Análise do Claude Fable 5.2: Primeiro no Índice, Último no Custo

O Claude Fable 5.2 está em primeiro lugar no Artificial Analysis Intelligence Index v5.0.1, com 65, e também é o modelo mais caro de executar naquele quadro: US$ 26,54 em gastos com provedores para completar uma passagem pelo índice, contra US$ 5,48 do modelo imediatamente atrás. Uma análise dele, portanto, não é uma questão de saber se ele é bom — é o modelo amplamente lançado com a melhor pontuação disponível, e a Claude Fable 5.2 API página lista US$ 8,00 por milhão de entrada e US$ 40,00 por milhão de saída. A questão é pelo que você está pagando e se a sua carga de trabalho consegue usá-lo.

O que é

O sucessor do Fable 5.1 pela Anthropic, criado para raciocínio exigente e trabalho agêntico de longo horizonte. Uma janela de contexto de 1 milhão de tokens em que o máximo é o padrão, até 128 mil tokens de saída por resposta, entrada de texto, imagem e documento com saída em texto, uso nativo de ferramentas e JSON estruturado. O pensamento está sempre ativado e é adaptativo, com um ajuste de esforço de baixo a máximo, e a cadeia de pensamento bruta nunca é retornada — você recebe um resumo ou um campo de pensamento vazio.

Esse último detalhe é o que deve orientar o design. Não é possível auditar o raciocínio; só é possível auditar a resposta e o resumo. Para fluxos de trabalho regulamentados, isso importa mais do que a pontuação do índice, e é também por isso que vale a pena definir o nível de esforço deliberadamente em vez de deixá-lo no padrão.

A pontuação

65 no v5.0.1, classificação 1 de 78. As nove avaliações são AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset e Terminal-Bench-Science 0.1 — uma mistura de avaliações agênticas e de ciências exatas, em vez de uma mistura de rankings de programação. A diferença de cinco pontos em relação ao Gemini 4 Carbon é toda a vantagem no topo da tabela.

A verificação de versão não é uma formalidade. As pontuações da v4.3 e da v4.3.2 pertencem a um conjunto de avaliação diferente e não podem ser tabuladas em comparação com a v5.0.1. Se você vir o Fable 5.2 classificado ao lado de uma pontuação da v4.3, a comparação é inválida, por mais respeitável que seja a fonte.

Quanto custa em tempo o topo do ranking

267 segundos até o primeiro token, 76º lugar entre 77 modelos com dados de latência — o segundo mais lento do quadro. 46,8 minutos de tempo real por tarefa nas nove avaliações, 1,6 vez o que o Carbon leva. A velocidade de saída, quando ele começa a escrever, é de 97 tokens por segundo, o que é 35% mais rápido que os 72 do Carbon e irrelevante para o total, porque o tempo é gasto pensando.

Em relação ao tráfego ao vivo pelo OrcaRouter, o cenário é novamente diferente: p50 de 8,09 segundos até o primeiro token, p95 de 10,00 segundos, 101 tokens por segundo, considerando 35,6 milhões de tokens servidos em sete dias. O AA mede um harness em esforço máximo; o gateway mede a requisição real mediana. Ambos os números são honestos, e nenhum deles, isoladamente, diz o que um usuário vai vivenciar.

Quanto custa em dinheiro

US$ 26,54 para executar o índice — 77º lugar entre 77, o modelo mais caro do ranking, e 4,8 vezes os US$ 5,48 do Gemini 4 Carbon. Com US$ 8,00 de entrada e US$ 40,00 de saída, a tarifa combinada é aproximadamente cinco vezes a do Carbon. A AA também relata 275 milhões de tokens de saída para sua execução, contra um valor de verbosidade de 0,97%; a contagem de tokens é o número que importa, e é maior que os 205 milhões do Carbon, apesar do percentual muito menor, portanto, as duas estatísticas não podem ser interpretadas em conjunto.

O cache muda a aritmética para produção, mas não para o benchmark. Leituras do cache custam US$ 0,200 por milhão e gravações custam US$ 10,00, então um prefixo de 40.000 tokens custa US$ 0,40 para gravar uma vez e US$ 0,008 por leitura subsequente, contra US$ 0,32 para uma passagem sem cache. Um prompt enviado vinte vezes por minuto é barato; um documento enviado uma única vez não é. A comparação de preços de APIs de LLM coloca essa aritmética de cache ao lado do restante do catálogo, onde a diferença entre este modelo e o nível barato é de cerca de cinco para um na saída.

Confiabilidade

Na mesma janela de sete dias, a taxa de erro foi de 10,8 por cento das solicitações retornando não-2xx em todos os provedores upstream — aproximadamente uma em cada nove. Isso é muito melhor que os 39,7 por cento do Gemini 4 Carbon no mesmo período e ainda não é zero. Qualquer caminho de produção precisa de uma política de retry e, se a chamada for voltada ao usuário, de um modelo de fallback; a Gemini 4 Carbon API é um nível barato sensato para as chamadas que falham duas vezes e podem tolerar uma resposta mais fraca.

Onde ele ganha o dinheiro

Três padrões justificam isso. Agentes de horizonte longo, em que um único passo errado invalida vinte minutos de trabalho, e o custo de uma resposta ruim ofusca US$ 40 por milhão de tokens. Trabalho profundo de código em um repositório que o modelo consegue manter em uma janela de 1M. E tarefas analíticas difíceis em que a alternativa era um ensemble de três modelos reconciliado manualmente. Em cada caso, você está comprando os cinco pontos de índice e, mais importante, a redução na variância.

Dois padrões não se aplicam. Classificação ou extração em alto volume com esforço baixo é um caso em que um modelo mais barato com saída estruturada dá conta do recado, e produtos interativos em que o usuário espera pelo primeiro token são um caso em que 267 segundos no esforço máximo é eliminatório, independentemente da qualidade. Defina o esforço por rota e o modelo se torna utilizável em ambos; deixe-o global e ele será ou desperdício ou inutilizável.

Para as comparações diretas, Claude Fable 5.2 vs Claude Opus 5.5 o coloca lado a lado com a opção mais barata da Anthropic, e Claude Fable 5.2 vs Claude Fable 5.1 abrange a geração que ele substitui — que é 20% mais cara tanto na entrada quanto na saída, tornando a atualização um corte de preço, além de um ganho de pontuação.

Veredito

Primeiro no índice, último em custo, segundo mais lento até o primeiro token e o modelo amplamente disponibilizado mais capaz que você pode chamar hoje. Vale o custo para trabalhos em que uma resposta errada sai cara e a chamada pode ser assíncrona, e é o padrão errado para todo o resto. A disciplina operacional que o modelo exige — níveis de esforço por rota, um orçamento de novas tentativas, uma alternativa de contingência para as falhas de uma em cada nove — é o preço de entrada, e não está na tabela de preços.