A Anthropic lançou ontem, 9 de junho, o Claude Fable 5, a primeira versão do seu modelo Mythos que qualquer pessoa pode usar. Até aqui, o Mythos era coisa de clube fechado: empresas e governos selecionados. Quando apresentou o Mythos Preview, em abril, a companhia avisou que não pretendia abri-lo ao público naquele momento. O motivo, registrado no próprio system card do modelo: o salto de capacidades, sobretudo para achar falhas de segurança em software, levou a empresa a decidir não torná-lo geralmente disponível. Mas deixou a porta entreaberta: liberaria capacidades dessa classe quando tivesse salvaguardas fortes o bastante para impedir abuso.
Levou menos de três meses. O mesmo modelo chega agora ao mercado com uma camada de contenção na frente: classificadores que farejam pedidos de risco em cibersegurança, biologia e química, além de tentativas de destilação, que é como a empresa chama a extração do raciocínio do modelo, e desviam tudo isso para o Claude Opus 4.8, a geração anterior da casa.
Na prática, a Anthropic está testando em escala um jeito novo de vender IA de fronteira. Em vez de segurar o lançamento de um modelo que a própria empresa considerava de alto risco, ou de simplesmente dizer não a perguntas sensíveis, ela vende quase toda a capacidade com um filtro dinâmico no caminho. Para a maior parte do trabalho corporativo e de desenvolvimento, a empresa garante que o Fable 5 rende o mesmo que o Mythos 5, a versão sem algumas das travas, que por ora só os parceiros do Project Glasswing e alguns pesquisadores de biologia podem usar.
Lançado em abril de 2026, o Glasswing junta Anthropic, Amazon Web Services, Apple, Google, Cisco, Microsoft, JPMorgan Chase e outras organizações que usam o modelo para achar e corrigir vulnerabilidades nos próprios softwares. O grupo inicial tinha de 40 a 50 organizações de infraestrutura crítica, segundo contagens do New York Times e da NBC News, com mais de US$ 100 milhões em créditos de uso; a diferença entre os dois números provavelmente reflete o momento do registro. Segundo a Anthropic, só no primeiro mês o Mythos Preview encontrou 10.000 vulnerabilidades de severidade alta ou crítica, algumas ocultas há décadas. Em junho de 2026, a empresa estendeu o acesso a mais 150 organizações.
Os números explicam a pressão pela liberação. No SWE-Bench Pro, benchmark de codificação agêntica, o novo modelo marca 80,3%. O Opus 4.8 faz 69,2%, o GPT-5.5 fica em 58,6% e o Gemini 3.1 Pro em 54,2%. No FrontierCode Diamond, um conjunto de tarefas de código bem mais difíceis, são 29,3% contra 13,4% do Opus. Em trabalho de conhecimento, 1932 pontos no GDPval-AA, um ranking Elo de tarefas analíticas, contra 1890 do Opus 4.8. Vale o desconto de sempre: os números são da própria Anthropic. E tem uma pegadinha metodológica: a tabela de lançamento mostra o maior valor entre Fable 5 e Mythos 5, e nos testes de cibersegurança e biologia o Fable 5 fica mais perto do Opus 4.8, justamente por causa dos desvios.
A primeira medição independente, da Vals AI, que avalia desempenho de modelos, dá ao Fable 5 a liderança geral entre as tecnologias públicas, segundo o New York Times. Só que com 5% de vantagem sobre o Opus 4.8, bem menos que os saltos dos benchmarks da casa. E Rayan Krishnan, CEO da Vals AI, aponta os limites: o modelo brilha em código e matemática, mas ainda perde para outros sistemas em saúde e avaliação tributária.
Os testes de clientes contam a mesma história. Em relato divulgado pela Anthropic, a Stripe diz que o Fable 5 comprimiu meses de engenharia em dias: numa base de código Ruby de 50 milhões de linhas, o modelo fez em um dia uma migração que tomaria mais de dois meses de uma equipe inteira. Na versão sem travas, os especialistas em design de proteínas da própria Anthropic aceleraram etapas do desenho de fármacos em cerca de dez vezes com o Mythos 5. Nove dos 14 alvos proteicos do estudo geraram candidatos considerados fortes. E em comparações cegas, os cientistas da empresa preferiram as hipóteses de biologia molecular do Mythos 5 em cerca de 80% dos casos, contra modelos da classe Opus.
