Claude Fable 5.2 foi lançado: high ou max? Vamos aos dados para avaliar a qualidade e o custo

Claude Fable 5.2 foi lançado em 9 de novembro de 2026, com preços padrão da API 20% menores que os do 5.1.

Muitas equipes logo se perguntam: se ficou mais barato, será que já podemos usar o max?

Neste artigo, comparamos Fable 5.2 high e Fable 5.2 max dentro do mesmo framework, analisando tanto a qualidade quanto o custo por tarefa.

Principal benefício: ao terminar a leitura, você saberá em quais situações cada opção, high ou max, é mais adequada e terá uma lista de verificação pronta para usar na avaliação de uma atualização.

Sumário

• O que saber: termos relacionados à escolha de nível do Fable 5.2
• 1 O que muda nos níveis high e max do Fable 5.2 não é o mesmo preço unitário
• 2 Qualidade e custo do Fable 5.2 na mesma tabela
• 3 Como verificar as tendências dos níveis do Fable 5.2 com dados de instituições independentes
• 4 Como escolher o nível do Fable 5.2 conforme o uso da tarefa
• 5 Como decidir, com a sua própria avaliação, se vale a pena atualizar o Fable 5.2 para o max
• Perguntas frequentes (FAQ) / Principais conclusões / Resumo

Para saber

1 O high e o max do Fable 5.2 não mudam o mesmo preço unitário

Muita gente acha que quanto maior a faixa, mais caro é o preço unitário. Na prática, com as tarifas padrão oficiais da Anthropic, o Fable 5.2 custa 8 dólares por milhão de tokens de entrada e 40 dólares por milhão de tokens de saída. Esses preços unitários não mudam de acordo com a faixa.

O effort muda o quanto o modelo pensa em uma tarefa, quantas etapas executa, quanto tempo leva e quantos tokens consome. Por isso, o preço unitário é o mesmo, mas a fatura por tarefa pode variar várias vezes.

Como as faixas do Fable 5.2 afetam a fatura

No Fable 5.2, o pensamento adaptativo está sempre ativado. O effort determina o limite e a tendência do esforço de raciocínio. Ao aumentar a faixa, o modelo geralmente faz mais inferências e chamadas de ferramentas, o que aumenta o número de tokens cobrados.

Com os mesmos 100 mil tokens de entrada, se a saída aumentar de 20 mil para 40 mil tokens, o custo no modo padrão do 5.2 sobe de 1,60 dólar para 2,40 dólares — mais do que os 2 dólares do 5.1 com o volume de uso original.

Também é importante distinguir dois tipos de “valor padrão”. A documentação oficial do modelo informa que o effort padrão da API é high. Produtos como o Cursor têm sua própria camada de configuração. Por exemplo, a janela de contexto padrão dele é de 300K, enquanto a especificação de 1M da documentação da API pertence a outra camada.

Outro ponto: o guia oficial de comandos alerta que faixas com o mesmo nome podem corresponder a quantidades diferentes de raciocínio em versões distintas. Portanto, não dá para aplicar ao 5.2, sem alterações, o que se aprendeu sobre as faixas na época do 5.1.

2 Veja a qualidade e o custo do Fable 5.2 na mesma tabela

O CursorBench 4.0 é uma avaliação feita pelo Cursor em suas próprias tarefas e ferramentas. Não é uma reprodução independente e genérica, mas compara os cinco níveis no mesmo harness, o que ajuda a observar as diferenças entre eles. Os dados abaixo foram consultados em 10 de novembro de 2026.

Observação: a coluna de tokens é um campo agregado da página do benchmark; não significa que inclua apenas a quantidade de tokens de saída. Fonte: CursorBench 4.0.

Do High ao Max no Fable 5.2: 3,1 pontos percentuais e um custo cerca de 3,38 vezes maior

Nesta tabela, a pontuação sobe de 56,9% no High para 60,0% no Max, um aumento de 3,1 pontos percentuais. O custo por tarefa passa de US$ 9,70 para US$ 32,79, ou seja, fica cerca de 3,38 vezes maior — um aumento de aproximadamente 238%.

Segundo os cálculos deste artigo, o campo de tokens aumenta para cerca de 3,55 vezes o valor inicial, e o número de etapas passa de 69 para 218, cerca de 3,16 vezes mais. O aumento do custo vem principalmente do maior número de etapas de raciocínio e execução, não do preço unitário.

Esses dados só mostram que, nesse ambiente, uma pontuação mais alta vem acompanhada de um custo significativamente maior.

Como interpretar o resultado inesperado do Extra High

Há outro ponto que chama atenção na tabela: o Extra High custa cerca de 60% mais que o High, mas sua pontuação é 0,6 ponto percentual menor.

