Claude Fable 5 para que serve em programação? As tarefas de código que ele foi feito para tocar sozinho

Fala aí, beleza? A Anthropic anunciou o Claude Fable 5 junto do Claude Mythos 5 em 9 de junho de 2026, e o Fable 5 é o modelo de classe Mythos liberado pra uso geral, o mais capaz que ela disponibilizou amplamente

Só pra não embolar o nome: Mythos é a classe, e o Claude Mythos 5 é o outro modelo anunciado no mesmo dia

A descrição oficial do Fable 5 fala em raciocínio exigente e trabalho agêntico de longo horizonte

Aí bate a pergunta de quem programa: bonito, mas isso vira o quê no MEU dia?

Modelo vendido como "autônomo por múltiplos dias" é fácil de admirar e difícil de usar, porque ninguém te fala qual tarefa entregar pra ele

Então a ideia deste post é traduzir esse posicionamento em tipo de tarefa de código, separando o que é execução direta do que é problema ambíguo, com os números verificados e com o que eu vi rodando na minha máquina

As tarefas de código que o Fable 5 foi feito pra tocar sozinho

A Anthropic descreve o Fable 5 como capaz de assumir problemas antes complexos, longos ou ambíguos demais pra modelos anteriores, com eficácia em trabalho de ponta a ponta que levaria horas, dias ou semanas de uma pessoa

Rodando dentro de um harness de agente, ele trabalha por dias seguidos, planejando por etapas, delegando pra subagentes e conferindo o próprio trabalho

Isso desenha duas famílias bem distintas de tarefa

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

Família 1: tarefa bem definida, onde o ganho é escala mecânica

Aqui você JÁ SABE o que precisa acontecer, o problema é o tamanho

Migração de versão de framework, troca de padrão de API em centenas de arquivos, reescrita de uma camada inteira seguindo uma convenção, cobertura de teste em um módulo grande, por aí vai

O caso público mais forte é esse: no material de lançamento da Anthropic, a Stripe relatou uma migração em base Ruby de 50 milhões de linhas concluída em um dia, trabalho que levaria mais de dois meses de um time

Repara no formato da tarefa: regra clara, volume absurdo, verificação objetiva no fim

É o cenário em que a autonomia não está descobrindo nada, está martelando sem cansar

Família 2: problema ambíguo e multi-etapa, onde o valor é descobrir o caminho

Esse é o oposto: você sabe o RESULTADO que quer, não sabe a sequência

Bug que atravessa três serviços, feature nova que precisa de decisão de arquitetura no meio, refatoração onde metade das descobertas só aparece depois que você mexe

É o tipo de coisa que morre em modelo antigo porque a cada dez minutos você tem que reexplicar o contexto e recolocar o bicho no trilho

O posicionamento oficial cita justamente retenção de instrução em tarefas longas, com execução autônoma de múltiplos dias, delegação e autoverificação

Aqui a régua muda: você não avalia "acertou o patch?", você avalia "ele se manteve no objetivo do começo ao fim?"

E se a sua tarefa não é nenhuma das duas?

Se é script curto, ajuste pontual, um CSS que não colou, você já sabe o passo a passo e vai gastar mais explicando do que fazendo

Nesse recorte de tarefa curta e bem cercada vale olhar também o que o Codex realmente resolve, porque a comparação de ferramenta agêntica depende MUITO do tamanho do problema que você joga nela

O que aconteceu quando eu joguei duas tarefas reais nele

Teoria é boa, mas eu queria ver o negócio rodando

No vídeo eu testo o Fable 5 em dois cenários de criação de projeto, e cada um caiu certinho numa das famílias acima

Teste 1, tarefa bem definida: pedi um simulador de trânsito de cidade em um único arquivo, que rodasse sozinho, com malha de ruas vista de cima, cruzamentos, semáforos e carros se movendo

Voltou funcional em 1 interação, em menos de 10 minutos

Os carros respeitavam os semáforos, o painel de status aparecia e eu consegui alterar parâmetros ali na tela

A ressalva foi de acabamento: faltou zoom, e eu tive que chegar perto do monitor pra enxergar detalhe 😅

