GPT-5.6 vs. Claude Fable 5: A OpenAI alcançou a Anthropic em 2026?

Estão disponíveis materiais adicionais sobre a configuração de ferramentas na documentação Ailoot.

O que aconteceu realmente: GPT-5.6 e Claude Fable 5 em 5 minutos#

Dois grandes lançamentos chegaram com poucas semanas de intervalo. O Claude Fable 5, o modelo mais poderoso da Anthropic amplamente disponível, foi apresentado a 9 de junho, retirado temporariamente devido a restrições de exportação e novamente disponibilizado a nível global a 1 de julho de 2026. O GPT-5.6 da OpenAI passou por uma prévia para parceiros a 26 de junho e ficou disponível para todos a 9 de julho.

O GPT-5.6 está disponível em três variantes para diferentes orçamentos e tarefas:

• Sol (e Sol Ultra) é a mais poderosa, concebida para cibersegurança, trabalho no terminal e sessões longas do Codex.
• Terra é a opção intermédia, um modelo de trabalho «predefinido» para o dia a dia.
• Luna é a mais barata, para grandes volumes e tarefas simples.

O Claude Fable 5 é um único modelo sem essa variedade de opções, além do seu homólogo fechado Mythos 5 (o mesmo motor, mas sem filtros restritivos; o acesso está disponível apenas através do programa de cibersegurança do governo dos EUA). O Mythos não está disponível para quem faz vibe coding, por isso, daqui em diante comparo o Fable 5 com a gama GPT-5.6.

O que significa «alcançou»: em que testes venceu o GPT-5.6 o Fable 5?#

Os títulos tiveram origem numa comparação do Terminal-Bench 2.1, um conjunto de tarefas em que um modelo controla um terminal e a linha de comandos. Os números são reais e favorecem a OpenAI:

Em fluxos de trabalho de terminal e bash, o GPT-5.6 Sol é realmente mais rápido e preciso do que o Fable 5. Se o seu trabalho envolve scripts, automatização de ambientes, análise de registos ou comandos de terminal, então sim, a OpenAI superou aqui a Anthropic. É justo reconhecê-lo, sem tentar disfarçar o resultado a favor do «nosso» lado.

O problema dos títulos está noutro lado. «Alcançou-o no Terminal-Bench» transforma-se subtilmente em «alcançou-o em tudo». Isso simplesmente não é verdade.

O que estabelece a tabela publicada do SWE-Bench Pro?#

O Terminal-Bench testa o trabalho no terminal. O SWE-Bench Pro, por outro lado, testa aquilo que quem faz vibe coding faz todos os dias: pegar num projeto real com código complexo, encontrar um erro ativo e corrigi-lo sem estragar nada à volta. Isto está mais próximo do trabalho real do que executar comandos num terminal.

Veja a última linha: um resultado em falta é ausência de evidência, não uma pontuação baixa. Não estabelece o vencedor nem o motivo da omissão. Compare apenas resultados numéricos do mesmo benchmark e configuração e faça um teste no seu projeto para a comparação não medida.

A Anthropic aborda a questão de outra perspetiva e dá ênfase às tarefas longas:

Também há provas para além dos testes de referência. Segundo a Anthropic, pessoas da Stripe disseram que o Fable 5 condensou meses de trabalho em dias: o modelo concluiu a migração de uma base de código Ruby com 50 milhões de linhas num dia — uma tarefa que teria demorado mais de dois meses à equipa. É um caso selecionado pelo fornecedor, não uma comparação controlada com o Sol. Sugere uma tarefa que vale a pena testar, mas não estabelece uma vantagem relativa por si só.

É fácil ficar preso à questão de «qual é o modelo mais poderoso». Mas, nos meus projetos, a diferença é mais frequentemente determinada não pelo modelo, mas pelo que coloco no seu contexto. Até um modelo intermédio com uma estrutura business/ e um ficheiro CLAUDE.md bem preparados supera um modelo de topo com o contexto vazio. Preparar o contexto ajuda qualquer um destes modelos a trabalhar de forma mais consistente e previsível.

Quanto custa realmente o GPT-5.6 em comparação com o Claude Fable 5?#

A tabela preserva os valores do lançamento para comparação, não os preços atuais. Verifique o preço oficial atual antes de orçamentar uma execução nova. O preço é a outra metade de uma conversa honesta. Um token é um fragmento de texto que um modelo utiliza para medir o volume: quanto mais longos forem o seu pedido e a resposta, mais tokens utiliza e mais dinheiro sai da sua conta. Para quem faz vibe coding, isso é dinheiro a sério.

Até o Sol, a variante de topo, custa cerca de metade do preço do Fable na saída, enquanto o Luna custa várias vezes menos. Se executar um grande volume de tarefas semelhantes e a diferença de qualidade não for fundamental, o GPT-5.6 pode proporcionar poupanças substanciais.

