A Anthropic lançou o Claude Fable 5.1 e o Mythos 5.1. Segundo a empresa, o Fable 5.1 supera o desempenho do Fable 5 enquanto custa cerca de 25% menos em uso típico — e até 45% menos em tarefas agênticas, que são justamente as que mais pesam no orçamento de quem roda agentes em produção.

O corte de preço vem junto de outra mudança: a Anthropic afirma ter reduzido os "falsos positivos" de segurança, ou seja, bloqueios e recusas do modelo em situações que não deveriam gerar recusa. Essa é uma queixa antiga de equipes técnicas que usam LLMs em pipelines automatizados — um agente que trava sem motivo no meio de uma tarefa não é só inconveniente, é um custo de retrabalho e de engenharia para contornar o comportamento.

Vale notar que a própria Anthropic enquadrou o lançamento como resposta direta a críticas de clientes sobre três pontos: preço, retenção de dados e salvaguardas excessivamente restritivas. Não é um reposicionamento de marca guiado por benchmark acadêmico, é ajuste de produto guiado por reclamação recorrente — o que sugere que o atrito com esses três pontos era grande o suficiente para justificar uma revisão de modelo, não só de política de uso.

Para quem opera agentes em escala, o cálculo de custo por tarefa é o que decide se um caso de uso é viável ou não. Uma redução de até 45% em cenários agênticos — que tendem a envolver múltiplas chamadas encadeadas, uso de ferramentas e loops de raciocínio — pode ser a diferença entre um projeto que fecha conta e um que não fecha. É também um sinal do movimento mais amplo do mercado: a corrida por desempenho está sendo acompanhada, cada vez mais, por uma corrida por custo operacional, à medida que empresas passam de testes de IA generativa para uso continuado em produção.

Sobre a redução de bloqueios de segurança, o resumo não detalha metodologia nem métrica de quanto essa redução representa na prática — não há número public divulgado para o quanto os falsos positivos caíram. É uma afirmação da própria empresa, sem validação externa apresentada até agora.

Fica em aberto até que ponto essa flexibilização de salvaguardas foi testada por terceiros e se ela abre espaço para casos de uso que a versão anterior recusava de forma justificada. Reduzir falso positivo é bom, mas a linha entre "menos recusa desnecessária" e "menos recusa necessária" costuma ficar mais clara só depois que o modelo está em uso real, fora do ambiente controlado do anúncio.