Na terça-feira (1), a Anthropic apresentou o Claude Fable 5.1, sua inteligência artificial mais poderosa até aqui, que já estreou no topo do índice da Artificial Analysis, a régua mais citada do setor. Junto com ele, também foi lançado o Mythos 5.1.
As duas versões compartilham a mesma base e os mesmos pesos. A distinção está no conjunto de travas: o Fable é o modelo que qualquer pessoa acessa, enquanto o Mythos trabalha com menos restrições em cibersegurança e biologia. Essa edição é exclusiva para organizações americanas verificadas, algumas delas admitidas por um programa estruturado em parceria com o governo dos Estados Unidos.
O Mythos não traz pesos superiores; apenas opera com menos limitações. É a primeira vez que uma empresa demonstra, em um gráfico público, que a inteligência oferecida ao público é uma versão reduzida da que possui. E que o tamanho dessa redução depende de quem está do outro lado.
Isso recoloca uma discussão que o setor vinha adiando e que surge com frequência entre usuários desses sistemas: a ideia de que cada trava impõe algum preço em capacidade. A explicação corrente é que o modelo gasta parte do esforço decidindo se deve recusar, o que parece razoável até observar o mecanismo adotado aqui.
Quando a trava do Fable é acionada, a tarefa não é simplesmente recusada. Ela é transferida a um modelo mais antigo, que faz o que pode, de forma que o usuário paga pelo modelo de fronteira e recebe a geração anterior sem aviso. É por isso que o Mythos pontua acima do Fable em programação, já que, nas tarefas em que o filtro interveio, quem trabalhou foi outro sistema. Nesse desenho, segurança pode significar um rebaixamento automático que o usuário não percebe.
Pesquisa científica e acesso restrito
No lançamento do Fable 5, em junho, a queixa mais comum partiu de cientistas que esbarravam em recusas ao utilizar o modelo em atividades habituais de laboratório. O 5.1 resolve parte desse problema e dispara bem menos bloqueios diante de questões de biologia básica e medicina. Ainda assim, pesquisa e desenvolvimento em ciências da vida seguem sendo desviados para modelos menores, o que reserva a ciência de ponta, feita com a IA de ponta, a quem passa por uma verificação com participação do governo americano — e deixa os laboratórios brasileiros, por ora, fora desse circuito.
O que a versão completa faz ajuda a entender por que isso importa: no teste que mede pesquisa científica autônoma, em que o modelo analisa dados, ajusta modelos e reproduz estudos com código, o resultado mais que dobrou em três meses. Uma fintech relatou uma execução de 38 horas consecutivas em que o sistema diagnosticou um erro de rotulagem, corrigiu o problema, disparou seis experimentos em paralelo durante a madrugada e amanheceu com resultado e próximos passos prontos.
O salto é prático. O sistema consegue continuar trabalhando enquanto o pesquisador dorme, e o acesso a ele começa a ser regulado como o de um insumo controlado.
A conta real dos preços
O preço também merece uma leitura menos apressada. A Anthropic afirma que o modelo sai cerca de 25% mais barato em uso típico e até 45% em fluxos longos de agentes, embora o preço por token não tenha mudado. O que caiu 75% foi o custo de reler um contexto já processado, operação dominante quando um agente passa horas recebendo o mesmo bloco de instruções. Isso é relevante para quem roda agentes e quase indiferente para quem faz perguntas pontuais.
Um dado, porém, complica o quadro: a Artificial Analysis mediu que, por tarefa concluída, o novo modelo sai mais caro que o anterior justamente por pensar por mais tempo antes de responder e gerar mais tokens de saída.
A inteligência adicional veio acompanhada de verbosidade. Por isso, o preço por milhão de tokens, métrica que aparece em todas as tabelas comparativas, deixou de dizer muita coisa sozinho. O que interessa é quanto custa concluir uma tarefa, e essa conta só aparece quando a tarefa é de fato executada. Para empresas brasileiras, que pagam em dólar, a pergunta relevante passou a ser quantos pontos de qualidade justificam um custo várias vezes maior que o de modelos abertos chineses que chegam perto no mesmo ranking.
Privacidade e controle dos dados
Os dados abrem outro flanco. A crítica corporativa mais dura ao Fable 5 era a ausência de retenção zero, porque usar o modelo significava entregar os dados à Anthropic para que fossem examinados em busca de abuso. A solução atual se chama Enterprise Frontier Safeguards e muda parte do arranjo: os dados passam a ficar na nuvem do cliente e a revisão humana é feita pelo próprio cliente, embora a Anthropic continue monitorando.