💡 Sugestão para escolher: só é válido comparar os níveis dentro da mesma tabela. Não dá para combinar números de avaliações diferentes. Se quiser reproduzir uma comparação semelhante nas suas próprias tarefas, você pode usar a interface unificada da APIYI apiyi.com e os logs de chamadas para conferir os resultados. Antes, porém, confirme quais IDs de modelo e níveis a plataforma oferece naquele dia.

3. Verifique a tendência entre as faixas do Fable 5.2 com dados de uma instituição independente

Analisar apenas um ambiente de avaliação pode levar a conclusões influenciadas pelas particularidades desse ambiente. A AA é uma instituição independente de avaliação, e seu ranking permite verificar se a tendência observada no Cursor também aparece em outro ambiente. Abaixo está um retrato dinâmico de 10 de novembro de 2026, usando a versão metodológica Intelligence Index v5.0.1.

65 não significa 65% de acerto

A página de metodologia da AA explica que o índice da versão v5.0.1 reúne 9 avaliações, com quatro categorias de capacidade valendo 25% cada. Portanto, 65 é uma pontuação composta do índice, não uma taxa de acerto de 65%. No ambiente da AA, o índice aumenta 3 pontos de high para max, enquanto o custo por tarefa fica cerca de 2,92 vezes maior. high e xhigh têm a mesma pontuação composta, 62, mas isso não significa que se comportem exatamente da mesma forma em cada tarefa.

Compare cada ambiente apenas internamente

Os dois ambientes mostram a mesma tendência: max tem pontuação mais alta e custa cerca de três vezes mais que high. Isso serve como confirmação da tendência, mas as tarefas, os métodos de pontuação e os cálculos de custo da AA e do Cursor são diferentes. Não é correto combinar os 65 da AA com os 60,0% do Cursor como se fossem uma única taxa de acerto.

4 Escolha o nível do Fable 5.2 de acordo com a tarefa

O guia oficial de comandos apresenta uma lógica inicial: comece com high na API e aumente ou reduza o nível com base nos resultados das suas avaliações. medium é mais indicado para cenários interativos; xhigh deve ficar reservado para tarefas longas e difíceis em que já se comprovou que ele traz benefícios adicionais; max serve para avaliar o limite de capacidade do modelo ou para poucas tarefas em que tempo e tokens não são uma preocupação. Nos níveis mais baixos, também é importante ficar atento ao risco de a tarefa ser encerrada antes da hora.

Tabela de recomendações por cenário para o Fable 5.2

Os três cenários abaixo são hipotéticos e servem para ilustrar como escolher.

Quando escolher o Fable 5.2 high

• Para a maioria das tarefas de API que exigem raciocínio mais robusto e têm critérios de aceitação bem definidos;
• Quando a equipe ainda não tem um sistema de avaliação dos níveis e precisa de um ponto de partida recomendado oficialmente;
• Em fluxos de produção com alto volume de solicitações e sensibilidade ao custo por tarefa.

Quando escolher o Fable 5.2 max

• Para avaliar o limite de capacidade do modelo em determinado tipo de problema;
• Para poucas questões abertas em que o custo de uma falha é muito maior que o custo do modelo;
• Quando suas próprias amostras já comprovaram que max eleva a taxa de aprovação acima do limite exigido, enquanto high não consegue.

🎯 Recomendação técnica: escolha o nível por categoria de tarefa; não é necessário decidir separadamente para cada solicitação. A prática recomendada oficialmente é começar com high em um conjunto de tarefas representativas. Se você pretende centralizar a integração por meio da APIYI apiyi.com, confirme na plataforma, antes de iniciar a execução oficial, o ID do modelo, o grupo, o endpoint e o suporte a effort disponíveis no dia.

5 Decida com seus próprios critérios de aceitação se vale atualizar Fable 5.2 para max

As avaliações públicas mostram apenas tendências. Para saber se vale a pena atualizar, use os resultados dos seus próprios testes de aceitação. A lista de registro abaixo está pronta para uso. O princípio central é alterar apenas uma variável por vez: o nível de esforço.

