: critérios de triagem

Lista de tarefa é sempre incompleta, porque o teu trabalho não é igual ao meu

Então use critério, não nome de tarefa

E tem um atalho barato de revisão que o system card entrega de bandeja: todas as ações enganosas encontradas nas avaliações deixaram indícios na cadeia de raciocínio (chain of thought)

Traduzindo: ler o raciocínio não é preciosismo, é a parte mais barata da revisão

Antes de sair conferindo 400 linhas de diff, passa o olho em COMO ele decidiu chegar ali

O que vimos no teste: onde a autonomia entrega e onde ela para

Quando testei o modelo no lançamento do Fable 5, no vídeo eu mostro dois projetos rodando do zero

O simulador de trânsito em arquivo único saiu em menos de 10 minutos, numa única interação: semáforos, carros circulando, status editáveis, tudo funcional

O sistema web com kanban, dashboard e autenticação ficou pronto em cerca de 15 minutos no Claude Code, e subiu na porta 3001

Rápido? Muito. Impressionante? Também 😀

Mas olha esses dois casos pelo critério da tabela acima: escopo fechado, resultado visível na hora, efeito limitado à máquina local

É exatamente o perfil de tarefa que aceita revisão leve

E mesmo aí apareceram limites. Eu pedi explicitamente um plano antes de executar, e o modelo criou o plano e saiu executando sozinho, sem perguntar se podia seguir. Achei estranho, foi ponto negativo, ele atropelou o combinado

O simulador veio funcional mas sem zoom, precisei chegar perto do monitor pra enxergar, e ainda precisaria de mais tempo de ajuste pra deixar a visualização correta

No sistema web eu conferi só parte: login com a conta demo e o drag and drop do kanban. Não testei todas as funcionalidades, estava tudo rodando aparentemente bem, e isso é bem diferente de "está tudo certo"

Era primeiro contato, e primeiro contato não vira veredito

Velocidade de entrega em projeto local não é evidência sobre autenticação em produção, dado real de cliente ou decisão de negócio. São coisas diferentes

Veja o teste completo em vídeo

No vídeo abaixo eu mostro a geração dos dois projetos do começo ao fim e o comportamento do modelo durante a sessão, incluindo a hora em que ele sai executando o plano por conta própria

Veredito: o Fable 5.1 é mais capaz, não é dispensa de revisão

Os ganhos são reais e mensuráveis

Salto de 42,0% para 55,8% no Terminal-Bench 4.0, mais que o dobro do antecessor no Terminal-Bench-Science 0.1, e custo por token menor com o cache lido 75% mais barato

Quem roda carga agêntica pesada sente isso na fatura e no relógio

Só que as limitações registradas pela própria Anthropic seguem valendo: reward hacking em taxa menor mas presente, aprovações que às vezes são contornadas, e a nota honesta de que a própria avaliação de alinhamento tem limitações de cobertura

Quando o fabricante escreve no system card que a avaliação dele não cobre tudo, isso não é motivo pra pânico, é motivo pra manter o teu processo de revisão de pé

A postura que eu recomendo é simples: escolha o que delegar pelo CUSTO DO ERRO, não pela nota do benchmark

Benchmark alto te diz o que ele consegue fazer

Custo do erro te diz o que você pode perder quando ele erra, e só a segunda pergunta protege o teu projeto

Conclusão

Recapitulando o caminho prático:

1. Atualize o Claude Code para a versão 2.1.250 ou posterior, que é o mínimo exigido pro Fable 5.1 (o erro comum aqui é trocar o modelo antes de atualizar e achar que o modelo é que está com problema)
2. Selecione o modelo com /model dentro da sessão, ou inicie com claude --model claude-fable-5-1
3. Repare no effort: no Claude Code o padrão é High, no Claude Cowork e no Claude.ai é Medium, então não compare resultado de produtos diferentes achando que é o mesmo esforço de raciocínio
4. Comece delegando tarefa reversível e verificável, do tipo que você confere em minutos
5. Monte sua própria lista de exceções com os critérios de triagem daqui, porque a tua lista não é igual à minha

Eu ainda vou rodar mais teste em cima do 5.1, principalmente em fluxo agêntico longo, que é onde a economia aparece e onde a revisão fica mais difícil

Acompanha por aqui no blog e no canal que eu conto o que encontrar…

até o próximo post!