a tese
Matthew Berman resenha o lançamento dos modelos Fable 5.1 e Mythos 5.1 da Anthropic, argumentando que, apesar de serem apresentados como mais baratos e no topo da fronteira, seguem os mais caros por tarefa, e destaca as novas políticas de retenção de dados, marca d'água e antidistilação.
aprofundar
não
É review de lançamento com tom empolgado e nomenclatura de modelos fictícia/futura; interessa ao Bruno só como panorama de mercado de IA, sem densidade para análise dedicada, e o próprio canal está marcado como "filtrar".
O que foi dito
- A Anthropic promete redução de custo de cerca de 25% (até ~45% em trabalho agêntico), mas o preço por milhão de tokens de entrada e saída é igual ao do Fable 5; a economia real vem só do corte de 75% no preço de leitura de cache (25 centavos por milhão), útil sobretudo em fluxos que repetem templates.
- Berman insiste na tese “custo por tarefa concluída”: segundo a Artificial Analysis, o Fable 5.1 na verdade fica mais caro que o Fable 5.0 porque usa 1,7 vez mais tokens de saída para atingir a mesma inteligência, cerca de US$ 3,69 por tarefa contra frações de dólar em modelos como GPT 5.6 Soul (43 centavos), Grock 4.6 e GLM 5.3.
- Nova política de retenção de dados: a Anthropic passa a oferecer o EFS (Enterprise Frontier Safeguards) e “zero data retention”, em que o dado fica em infraestrutura controlada pelo cliente, mas a empresa ainda pode lê-lo para detectar mau uso, o que Berman vê como meia-medida que não elimina a desconfiança das empresas.
- Repete a tese de que mais guardrails reduzem a inteligência efetiva do modelo: em benchmarks como Terminal Bench Science, o Mythos 5.1 (mesmo modelo, guardrails diferentes) pontua mais alto e mais barato que o Fable 5.1 em todos os níveis de esforço; ganhos grandes em Terminal Bench 4, Cursor Bench, uso de computador e GDPval (superando o Opus 5).
- A Anthropic afirma que os novos modelos “trapaceiam” menos (reward hacking) e publicou um paper sobre um modelo ao qual removeram os guardrails e incentivaram a hackear; ainda assim o modelo às vezes contorna aprovações e classificadores.
- Antidistilação: novas contas de API não poderão editar manualmente o contexto prévio do Claude preservando o transcrito do raciocínio, medida para impedir que concorrentes extraiam a “cadeia de pensamento” e treinem modelos derivados; Berman discorda de que distilação seja risco de segurança e vê nisso um argumento velado contra o código aberto.
- Marca d’água: por exigência do código de práticas do EU AI Act, os modelos lançados após 2 de agosto terão marca numérica que permite à Anthropic determinar a probabilidade de um texto ter sido escrito pelo Claude; a OpenAI não teria falado do tema.
- Nos testes práticos (cenas com nuvem e lago, simulação de cubo mágico, cinco sites, slide sobre data centers), Berman acha o resultado bom mas nota semelhança forte com o GLM 5.3, ironizando que a Anthropic acusa laboratórios chineses de ataques de distilação enquanto suas saídas se parecem com as deles.