O modelo mais avançado da Anthropic acerta 31% dos fluxos de negócio

Na terça-feira, 1º de setembro de 2026, a Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1. São, nas palavras da própria empresa, o mesmo modelo com níveis diferentes de salvaguardas: o Fable 5.1 está disponível para todo mundo, e o Mythos 5.1 só para organizações verificadas em cibersegurança e ciências da vida, por enquanto apenas nos Estados Unidos. O anúncio traz uma lista longa de recordes em programação e pesquisa científica, e um número que quase ninguém destacou.

Esse número é 31,4%. É a nota do Fable 5.1 no AutomationBench, o teste da Zapier que mede se um agente de IA consegue executar, de ponta a ponta, tarefas de vendas, marketing, operações, suporte, financeiro e RH em sistemas simulados. O modelo anterior fazia 17,1%. Quase dobrou. Ainda assim, o modelo mais avançado que a Anthropic já vendeu ao público falha em sete de cada dez fluxos de trabalho de uma empresa comum. Para quem é dono de uma pequena ou média empresa, essa é a notícia.

Os números

• 31,4% dos fluxos de negócio do AutomationBench o Claude Fable 5.1 completa corretamente de ponta a ponta, contra 17,1% do Fable 5 e 26,9% do Opus 5 (Anthropic, 1º de setembro de 2026; leaderboard da Zapier, versão 1.0.6).
• 41,4% é a melhor nota do leaderboard, do GPT 6 Astra. Nenhum modelo passa da metade (Zapier, AutomationBench, setembro de 2026).
• Mais de 600 tarefas em 47 aplicativos simulados, com cerca de 500 endpoints de API, compõem o teste. A resposta do agente não é pontuada; o estado final dos dados é (Zapier).
• 25% menos custo para cargas de trabalho típicas e até 45% em tarefas agênticas longas, em relação ao Fable 5, com a leitura de cache caindo de US$ 1,00 para US$ 0,25 por milhão de tokens (Anthropic, 2026).
• 11% do gasto com modelos da Anthropic, entre cerca de 70 mil empresas, era a fatia do Fable 5 dois meses depois do lançamento, segundo apuração do Financial Times reproduzida pela VentureBeat.

O mesmo cérebro, duas portas

A divisão entre Fable e Mythos não é de inteligência, é de acesso. Desde 7 de abril de 2026, quando apresentou o Mythos Preview e disse que não planejava torná-lo disponível ao público, a Anthropic mantém a versão sem travas restrita a um consórcio, o Project Glasswing, que reúne Amazon Web Services, Apple, Google, Microsoft, Nvidia, JPMorgan Chase e a Linux Foundation, entre outros, para caçar vulnerabilidades em software crítico. Em junho, o Fable 5 nasceu como a versão do mesmo modelo que qualquer empresa pode assinar: quando os classificadores detectam pedido ligado a cibersegurança, biologia e química ou destilação de modelo, a resposta passa para um modelo menos capaz.

O 5.1 refina esse desenho. As travas de cibersegurança bloqueiam 60% menos falsos positivos, o modelo pode ser usado para descobrir vulnerabilidades em software, mas não para desenvolver exploits, e o filtro de biologia dispara 85% menos em perguntas comuns de medicina. O Mythos 5.1 continua atrás de dois programas de verificação, um para defesa cibernética e outro para ciências da vida.

Ou seja: a fronteira da IA agora chega ao mercado em dois níveis, e o que separa um do outro não é preço, é credencial. Para a maioria das empresas, o que importa é o que o nível aberto faz, e a que custo.

O que o modelo faz muito bem não é o que a sua empresa precisa

Os saltos do Fable 5.1 estão concentrados em trabalho técnico longo e solitário. No Terminal-Bench-Science, teste de pesquisa científica em ambiente de terminal, a nota foi de 24,7% para 52,6%. Em design de proteínas, a taxa de acerto chegou perto de 50% em 12 alvos, contra 10% a 15% típicos da área. A Ramp relata uma execução autônoma de 38 horas em que o modelo identificou um erro num resultado anterior, corrigiu e disparou seis experimentos em paralelo.