Quando o trabalho vira delegação
O relato independente mais rico até agora é o de Ethan Mollick, professor da Wharton e autor de Co-Intelligence, que testou o modelo antes do lançamento e publicou as conclusões em 9 de junho de 2026. Nos experimentos dele, o Fable 5 bateu com folga todos os modelos públicos que ele já usou, trabalhando até doze horas seguidas em cima de especificações de várias páginas.
Em um dos testes, ele pediu um mapa isocrônico de tempos de viagem e viu o modelo acionar submodelos mais baratos para coletar 2.200 horários de voos e trens, escrever o código e testar o próprio trabalho, tudo numa sessão de várias horas. No teste mais ambicioso, entregou um documento de design de 19 páginas. O sistema trabalhou nove horas e meia e devolveu um software de calibração de julgamentos humanos e de IA para pesquisa acadêmica, batizado de Concord. Uma ferramenta que pesquisadores descreviam como útil há anos, mas que nunca havia sido economicamente viável desenvolver. A conclusão dele desloca o foco da régua de capacidade para a natureza da interação: o salto, escreveu, sugere que “nossa relação com a IA está mudando de formas drásticas”.
A metáfora antiga de Mollick para a IA era a do mago: você canta o feitiço, algo acontece. Agora, diz ele, o papel parece mais o de um patrono, que descreve o que quer, paga e julga o resultado, enquanto a execução acontece em centenas de pequenas decisões que ele não vê e sobre as quais não vota. Ele resume a experiência como algo entre o encantador e o inquietante, pelos mesmos motivos: pediu, e aconteceu. O trabalho, registra ele, migrou do processo para o resultado: ele deixou de conduzir e passou a encomendar. A imagem final do post é boa: o patrono encomenda a obra a um artista; o Fable funciona como um estúdio inteiro, em que o humano é o cliente que aprova o trabalho sem pisar no chão de fábrica.
Para quem gerencia gente e projetos, a tradução é: se já não dá para supervisionar o processo, o controle migra para as duas pontas. A qualidade da especificação na entrada e a capacidade de julgar o resultado na saída. Passa a valer mais quem sabe escrever um bom briefing e avaliar um trabalho pronto. E os mecanismos clássicos de auditoria de processo, revisão por etapas e prestação de contas intermediária ficam sem objeto. O próprio Mollick não bate o martelo: o apagamento do humano pode ser coisa passageira, defeito de interfaces que ainda não acompanharam os modelos, ou a caixa-preta pode ser o preço da capacidade. Ele aposta na segunda. E anota um efeito colateral para o mercado de trabalho: a enxurrada de software gerado por IA pode aumentar a demanda por programadores, justamente para depurar o que os modelos entregam. A fronteira que o relato expõe é a governança do trabalho delegado.
E as travas, seguram? Os testes pré-lançamento dizem que sim, com asterisco. Um bug bounty externo rodou mais de 1.000 horas sem produzir nenhum jailbreak universal, e organizações independentes de red team também não acharam. A aposta foi formulada pela própria empresa, sem rodeios. A diferença entre Fable e Mythos, disse um porta-voz ao Semafor, “não está no que o modelo pode fazer, mas no que nossas salvaguardas permitirão”. Sem elas, acrescentou, o Fable 5 seria excepcionalmente forte em encontrar e explorar vulnerabilidades de software, o que poderia reduzir de forma significativa o custo de ataques cibernéticos.
O UK AI Safety Institute, porém, registrou algum progresso numa janela curta de testes, o que relativiza a narrativa de invulnerabilidade. Dianne Penn, head de gestão de produto da Anthropic, reconheceu ao New York Times que salvaguardas de IA nem sempre são confiáveis, e descreveu o trabalho de segurança como progressão contínua, sem ponto final. A própria empresa admite que capacidades de nível Mythos valem dinheiro para adversários que lucram com ciberataques, e que por isso espera tentativas insistentes de furar as proteções.
O preço cria um andar novo no mercado. Fable 5 e Mythos 5 custam US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída. É menos da metade do Mythos Preview e o dobro dos modelos Opus, o que faz deles a oferta mais cara da companhia. O argumento da Anthropic: o custo por tarefa concluída cai, porque o modelo resolve mais com menos idas e vindas. Mollick faz a ressalva: nos testes dele, o modelo queimou tokens num ritmo que sugere conta alta em produção, talvez amenizada pela delegação de subtarefas a modelos mais baratos.