Para muitos departamentos jurídicos, isso basta. Para quem lida com segredo industrial, porém, a preocupação central permanece, porque alguém de fora ainda pode ter acesso ao que a empresa faz com IA. O endereço de armazenamento mudou, mas o problema do acesso não desapareceu.
Marca d’água textual: a assinatura invisível
O ponto do título agora se revela. O Fable 5.1 é o primeiro modelo da Anthropic a embutir marca d’água textual em tudo o que escreve, obrigação que decorre do código de conduta europeu sobre transparência de conteúdo gerado por IA. A empresa assinou o acordo em julho ao lado de cerca de 190 organizações, e a regra vale para modelos lançados depois de 2 de agosto.
A técnica é estatística: em cada ponto em que o modelo dispõe de várias palavras equivalentes, a escolha segue um padrão que só ganha força quando se acumula ao longo de um texto suficientemente longo, permitindo estimar a probabilidade de participação do Claude. Nada é visível. Código de programação fica de fora porque a troca de palavras ali poderia quebrar o programa. A marca vale no mundo inteiro, inclusive no Brasil, já que a empresa afirma não ter como restringi-la por região.
O problema é que a ferramenta capaz de ler a marca está em prévia fechada e disponível para reguladores, polícia, imprensa, checadores e organizações da sociedade civil europeias, enquanto o usuário comum permanece do lado de fora. O professor que desconfia de uma redação, o editor que recebe um texto suspeito ou o juiz diante de uma petição que soa artificial não podem consultar o sistema. Na prática, a única forma de saber se um texto foi escrito pelo Claude é perguntar à Anthropic.
Uma marca d’água que só o fabricante decifra também concentra poder de certificação numa empresa privada, que decide a quem responde. Mesmo para quem tem acesso, o resultado é uma probabilidade, não um carimbo: uma reescrita razoável dilui o padrão, e um parágrafo isolado é curto demais para sustentar uma conclusão.
A Europa obrigou as empresas a construir a infraestrutura de detecção antes de definir quem poderá usá-la e com que finalidade. A infraestrutura técnica chegou antes da regra sobre seu uso.
Trava contra destilação e disputa com modelos abertos
Uma trava menos comentada fecha uma porta importante para concorrentes: contas novas da API não podem mais editar o histórico preservando o raciocínio anterior do modelo, o que dificulta usar um sistema avançado para treinar outro mais barato. Esse processo é chamado de destilação. Na prática, fica mais difícil usar o Claude como professor de um concorrente em escala industrial. A Anthropic afirma que a medida é de segurança porque capacidades copiadas podem reaparecer sem as mesmas salvaguardas — argumento que faz sentido e, ao mesmo tempo, protege um ativo de bilhões de dólares.
Modelos de pesos abertos tornam a discussão mais incômoda porque suas travas podem ser removidas. Testes lado a lado do Fable 5.1 com o GLM 5.3 encontraram semelhanças de paleta, tom e composição em tarefas de front-end, algo que pode ser mera convergência. O investimento da Anthropic em proteger o próprio raciocínio, contudo, mostra que a hipótese de cópia é levada a sério dentro da empresa.
A fronteira como arquitetura de acesso
No fim, o lançamento diz menos sobre uma IA mais capaz do que sobre a forma como essa capacidade passa a ser distribuída — e talvez seja esse o ponto mais importante da semana. Herbert Simon observou há mais de meio século que a abundância de informação cria escassez de atenção; a IA de fronteira começa a produzir uma escassez diferente, ligada à permissão para usar toda a inteligência disponível. O mesmo sistema entrega capacidades diferentes conforme quem pede, o custo real escapa da tabela de tokens, e o texto carrega uma assinatura que o autor não vê nem o leitor consegue verificar. Até o raciocínio, agora, é protegido contra concorrentes.
Em setembro de 2026, a fronteira deixou de ser apenas um número num ranking, ainda que a Anthropic ocupe oito das dez primeiras posições. Ela começa a parecer uma arquitetura de acesso.
Vale entendê-la enquanto suas regras ainda aparecem nos anúncios, porque a tendência do que foi lançado nesta semana é desaparecer da vista, como a própria marca d’água.