Teste 2, tarefa multi-etapa: no Claude Code pedi um command center pra criador de conteúdo com stack definida, CRUD de ideias de vídeo com título e status, kanban, dashboard com 3 gráficos, busca e filtro por tag, autenticação por e-mail e senha, seed de 30 ideias e tema escuro por padrão

Em cerca de 15 minutos o sistema subiu na porta 3001

Entrei com a conta demo que ele criou, naveguei pelas telas e o drag and drop do kanban respondeu

Não testei TODAS as funcionalidades, deixo isso claro, mas pra uma rodada única de pedido o resultado foi bom

E teve o ponto que me incomodou: eu pedi explicitamente que ele escrevesse um plano antes de executar, ele escreveu o plano e saiu executando sem pedir confirmação

Atropelou o plano

É exatamente o efeito colateral da autonomia que a família 2 promete: quanto mais longo o horizonte, mais você tem que combinar ONDE ele para

O que eu senti nos dois testes foi consistente com o recorte do post: o ganho aparece nas tarefas longas e cresce com a complexidade, com menos turnos e menos idas e vindas do que eu estou acostumado no Opus

No vídeo acima você vê os dois testes na tela: o simulador de trânsito com os carros parando no semáforo e o sistema web sendo construído do zero no Claude Code até o login funcionando

Onde o Fable 5 fica nos benchmarks de código

Pra calibrar expectativa em vez de comprar hype, vale olhar dois eixos diferentes

O SWE-bench Verified mede resolução de issue real de repositório, meio que um patch isolado

Ou seja: nesse placar ele aparece em terceiro

Agora o outro eixo, o Terminal-Bench 2.1, que mede interação multi-etapa no terminal, edição de arquivos e encadeamento de ferramentas

Antes de comparar linha com linha, um aviso importante: as duas tabelas vêm de levantamentos diferentes, e cada levantamento congelou versões diferentes dos concorrentes

Repara: no placar vivo aparecem Claude Opus 5 e GPT-5.6 Sol, na tabela do Terminal-Bench aparecem Claude Opus 4.8 e GPT-5.5

Então leia cada tabela POR DENTRO, nunca cruze um número de uma com o número da outra

A leitura honesta é essa: ele NÃO lidera o benchmark de patch isolado

Mas é o mais forte da tabela no eixo multi-etapa, que é justamente o recorte deste post

Benchmark não decide nada sozinho, e tá tudo bem, só serve pra você não esperar milagre no lugar errado

Como pedir: objetivo no lugar de checklist

Aqui mora a mudança de hábito que mais muda resultado

O guia oficial de prompting do Fable 5 orienta trocar o checklist passo a passo por objetivos, porque o modelo foi feito pra rodar longo, lidar com ambiguidade e descobrir o como sozinho

Se você conhece a diferença entre mandar alguém seguir uma receita e mandar alguém resolver o problema, é isso

O mesmo guia diz que poucas regras afiadas funcionam melhor que uma lista longa, já que ele segue instrução de forma mais literal que modelos antigos

Parece contraintuitivo? É, mas faz sentido: instrução literal + lista gigante = ele obedece ao pé da letra coisas que você escreveu no automático

Pra execução autônoma longa, o guia recomenda três coisas:

1. Instruir o modelo a auditar o progresso contra os resultados reais das ferramentas, não contra a própria narrativa do que ele acha que fez
2. Usar subagentes verificadores independentes em vez de só autocrítica
3. Dar um lugar pra registrar lições reutilizáveis, por exemplo um arquivo Markdown, em vez de copiar histórico de conversa

O item 1 é o que salva rodada longa

Modelo que se avalia pelo próprio texto entra em loop de otimismo, e você só descobre no fim que a build nem passa 😬

O que muda no controle do modelo: effort, thinking e raciocínio

Se você chama o modelo direto pela API, o claude-fable-5 mexeu no painel de controle

Saem temperature, top_p e o orçamento de thinking

Entra um único parâmetro effort, enviado dentro de output_config, com os níveis low, medium, high, xhigh e max

Ele muda quanto o modelo pensa, quantas ferramentas usa e quão minucioso é

{
  "model": "claude-fable-5",
  "output_config": { "effort": "high" }
}

A recomendação oficial é high como padrão pra trabalho real, e xhigh nas rodadas longas mais difíceis e importantes