O gráfico de custo por tarefa divulgado pela própria empresa ilustra a disputa: no FrontierCode, a precisão do Fable 5 sobe de cerca de 11% para cerca de 31% conforme o gasto por tarefa vai de US$ 5 para US$ 20, enquanto o Opus 4.8 estaciona perto dos 13% gaste o que se gastar. Pagar mais compra resultado, mas só no modelo novo. O Fable 5 está incluído sem custo extra nos planos Pro, Max, Team e Enterprise de 9 a 22 de junho de 2026. Depois, passa a exigir créditos de uso. E já roda no GitHub Copilot, Amazon Bedrock, Vertex AI e Microsoft Foundry. A própria empresa admite o gargalo: Sam McAllister, da Anthropic, escreveu no X que o acesso amplo sai em duas semanas e volta conforme mais computação ficar disponível. A janela gratuita é, na prática, um teste de demanda com infraestrutura contada.
A IA agora vem com política embutida
Quem ganha no curto prazo: empresas com filas longas de migração e modernização de software, pesquisa científica e operações pesadas de análise de documentos. Quem paga o custo oculto: profissionais de segurança e pesquisadores de ciências da vida cujo trabalho legítimo esbarra nas categorias bloqueadas. A central de ajuda da Anthropic admite que as travas, amplas de propósito, podem barrar trabalho legítimo. Na lista: documentação de negócios de biotecnologia, imagem médica, dúvidas de saúde clínica e até conteúdo básico de biologia. E tem um detalhe que muda tudo para quem opera pipelines corporativos: as verificações olham tudo o que o modelo lê, inclusive arquivos, conectores e resultados de busca. O bloqueio pode disparar por conteúdo que ninguém digitou.
O system card põe número no atrito: no Terminal-Bench, 20,9% das execuções do Fable 5 esbarraram numa recusa de segurança no meio do caminho e caíram para o Opus 4.8. Em código vizinho de cibersegurança, como reconstrução de binários, o modelo público é limitado de propósito. Mollick confirma de fora: os guardrails disparam ao menor cheiro de tema de segurança, com frequência que ele chama de excessiva.
A cobrança acompanha o desvio. Pela documentação oficial, pedido bloqueado na entrada é faturado inteiro a preço de Opus; bloqueio no meio da resposta cobra os tokens já processados a preço de Fable 5 e o resto a preço de Opus. Ou seja: o custo real por tarefa depende da taxa de desvio do seu caso de uso. E na API o desvio não é automático: o sistema devolve uma recusa estruturada que a aplicação do cliente precisa tratar. Quem constrói produto em cima do modelo precisa lidar com isso no código.
Há ainda um custo de conformidade que corre na direção oposta ao instinto de privacidade corporativa. O Fable 5 não chegou com novas proteções de dados, e sim com uma exigência de retenção obrigatória de 30 dias. Cada prompt e cada resposta ficam armazenados para a Anthropic procurar sinais de abuso, e conteúdo sinalizado pelos classificadores pode ser guardado por até dois anos. A política anula acordos de retenção zero já existentes. Nas superfícies próprias da Anthropic, não há como desativar; no GitHub Copilot e no Microsoft Foundry, a retenção é opt-in e vem desligada por padrão, cabendo ao administrador habilitá-la. A empresa diz que os dados não treinam modelos, que todo acesso humano fica registrado e que tudo é apagado em 30 dias, salvo alerta de segurança ou jurídico. O atrito foi imediato: um dia após o lançamento, a Microsoft tirou o Fable 5 do seletor interno do GitHub Copilot e proibiu os próprios funcionários de usá-lo enquanto seu jurídico revisava os termos, por receio de expor código e dados confidenciais; os demais modelos Claude seguiram liberados internamente, porque rodam sob retenção zero.
Segundo análise no podcast The AI Daily Brief, há um agravante para quem usa memória: durante a janela de retenção, o modelo pode trazer para a conversa históricos sensíveis de interações anteriores. A maioria leu a política como temporária, mas para setores regulados “temporário” não satisfaz compliance. A janela de 30 dias coincide com uma ordem executiva da Casa Branca que permite às empresas de IA dar ao governo federal, voluntariamente, acesso a modelos de fronteira até 30 dias antes do lançamento, sem revisão obrigatória.
