llm-anthropic 0.31 traz Claude Fable 5.2 e Mythos 5.2 ao LLM, mas esforço max

Simon Willison lançou em 9 de novembro de 2026 o llm-anthropic 0.31, versão do plugin que adiciona o Claude Fable 5.2 e o Claude Mythos 5.2 à ferramenta de linha de comando LLM. Quem já usa Claude pelo terminal com o LLM ganha acesso aos modelos novos atualizando o plugin.

Mas tem um alerta junto. No teste do pelicano de bicicleta feito por Willison, o esforço max gastou 128.000 tokens raciocinando e não devolveu nenhuma imagem.

O que a Anthropic lançou no Fable 5.2 e no Mythos 5.2

O Fable 5.2 e o Mythos 5.2 são o mesmo modelo de base, com salvaguardas diferentes. A Anthropic lançou os dois em 9 de novembro de 2026, segundo o MacRumors.

A diferença está em quem pode usar. O Fable 5.2 tem disponibilidade ampla e, segundo o InfoWorld, está nas plataformas da Anthropic desde o lançamento. Já o Mythos 5.2 fica restrito a organizações verificadas pelos programas Life Sciences e Cyber da Anthropic, mas o acesso também é possível pelo Claude Security nos planos Enterprise, sem entrar nos programas de verificação. Se quiser entender melhor esse recorte, vale ler sobre a diferença entre os dois modelos.

Os números confirmados do lançamento:

• Preço na API do Fable 5.2: US$ 8 por milhão de tokens de entrada e US$ 40 por milhão de saída. O Fable 5.1 custava US$ 10 e US$ 50, segundo o The Next Web.

• Velocidade: segundo a Anthropic, o Fable 5.2 gera respostas até 30% mais rápido que o Fable 5.1.
• Esforço: cinco níveis (low, medium, high, xhigh e max). Os modelos Fable sempre pensam: tentar desativar o raciocínio gera erro.

O vídeo acima, do canal Hora de Codar, trata do lançamento do Claude Fable 5.2.

Como usar o Fable 5.2 no LLM com o llm-anthropic 0.31

O llm-anthropic é o plugin que dá acesso pelo LLM aos modelos da Anthropic, incluindo a série Claude. A versão 0.31 é a que passa a incluir o Fable 5.2 e o Mythos 5.2.

Se você está começando do zero, o post de Willison mostra três comandos: instalar o LLM com o uv, instalar o plugin e salvar a chave da Anthropic.

uv tool install llm
llm install llm-anthropic
llm keys set anthropic

O último comando pede que você cole a sua chave da API da Anthropic.

Agora, se liga num detalhe sobre nomes: existem dois IDs diferentes para o mesmo modelo, dependendo de onde você roda o comando.

No LLM, o ID que o plugin usa é claude-fable-5.2, com ponto, exatamente como aparece no exemplo do post de Willison e no README do plugin: llm -m claude-fable-5.2 "Generate an SVG of a pelican riding a bicycle". Já na API direta da Anthropic, o ID aparece com hífen, claude-fable-5-2, segundo a saída de exemplo do comando llm anthropic models no README do plugin.

Por que o esforço max falhou no Fable 5.2

No teste de Willison, o esforço max gastou 128.000 tokens pensando e os tokens disponíveis acabaram antes que o modelo devolvesse qualquer imagem. Ou seja: o modelo pensou tanto que não sobrou espaço para responder.

Ele rodou o mesmo prompt nos cinco níveis, e o melhor pelicano veio do xhigh. Willison disponibilizou um link com os resultados de todos os níveis.

Segundo Willison, é o mesmo bug que ele já tinha visto no Claude Opus 5.5. Na série Fable, porém, é novidade: o Fable 5 e o Fable 5.1 entregaram os pelicanos no max sem problema.

Tome cuidado com a leitura disso. Trata-se de um teste de Willison com um único prompt, não de um comportamento confirmado pela Anthropic. Não há confirmação de que o esgotamento acontece em outros tipos de tarefa.

O que muda para quem usa Claude pelo LLM

Para ter o Fable 5.2 no terminal, o caminho é atualizar o plugin para a 0.31. O Mythos 5.2 aparece na mesma versão, mas só funciona para quem tem a organização verificada, e esse motivo da exigência de verificação tem a ver com as salvaguardas.

O preço por token caiu em relação ao 5.1, o que é massa pra quem roda muito prompt pela linha de comando. Só que o caso do max mostra um risco de custo: no teste, os tokens acabaram antes de ele devolver qualquer resposta.

Com base no relato de Willison, a orientação prudente é preferir os níveis xhigh, high, medium ou low em tarefas onde a resposta é obrigatória. O max fica para quando você puder conferir o resultado, até aparecer alguma correção. Para escolher o modelo e o nível certos para cada uso, vale ver qual escolher para cada tarefa.

Próximo passo

Atualize o llm-anthropic para a 0.31 e use o ID claude-fable-5.2 (com ponto) para rodar prompts no modelo pelo LLM.

Depois, veja os resultados que Willison compartilhou no post e compare a saída do xhigh com o comportamento do max. Se você pensa em usar o max em produção, vale testar antes com o seu próprio prompt, já que o esgotamento de tokens apareceu nesse teste específico.

Veja mais exemplos práticos no canal Hora de Codar.