Outro ponto: o pensamento adaptativo é sempre ligado

Não existe orçamento de thinking pra ajustar, e mandar thinking com type disabled não é suportado, isso retorna erro 400

E a cadeia de raciocínio bruta não é devolvida no Fable 5 nem no Mythos 5

Pra ver um resumo do raciocínio, você precisa pedir assim:

{
  "thinking": { "type": "adaptive", "display": "summarized" }
}

O erro comum aqui é esquecer o display e achar que quebrou algo: sem isso, os blocos de pensamento vêm vazios

Sobre a janela, ele trabalha com 1 milhão de tokens de contexto, sem sobretaxa de contexto longo, e saída máxima de 128 mil tokens

O atrito que ninguém avisa: falso positivo do classificador

Agora a parte chata, que é justamente a que costuma ficar de fora do post empolgado

No redeploy, a Anthropic subiu um novo classificador de cibersegurança

Ele bloqueia o jailbreak reportado em mais de 99% dos casos e é mais conservador que o anterior

O efeito colateral está no material oficial: mais falsos positivos em pedidos rotineiros de código e depuração que antes passavam sem acionar fallback, e pedido sinalizado é roteado pra modelo menos capaz

Traduzindo pro seu dia: você pode estar no meio de uma tarefa longa e, sem alarde, a resposta vir de um modelo mais fraco

Isso não é teoria, tem registro público: desenvolvedores relataram falso positivo em auditoria defensiva autorizada no próprio repositório, na issue #66697 do repositório oficial anthropics/claude-code

Veredito honesto: se o seu trabalho encosta em segurança, mesmo defensivo e autorizado, conte com esse atrito

Pra quem vale hoje então? Pra quem tem tarefa de horizonte longo, com verificação objetiva no fim, e paciência pra combinar onde o agente para

Pra quem quer ajuste rápido e barato de código que já entende, não é aqui

E se o seu problema nem é código, e sim página e material de marketing, o caminho é outro produto: dá pra ver o Claude Design em landing page antes de gastar rodada cara com o Fable

Onde o Fable 5 está disponível e quanto custa hoje

Decidiu que a tarefa é a sua cara? Então vem a próxima pergunta: dá pra usar e por quanto

A linha do tempo foi movimentada

Em 12 de junho de 2026 o governo dos EUA aplicou controles de exportação sobre Fable 5 e Mythos 5, os dois modelos anunciados em junho, e a Anthropic suspendeu o acesso

Os controles foram levantados em 30 de junho, e em 1º de julho de 2026 veio o redeploy global na Claude Platform, Claude.ai, Claude Code e Claude Cowork

Estado final: disponível

Na API, o preço é US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída

Nas assinaturas, desde 20 de julho de 2026:

• Max e Team Premium: o Fable 5 está incluído de forma permanente, limitado a 50% dos limites semanais de uso
• Pro e Team Standard: o modelo não está mais dentro da assinatura, passa a ser usado por créditos de uso

Teve uma compensação pela saída do modelo da assinatura: crédito único de US$ 100 pra Pro e Team Standard (no Team, US$ 100 por assento Standard comprado, com teto de US$ 2.500 por organização)

Só que a solicitação ia até 2 de agosto de 2026, com validade até 17 de setembro de 2026

Ou seja, quem pegou pegou, essa janela já fechou

Conclusão

A régua de decisão é bem simples no fim das contas

Se a sua tarefa é curta e você já sabe o passo a passo, o Fable 5 não é a resposta óbvia, você paga caro por um raciocínio que não precisava

Se ela é longa, ambígua ou de escala, é EXATAMENTE o que ele foi feito pra tocar: planejar por etapas, delegar, se verificar e chegar no fim sem você segurando a mão

O próximo passo concreto é esse: escolhe uma tarefa de horizonte longo que você vem adiando, escreve o OBJETIVO em vez do checklist, roda com effort high e mede no seu próprio código

E já combina onde ele para, senão ele atropela o plano igual atropelou o meu haha

Até o próximo post! 😀