O gargalo estrutural que o lançamento escancara é de governança. Quem define a fronteira entre uso legítimo e malicioso em cibersegurança e biologia, na prática, são classificadores proprietários de uma empresa privada, calibrados sem auditoria externa e ajustáveis a qualquer momento. A própria Anthropic já ampliou o escopo por conta própria: antes bloqueava só um conjunto estreito de consultas ligadas a armas biológicas; agora desvia a maior parte dos pedidos de biologia e química. O classificador de destilação nasceu depois que a empresa flagrou tentativas de extração em larga escala atribuídas a países autoritários. Existe um Programa de Verificação de Cibersegurança para uso defensivo no Opus, e a empresa diz planejar cotas para pesquisa de uso duplo em ciberdefesa e biologia. Os critérios de elegibilidade ainda não estão claros. A expansão do Mythos 5 virá por um programa de acesso confiável igualmente sem detalhes.
O resultado prático? Dois mercados. Capacidade contida, aberta a todos; capacidade plena, mediada por confiança. Uma abordagem que divide opiniões. O New York Times ouviu especialistas em segurança dos dois lados, os que aplaudiram a restrição e os que criticaram a empresa por limitar o acesso de pesquisadores de defesa. E registra o contraste competitivo: uma semana depois do anúncio do Mythos, a OpenAI distribuiu seu modelo equivalente, o GPT-5.4-Cyber, a centenas de organizações, com planos de chegar a milhares. Duas filosofias de acesso a capacidade de uso duplo, agora competindo no mercado.
Enterrado no system card de 319 páginas, um parágrafo revelava que o Fable 5 degradaria em silêncio as próprias respostas a quem trabalha com desenvolvimento de modelos de fronteira: pré-treino, treino distribuído, design de aceleradores de ML, usando modificação de prompt e steering vectors, sem nenhum aviso ao usuário. Não recusava, não desviava: piorava a resposta e não dizia nada. A Anthropic estimou que a regra atingia 0,03% do tráfego e a justificou pela necessidade de não facilitar a concorrentes, sobretudo da China, a construção de modelos rivais.
Nathan Lambert, pesquisador de modelos abertos que liderou trabalho no Allen Institute, leu o parágrafo duas vezes para ter certeza de que entendia e chamou a prática de anticientífica; escreveu que um modelo que fica menos inteligente sem avisar é “categoricamente desalinhado”. Dean Ball, ex-Casa Branca, classificou de “chocantemente hostil”; Clément Delangue, da Hugging Face, de “a mais alta forma de manipulação”. Andrej Karpathy, que entrara na Anthropic no mês anterior, elogiou o modelo e, ao mesmo tempo, admitiu que as salvaguardas saíram precipitadas. (Atualização: Em 11 de junho, dois dias após o lançamento, a empresa recuou: manteve a restrição, mas tornou-a visível, com desvio aberto para o Opus 4.8. “Fizemos o tradeoff errado”, disse à Wired. O sigilo acabou; o poder de remodelar em silêncio o que se constrói sobre o modelo, não.)
O pano de fundo corporativo pesa. A Anthropic protocolou o rascunho confidencial do seu S-1 na SEC em 1º de junho de 2026, dias depois de levantar US$ 65 bilhões numa rodada que avaliou a empresa em US$ 965 bilhões. A OpenAI anunciou o mesmo movimento em 8 de junho, véspera do lançamento do Fable 5. E a SpaceX, que incorpora a xAI, mira estreia na Nasdaq em 12 de junho. Ou seja: a liberação do modelo caiu bem no meio da semana em que os três principais laboratórios de IA disputam a atenção do mercado de capitais, dias depois de a própria Anthropic pedir publicamente que os grandes laboratórios combinassem um freio coordenado no desenvolvimento de fronteira. Alerta de risco de um lado, aceleração comercial do outro: a coexistência das duas mensagens tende a ser lida pelo mercado como teste de consistência, e a recepção ao S-1, quando o documento for aberto, será o primeiro termômetro.
Os próximos meses trazem quatro métricas para acompanhar: as replicações independentes dos benchmarks de codificação, como o SWE-Bench Pro, esperadas nas próximas semanas; o registro (ou não) do primeiro jailbreak relevante documentado em produção; a evolução da taxa de desvio abaixo dos 5% de sessões declarados; e a publicação dos critérios dos programas de acesso confiável e das cotas de pesquisa. Esses pontos vão dizer se capacidade plena com acesso condicionado vira padrão da indústria. A pergunta que o relato de Mollick deixa no ar, como supervisionar trabalho que já não se consegue observar, fica para cada organização resolver.
Um coisa é certa: a precificação do risco saiu da cláusula de contrato e virou camada de software; o que conselhos, CISOs e fornecedores negociam agora é o que as salvaguardas deixam a IA fazer.