Mas o preço por token não é o mesmo que o preço por resultado. Se um modelo falhar a tarefa duas vezes, pagou três vezes: duas pelas tentativas erradas e uma pela certa. Numa tarefa difícil, um modelo mais preciso pode acabar por ser mais barato, mesmo que os tokens custem mais. Uma execução barata que tenha de ser repetida é a mais cara. Abordei separadamente esta aritmética oculta no guia sobre o verdadeiro custo do vibe coding.

O que importa para quem faz vibe coding e o que é marketing?#

As duas empresas apresentam a perspetiva que as favorece. A OpenAI aponta para o Terminal-Bench, onde vence, e diz «alcançámo-lo». A Anthropic apresenta migrações longas como evidência das capacidades do modelo. Os exemplos de fornecedores e benchmarks separados são dados úteis, mas não estabelecem uma classificação comum entre tarefas.

Eis o que pode retirar daqui:

1. Um teste não descreve um modelo. «Venceu-o no Terminal-Bench» e «melhor para programação» são afirmações diferentes. Verifique exatamente a que teste de referência se refere o título.
2. Trate resultados em falta como desconhecidos. Uma pontuação omitida não revela o desempenho nem a razão da omissão. Procure uma execução publicada comparável ou meça a sua tarefa, em vez de atribuir uma posição.
3. A sua tarefa importa mais do que uma classificação geral. O modelo classificado em primeiro lugar na média pode ficar em terceiro naquilo que realmente faz.

Verificar as afirmações ousadas dos outros é uma competência por si só. Se ainda não sabe como ler criticamente os resultados dos modelos, consulte este guia para verificar código gerado por IA, mesmo que não seja programador.

GPT-5.6 ou Claude Fable 5: qual deve escolher para a sua tarefa?#

Em vez de perguntar «quem venceu no geral», é mais útil consultar uma tabela sobre «o que usar para cada tarefa»:

Muitas pessoas acabam por manter ambas as opções à mão e alternar consoante a tarefa. Se procura especificamente reparação de código e tarefas longas numa ferramenta familiar, tenho um guia separado sobre trabalhar com o Claude Fable 5 no Claude Code. Se prefere o ecossistema OpenAI, consulte como mudar para o Codex. E, se lhe interessar mais uma alternativa aberta e mais barata do que ambas, veja a comparação entre GLM-5.2 e Claude Code.

Porque é que o modelo não é a principal alavanca da eficiência#

Experimentei diferentes modelos nos meus projetos e eis o que constatei: na maioria das minhas tarefas, a diferença entre «o modelo número um» e «o modelo número três» é menor do que a diferença entre «um projeto vazio» e «um projeto com o contexto bem preparado». O mesmo modelo produz disparates a partir de um pedido simples, mas dá um resultado funcional quando dispõe de uma estrutura criada em torno de business/ e CLAUDE.md.

É por isso que, para quem faz vibe coding, a corrida por detrás de títulos como «quem alcançou quem» é secundária. Há três coisas que funcionam com qualquer um destes modelos e que importam muito mais:

• Uma pasta business/ com uma estrutura interligada de conhecimento sobre o seu trabalho, que o modelo consulta em cada pedido.
• Gerir o que entra no contexto antes de formular o pedido.

Construa esta combinação e a diferença entre GPT-5.6 e Fable 5 deixa de ser decisiva. Ambos se tornam mais previsíveis porque deixam de trabalhar no vazio.

O que fazer agora#

Uma sequência prática:

1. Escolha uma tarefa real

   Uma que realmente faça: corrigir um erro, criar uma secção de um produto ou escrever um script. Os exemplos artificiais não são representativos.

2. Execute-a nos dois modelos

   Use o mesmo pedido no GPT-5.6 e no Claude Fable 5. Compare não só o resultado, mas também o número de tentativas necessárias.

3. Calcule o custo por resultado

   Calcule o custo total: tudo o que foi necessário para obter um resultado funcional. O preço por token pode induzir em erro.

4. Prepare o contexto do seu projeto

   CLAUDE.md e a pasta business/ melhorarão a qualidade mais do que mudar de modelo.

Os modelos continuarão a ultrapassar-se uns aos outros, e cada mudança de liderança será apresentada como «marcante». Não precisa de perseguir o modelo mais recente todas as vezes; o vencedor é aquele que faz parte de um processo bem preparado. Por isso, vale a pena investir nesse processo.

Todo o debate sobre modelos resume-se a uma coisa: sem um contexto bem preparado, qualquer um deles é instável. Para consultar materiais adicionais sobre o trabalho com ferramentas, veja a documentação Ailoot.