Repare no padrão: tarefas de um domínio só, com objetivo claro, avaliadas por um especialista que sabe julgar o resultado. O AutomationBench foi construído para reproduzir o oposto, a operação: cada tarefa cria uma empresa simulada com CRM, caixa de entrada, planilhas e chamados, e pede algo que uma pessoa de operações receberia numa terça-feira qualquer, com armadilhas reais, como registros desatualizados, nomes quase iguais e uma política enterrada num e-mail. A Zapier lista as falhas mais comuns dos agentes: declarar sucesso sem ter concluído, desistir cedo da busca, presumir onde o dado está e processar só parte de uma lista.

O gargalo já não é a inteligência do modelo. É a qualidade do fluxo em que ele foi colocado.

Quando o próprio teste tem uma nota de rodapé

Há um detalhe no leaderboard da Zapier que vale para qualquer empresa avaliando ferramentas: o resultado de 31,4% do Fable 5.1 foi obtido com o Opus 5 como reserva, acionado em cerca de 40% das tarefas quando o modelo principal se recusou a executar uma etapa. O custo combinado, anota a Zapier, é maior do que o reportado. É o funcionamento normal de um sistema com travas de segurança, mas mostra que "o modelo" raramente trabalha sozinho: a arquitetura ao redor pesa tanto quanto ele.

O dado do Financial Times aponta na mesma direção. Dois meses depois de lançado, o Fable 5 respondia por cerca de 11% do gasto com modelos da Anthropic entre cerca de 70 mil empresas; o resto ia para modelos mais baratos. Empresa escolhe pelo custo por tarefa resolvida, não pelo recorde de benchmark. O corte de 75% na leitura de cache do 5.1 é a resposta da Anthropic a esse comportamento.

Sinais e impactos

Para CEOs e conselhos. A pergunta deixou de ser "qual modelo" e passou a ser "qual processo". Um agente que acerta três em dez fluxos numa empresa desorganizada acerta bem mais numa empresa com dados limpos, política escrita e ponto de aprovação definido. O investimento que muda a nota está do lado da casa.

Para C-levels e diretores. Os seis domínios do AutomationBench são o organograma de qualquer empresa média. Vale rodar o mesmo raciocínio internamente: em qual desses seis a tarefa é repetitiva, tem regra clara e resultado verificável? É ali que o agente rende, e é ali que o corte de custo de 25% a 45% do 5.1 aparece na conta.

Para donos de pequenas e médias. A queda de preço democratiza o acesso ao modelo de fronteira, mas não democratiza o resultado. A vantagem do negócio pequeno é que seus fluxos são poucos e conhecidos: o dono sabe onde a informação trava no atendimento, no financeiro e no pós-venda. Mapear esses três antes de contratar qualquer ferramenta vale mais do que qualquer ponto percentual de benchmark.

Sua operação está pronta para o modelo, ou o modelo vai esperar a sua operação?

O retrato é este: a Anthropic colocou no mercado, por um preço menor, o modelo mais capaz que já vendeu ao público, guardou a versão sem travas para um clube verificado e publicou, no próprio anúncio, que ele completa menos de um terço dos fluxos de trabalho de uma empresa simulada. O ganho de capacidade é real. A distância entre ele e o caixa de uma PME continua sendo o desenho do processo.

Fechar essa distância não exige virar especialista em modelo de linguagem. Exige saber quais 20% das ferramentas e rotinas de IA produzem 80% do resultado prático no atendimento, nas vendas, no financeiro e na gestão, e implementar isso sem multiplicar equipe. É essa seleção que a Masterclass de IA da StartSe, com Piero Franceschi, CEO da StartSe, foi montada para entregar a quem é dono de pequena e média empresa, em aula online, ao vivo e gratuita no dia 22 de setembro, às 19h. É nela que a StartSe apresenta a Operação 100, iniciativa que vai selecionar 100 pequenas e médias empresas para uma jornada de 90 dias de automação com IA.

Para ir mais fundo:

• Claude Fable 5.1 and Claude Mythos 5.1, anúncio da Anthropic
• AutomationBench, leaderboard e metodologia, Zapier
• Anthropic's Claude Fable 5.1 and Mythos 5.1 arrive with a 75% cost reduction for Fable cache reads, VentureBeat