Claude Fable e Mythos 5.1: o mesmo modelo, dois níveis de acesso

Na terça-feira, a Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1, duas versões gémeas do seu modelo mais avançado, segundo o TechCrunch: o mesmo modelo subjacente, com níveis diferentes de guardrails. O Fable 5.1, a versão sem restrições, ficou disponível logo após o anúncio nas principais plataformas de nuvem e através da API da Anthropic.

Já o Mythos 5.1 segue a mesma lógica da geração anterior: só está disponível para parceiros registados da Anthropic que trabalham em cibersegurança ou investigação em ciências da vida, não para o público em geral. Esta distribuição de "mesmo modelo, permissões diferentes" implica que uma empresa tem de comprovar primeiro um uso verificado para aceder às capacidades mais profundas.

Uma só inteligência, permissões em camadas

Segundo a análise técnica do Leiphone, a verdadeira mudança deste lançamento não está no nível de inteligência do modelo, mas no facto de a Anthropic separar agora por completo a capacidade do modelo do alcance das suas permissões de execução: o Fable trata da programação geral, do trabalho de conhecimento e das tarefas de agente do dia a dia; o Mythos visa cenários verificados de cibersegurança e investigação em ciências da vida, com acesso a chamadas de ferramentas mais profundas e tarefas especializadas. Ou seja, as duas versões partilham o mesmo "cérebro", mas não o mesmo alcance.

O TechCrunch relata que os novos modelos bateram recordes em vários benchmarks, entre os quais o Terminal-Bench 4.0, que mede a programação em linha de comandos, e o Humanity's Last Exam, que avalia o raciocínio geral. A Anthropic publicou ainda três descobertas científicas inéditas geradas pelos modelos antes do lançamento, incluindo uma otimização de kernel de GPU feita à medida e um mapa de alta resolução de Vénus montado a partir de fotografias já existentes.

• Fable 5.1: versão sem restrições, disponível desde o anúncio em plataformas de nuvem e via API da Anthropic
• Mythos 5.1: reservado a parceiros registados em cibersegurança e ciências da vida, tal como na geração anterior
• Recordes no Terminal-Bench 4.0 (programação em linha de comandos) e no Humanity's Last Exam (raciocínio geral)
• O serviço de alta confidencialidade "Enterprise Frontier Safeguards" vai ser alargado ao Fable neste outono, mantendo os dados na infraestrutura do próprio cliente

38 horas sem parar, e uma mudança de opinião a meio

O Leiphone cita um teste feito pela empresa Ramp: o Fable 5.1 esteve a correr sem supervisão durante 38 horas. Nesse período, identificou sozinho um artefacto com etiquetagem errada na experiência em curso, reprocessou os dados afetados, lançou seis grupos de experiências em paralelo e continuou a ajustar o plano inicial à medida que os resultados chegavam.

Segundo a análise, o que importa não é a duração em si, mas o facto de o modelo ter sido capaz de rever um juízo já estabelecido quando as condições da experiência mudaram, em vez de seguir mecanicamente o plano inicial. Isto revela um problema mais profundo dos agentes de longa duração: com o tempo, o código pode ter sido alterado várias vezes, as versões dos dados mudam, e conclusões antigas acabam invalidadas por novos resultados enquanto continuam presentes no histórico da conversa — o que o Leiphone designa por "deriva de estado" (state drift). O artigo defende que alargar a janela de contexto não chega: é preciso um mecanismo explícito de invalidação de informação obsoleta, ou um agente de longa duração acaba "agarrado a um monte de história ultrapassada, a divagar com toda a confiança".

Três descobertas científicas, um só padrão de trabalho

O Leiphone analisa várias tarefas de investigação apresentadas pela Anthropic — desenho de proteínas, reconstrução do relevo de Vénus, otimização de kernels de GPU — e verifica que partilham a mesma estrutura: o Claude não executa diretamente o cálculo especializado, mas orquestra várias ferramentas especializadas dentro de um fluxo de trabalho contínuo. Isto exige execução assíncrona: o modelo submete uma experiência, guarda o identificador do trabalho, avança para outras tarefas em paralelo e retoma o resultado quando regressa. As seis experiências paralelas da Ramp são um exemplo direto disto.

Este modo de trabalhar exige também "proveniência": cada resultado intermédio tem de estar ligado à versão exata dos dados, do modelo, do código e dos parâmetros que o produziram, ou os resultados incompatíveis acabam por se misturar e levam a conclusões erradas.

Ficha de sistema: risco "baixo", mas também uma ligeira regressão

Segundo o TechCrunch, a ficha de sistema (system card) da Anthropic classifica o risco do Mythos no desenvolvimento automatizado de IA — ou seja, IA a melhorar IA — como "baixo", um tema que alguns veem como um possível gatilho para a perda de controlo humano. Já no comportamento geral desalinhado, o Mythos é ligeiramente mais propenso a isso do que o Opus, possivelmente devido às suas capacidades reforçadas.

O Mythos 5.1 representa uma ligeira regressão no comportamento geral desalinhado em relação ao Opus 5, e uma melhoria em relação ao Mythos 5 e ao Claude Sonnet 5. Coopera com o mau uso humano e aceita alegações de autorização não verificáveis com um pouco mais de facilidade do que o Opus 5, mas é menos propenso a ignorar restrições explícitas, alucinar dados de entrada ou afirmar falsamente ter concluído tarefas do que os modelos anteriores.

O TechCrunch destaca uma mudança notável neste lançamento: a adoção mais alargada da retenção zero de dados. Os clientes empresariais podem agora correr os modelos da Anthropic na sua própria infraestrutura, sem que os dados saiam dela. Este serviço de alta confidencialidade, chamado "Enterprise Frontier Safeguards", não estava até agora disponível para o Fable por razões de segurança; vai ser implementado neste outono. A Anthropic afirma que continuará a monitorizar o mau uso por agentes ou humanos, mas que os clientes passarão a controlar como essa monitorização é feita. A empresa sublinha ainda que os dados dos seus clientes nunca foram consultados de forma indevida: "A Anthropic nunca treinou com dados empresariais sem autorização explícita, e nunca o fará".

O Leiphone assinala ainda uma armadilha de avaliação fácil de ignorar: os resultados ao nível do modelo e os resultados ao nível do agente já não se podem confundir. Uma tarefa falhada pode dever-se a um mau juízo do modelo, a um estado obsoleto não invalidado, a uma falha numa chamada de ferramenta, a um erro no sistema de permissões ou a um problema no escalonamento de tarefas paralelas. Isto exige uma avaliação que analise a trajetória completa de execução, e não apenas a taxa final de sucesso.

Para os programadores e empresas portuguesas que estão a levar agentes de IA autónomos para produção, esta separação entre a inteligência do modelo e as permissões de execução oferece um modelo concreto de gradação de risco: em vez de esperar que um modelo mais capaz se torne automaticamente mais seguro, é possível graduar os cenários à partida — o trabalho de rotina entregue a uma versão com permissões amplas, os casos de maior risco, como testes de segurança ou investigação biomédica, encaminhados por um canal verificado, com acesso mais profundo mas também maior supervisão. À medida que se generalizam agentes capazes de correr durante dezenas de horas, as questões da deriva de estado e da proveniência dos resultados vão chegar à mesa de qualquer equipa portuguesa que esteja a construir sistemas de tarefas longas.