Claude Fable 5.2 atinge 65 na Artificial Analysis, o maior valor até agora

O novo modelo Claude Fable 5.2 da Anthropic lidera os rankings de inteligência da Artificial Analysis, mas acende um debate sobre seu custo elevado, uso pesado de tokens e longos tempos de execução, especialmente nos ajustes de raciocínio “max”, que poucos usuários reais escolheriam. Comentadores o contrastam com modelos mais baratos e eficientes da OpenAI, Google, DeepSeek e outros, ponderando se ganhos marginais em capacidade justificam diferenças de preço de uma ordem de grandeza, especialmente para grandes organizações presas à cobrança por uso. Muitos veem o Fable como uma ferramenta de ponta e nichada para planejamento complexo, programação e tarefas de 3D/design, cujos avanços depois serão destilados em modelos mais baratos, enquanto outros se preocupam com guardrails de segurança conservadores, confiabilidade inconsistente e a sustentabilidade da atual corrida rápida de lançamentos e benchmarks.

Velocidade de lançamentos e rotatividade de modelos

  • Comentadores observam a rapidez com que novos modelos chegam; um modelo com 6 meses já parece “antigo”.
  • Alguns comparam a fase atual à histórica corrida dos GHz das CPUs: ganhos rápidos nas manchetes que podem em breve atingir limites físicos/econômicos e mudar o foco para eficiência e paralelismo.
  • Há debate sobre se estamos nos aproximando de uma “parede de 1–2 GHz da IA” ou se isso é apenas mais um passo numa longa curva de escalonamento.

Desempenho versus custo e esforço de raciocínio

  • Fable 5.2 lidera o índice de inteligência da Artificial Analysis, mas é extremamente caro no raciocínio máximo, com uso enorme de tokens por tarefa.
  • Várias pessoas destacam que a AA usa por padrão o esforço máximo, que quase ninguém utiliza na prática. Em alto/médio, o Fable 5.2 é descrito como mais barato e mais rápido por tarefa do que o Fable 5.1 e competitivo com o Opus 5.5.
  • Alguns argumentam que os níveis “max” ultracaros são como lentes de alto padrão ou supercarros: nichados, mas valem a pena em casos extremos; outros os veem principalmente como marketing e otimização de benchmarks.

Assinaturas, economia corporativa e previsibilidade

  • Para assinaturas individuais/de equipe, muitos dizem que o custo por tarefa importa menos, já que raramente atingem os limites; outros respondem que usuários pesados e organizações maiores de fato esbarram em tetos.
  • Planos corporativos migram para cobrança por uso às tarifas de API, tornando o custo por tarefa e a imprevisibilidade uma preocupação real, especialmente com múltiplos níveis de esforço e agentes.
  • Há uma preocupação recorrente de que preços complexos e controles de esforço prejudiquem a adoção por empresas que buscam custos estáveis e previsíveis.

Benchmarks e Artificial Analysis

  • Os gráficos da AA são amplamente citados, mas também criticados: preocupações com pagamento por laboratórios, componentes privados do benchmark e possibilidade de treinamento para benchmark.
  • Alguns defendem a AA como a melhor ferramenta comparativa disponível, desde que se olhe além do esforço máximo e se considere custo/tempo versus inteligência.
  • Outros preferem benchmarks específicos por tarefa (por exemplo, programação, “health checks” internos) ou avaliações em suas próprias bases de código.

Capacidades, comportamento e casos de uso

  • Pontos fortes relatados: programação complexa, planejamento de arquitetura, modelagem 3D, design de shaders, orquestração multiagente, depuração e explicação.
  • Alguns usuários veem o Fable 5.2 como uma melhoria clara em relação ao 5.1; outros o acham mais “arrogante”, mais propenso a ignorar instruções ou a alucinar do que o Opus 5.5 em fluxos de trabalho reais.
  • Comportamento de alta autonomia e fortes guardrails de segurança levam a recusas em tarefas de segurança/química; alguns valorizam isso, outros acham que atrapalha — especialmente quando as recusas ainda consomem quota.
  • Muitos veem o Fable como uma ferramenta de ponta para planejamento/revisão, e não como um uso diário; modelos mais baratos ou pesos abertos dão conta de trabalho rotineiro do tipo CRUD.

Retornos decrescentes, “parede” e concorrência

  • Um lado acredita que estamos vendo retornos decrescentes: mais “escala no tempo de teste” (raciocínio mais longo, mais tokens) para ganhos modestos em benchmarks e custos efetivos crescentes.
  • Outro argumenta que cada “ponto de QI” marginal destrava tarefas qualitativamente novas e de alto valor, então a inteligência por dólar ainda está melhorando quando se inclui a destilação em modelos menores.
  • DeepSeek, GLM e outros modelos baratos são elogiados pelo valor, embora vários digam que Anthropic/OpenAI ainda vencem em qualidade e velocidade em tarefas exigentes ou de alto risco.
  • Os modelos Gemini/Argon/Carbon do Google são descritos como competitivos em benchmarks e em alguns fluxos de trabalho, mas prejudicados por acesso confuso, lançamento mais lento e empacotamento de produto mais fraco.