Guia rápido do Fable 5.2: comece registrando o usage

O exemplo mínimo abaixo mostra apenas como fazer uma chamada e registrar o usage. Este artigo não mostra como repassar o parâmetro effort: a disponibilidade do Fable 5.2 na plataforma e o suporte ao repasse de effort devem ser confirmados na documentação da plataforma vigente no dia.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface compatível com OpenAI da APIYI
)

resp = client.chat.completions.create(
    model="YOUR_MODEL_ID",  # Informe um ID de modelo confirmado como disponível na plataforma no dia
    messages=[{"role": "user", "content": "按验收标准修复以下函数……"}]
)
print(resp.usage)  # Registre o usage para conciliação posterior

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Tarifas padrão oficiais da Anthropic (dólares por milhão de tokens), usadas apenas para estimativa; não representam o valor efetivamente cobrado
RATE_IN, RATE_OUT = 8.0, 40.0

def run_task(task_id: str, prompt: str, model: str, effort_label: str, passed_fn):
    """Executa uma tarefa e retorna um registro de validação. effort_label é apenas uma etiqueta para registro."""
    start = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    text = resp.choices[0].message.content
    u = resp.usage
    est_usd = u.prompt_tokens / 1e6 * RATE_IN + u.completion_tokens / 1e6 * RATE_OUT
    return {
        "task_id": task_id,
        "model": model,
        "effort": effort_label,
        "passed": passed_fn(text),          # Função de validação definida previamente
        "prompt_tokens": u.prompt_tokens,
        "completion_tokens": u.completion_tokens,
        "est_usd": round(est_usd, 4),       # Valor estimado
        "seconds": round(time.time() - start, 1),
        "output": text,                     # Preserve o texto original dos casos que falharem
    }

def quota_to_usd(quota: int) -> float:
    """Nos logs da plataforma, quota ÷ 500000 corresponde ao valor efetivamente cobrado em dólares."""
    return quota / 500000

A documentação de logs da APIYI lista campos como model_name, prompt_tokens, completion_tokens, quota, duration_for_view e request_id. O valor de quota÷500000 corresponde à cobrança efetiva em dólares, e o campo other inclui informações adicionais, como o multiplicador do grupo. Ao vincular os registros de validação aos logs usando o request_id, você consegue calcular o custo real das “tarefas aprovadas”, em vez de olhar apenas o custo de uma chamada isolada.

🚀 Comece rápido: se quiser validar o fluxo primeiro com uma amostra pequena, você pode se cadastrar na APIYI, em apiyi.com, e usar os créditos gratuitos de teste para novos usuários. Assim, dá para testar o método de registro com “mesma tarefa, uma variável por vez e cobrança efetiva registrada” antes de ampliar a amostra.

O princípio para a decisão final é: primeiro, verifique se high atende ao nível mínimo de qualidade. Se atender, não há motivo para pagar cerca de três vezes mais por alguns pontos percentuais adicionais. Só compare o custo extra de max com o custo de falhas ou retrabalho quando high não atingir o nível exigido, mas max conseguir. Não recomendamos definir max como padrão para todas as solicitações.

Perguntas frequentes (FAQ)

Principais pontos sobre Fable 5.2 high e max

• O preço unitário não muda, mas a conta pode mudar: effort altera a quantidade de raciocínio e o número de etapas. Mesmo com o mesmo preço por unidade, o custo de uma tarefa pode variar várias vezes.
• O padrão da API é high: a recomendação oficial é começar com high e depois ajustar para cima ou para baixo com base nas suas próprias avaliações.
• Comparação no Cursor: de high para max, o resultado aumenta 3,1 pontos percentuais, enquanto o custo fica cerca de 3,38 vezes maior.
• Comparação no AA: o índice sobe de 62 para 65, com um custo cerca de 2,92 vezes maior. O valor 65 não representa a taxa de acerto.
• Não misture os ambientes: cada avaliação só permite comparações dentro do próprio ambiente. Não combine os resultados para criar uma pontuação única de custo-benefício.
• Reserve max para poucas tarefas: use essa opção para avaliar o limite de capacidade e lidar com problemas abertos de alto valor.
• Valide pelo valor realmente cobrado: use a mesma tarefa, altere uma variável por vez e registre o uso. Os logs da APIYI em apiyi.com podem ajudar a conferir os valores.

Resumo

A escolha entre Fable 5.2 high e max pode ser resumida em três pontos:

1. Diferencie o preço unitário do custo da tarefa: o nível não altera o preço unitário, mas muda o volume de recursos usados.
2. Analise os dados dentro do mesmo ambiente: tanto o Cursor quanto o AA mostram que max alcança uma pontuação um pouco maior, com custo cerca de três vezes superior ao de high. Mas não dá para combinar os resultados dos dois ambientes.
3. Use o critério de aprovação como referência: se high atende ao critério, continue com high. Só compare o custo adicional com o custo de retrabalho quando high não atender ao critério e max conseguir.

Para a maioria das equipes, uma abordagem mais segura é começar com high para definir categorias de tarefas e registrar os critérios de aprovação. Depois, selecione algumas tarefas de alto valor para avaliar max separadamente. Recomendamos usar a interface unificada e os logs de chamadas da APIYI em apiyi.com para validar rapidamente seus próprios exemplos. Confirme o suporte ao modelo e ao nível escolhido antes de ampliar o uso.

📚 Referências

1. Anúncio da Anthropic: escopo do lançamento do Fable e do Mythos 5.2 e avaliação da própria empresa
2. Link: anthropic.com/claude-fable-and-mythos-5-2

3. Observação: publicado em 2026-11-09, inclui critérios de velocidade e tabela de avaliações

4. Preços da Claude API: tarifas padrão oficiais

5. Link: platform.claude.com/docs/en/about-claude/pricing

6. Observação: para o Fable 5.2, entrada/saída custam US$ 8 / US$ 40 por milhão de tokens

7. Especificações do modelo Fable 5.2: contexto, limite de saída e nível de esforço padrão

8. Link: platform.claude.com/docs/en/models/fable-5-2/overview

9. Observação: o pensamento adaptativo está sempre ativado; o padrão da API é high

10. Guia de comandos do Fable 5.2: recomendações oficiais para escolher o nível

11. Link: platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-2

12. Observação: cenários de uso de medium, high, xhigh e max

13. CursorBench 4.0: avaliação em cinco níveis no ambiente próprio do Cursor

14. Link: prod.cursor.com/evals

15. Observação: avaliação própria do provedor da ferramenta, não uma reavaliação independente de uso geral

16. Ranking de modelos da Artificial Analysis: ranking dinâmico de uma instituição independente

17. Link: artificialanalysis.ai/leaderboards/models

18. Observação: Intelligence Index e custo por tarefa

19. Metodologia de avaliação da Artificial Analysis: composição do Intelligence Index v5.0.1

20. Link: artificialanalysis.ai/methodology/intelligence-benchmarking

21. Observação: 9 avaliações; cada uma das quatro categorias de capacidade representa 25%

22. Como o Cursor compara a qualidade dos modelos: artigo sobre a metodologia da versão antiga do benchmark

23. Link: prod.cursor.com/blog/cursorbench

24. Observação: útil apenas para entender os princípios do projeto; não se aplica às conclusões estatísticas da versão 4.0

25. API de consulta de logs da APIYI: campos de log e cálculo do valor efetivamente cobrado

26. Link: docs.apiyi.com/api-capabilities/log-query
27. Observação: quota÷500000 corresponde ao valor efetivamente cobrado em dólares

Autor: Equipe técnica da APIYI
Contato técnico: entre em contato conosco pela página inicial do site APIYI apiyi.com. Para mais materiais, acesse a central de documentação docs.apiyi.com.

Artigos relacionados

• Fable 5.5 vs GPT-6.2 Astra: qual é mais poderoso e como escolher? 6 demonstrações e 3 pontos injustos: Fable 5.5 e GPT-6.2 Astra têm demonstrações públicas, mas não foram comparados na mesma tarefa; este artigo analisa os níveis de evidência de 6 demos, as especificações e preços oficiais dos atuais modelos de ponta Fable 5.1 e GPT-6 Astra e propõe um método reproduzível de avaliação para escolha.
• GPT-6.1 Terra ou GPT-6 Luna: qual é mais adequado para automação em lote? Comparação de custos e precisão com 4 conjuntos de testes reais: O preço por token do Terra é 10 vezes maior que o do Luna, mas a diferença de precisão varia de 4,7 a 18,7 pontos percentuais; este artigo usa dados reais de testes como Plotly, DualEntry e OSWorld para calcular o custo real de cada resultado correto na automação em lote.
• Não olhe apenas o preço unitário do token: 7 etapas para estimar o custo total de uma tarefa: Desde entrada, saída, raciocínio, cache e nova tentativa até verificação e atualização, use 7 etapas para converter “quanto custa por milhão de tokens” em “quanto custa por tarefa concluída”.
• Guia de validação de tarefas de longo prazo para novos modelos: 5 passos para decidir se vale a pena trocar de modelo: Após o lançamento de um novo modelo, este artigo apresenta um fluxo de 5 etapas, 6 métricas de avaliação e um método de cálculo de custos para ajudar você a validar por comparação com suas próprias tarefas de longo prazo e decidir se vale a pena trocar.
• Pesos de código aberto do MiniMax M3.1 Flash lançados em 23/10: comparação em 4 dimensões entre configuração de implantação local e custos de API: Os pesos do MiniMax M3.1 Flash têm lançamento previsto para 23 de outubro; este artigo explica os requisitos de configuração para implantação local e compara os custos da implantação própria e do uso direto da API sob quatro aspectos: conformidade, volume de chamadas, capacidade operacional e necessidade de modificar o modelo.