Guia Completo do Claude Fable 5.1: Evolução, Economia de Tokens e Construção de Skills

Evolução, Economia de Tokens, Prompts, Harnesses e Construção de Habilidades

Em 1º de setembro de 2026, a Anthropic lançou o "Claude Fable 5.1". Em 2 de setembro de 2026, quando estou escrevendo este artigo, faz apenas um dia desde o lançamento. Portanto, em vez de análises subjetivas nas redes sociais, organizarei estas informações com base na documentação oficial da Anthropic, documentos da API e nas especificações mais recentes do Claude Code.

Para dar a conclusão primeiro: o Fable 5.1 não é apenas um "modelo que responde perguntas normais de forma um pouco mais inteligente."

Sua essência está na capacidade de lidar com tarefas que duram horas ou dias sem perder de vista o objetivo, investigando causas raiz em vez de problemas superficiais e verificando sua própria saída até o final.

No entanto, o preço é o dobro do Opus 5 e cinco vezes o do Sonnet 5. Além disso, o pensamento interno não pode ser desativado. Se você jogar tudo no Fable 5.1, esgotará seus limites de uso e orçamento antes de realmente aproveitar suas capacidades.

A chave para dominar o Fable 5.1 não é apenas escrever ótimos prompts.

É projetar quais tarefas específicas atribuir ao Fable, quais informações carregar e quais processos transferir para modelos ou scripts mais baratos.

Parte 1: Explicação Completa do Claude Fable 5.1

1. O que é o Claude Fable 5.1?

O Claude Fable 5.1 é posicionado como o modelo de maior capacidade entre os que a Anthropic lançou ao público.

O Fable 5.1 e o Claude Mythos 5.1 (somente por convite) são essencialmente o mesmo modelo. A diferença está principalmente nas medidas de segurança. O Fable disponível publicamente inclui classificadores fortes para detectar áreas de alto risco, como segurança cibernética, ciências da vida e química. Enquanto isso, o Mythos é usado por organizações verificadas para pesquisa defensiva e outros fins. (Anthropic

As principais especificações são as seguintes:

Para usuários individuais do Claude, está disponível para usuários Pro, Max, Team e Enterprise. Na API, está disponível para clientes em geral sem triagem especial. (Claude Platform

Um contexto de 1 milhão de tokens pode, por cálculo simples, lidar com vários a uma dúzia de livros, bases de código massivas ou longos históricos de conversa de uma só vez.

No entanto, "cabe 1 milhão de tokens" é diferente de "você deve colocar 1 milhão de tokens."

Quanto mais arquivos irrelevantes, conversas antigas e logs longos você colocar, mais informações importantes serão enterradas. Embora o Fable 5.1 possa lidar com contextos massivos, ele não neutraliza automaticamente o contexto irrelevante para você.

2. A Evolução do Fable 5.1 é "Trabalhar por Mais Tempo"

A evolução mais significativa do Fable 5.1 não é sua precisão de tiro único, mas sua capacidade de manter a consistência durante tarefas de agente de longa duração.

Agentes de IA em geral tendem a causar os seguintes problemas à medida que as tarefas se alongam:

• Esquecer o objetivo inicial.
• Realizar apenas correções sintomáticas sem investigar a causa.
• Ler os mesmos arquivos ou páginas da web repetidamente.
• Reduzir arbitrariamente o escopo do trabalho no meio do caminho.
• Declarar "vou testar a seguir" e simplesmente encerrar.
• Fazer mudanças massivas, mas não realizar uma verificação operacional final.

O Fable 5.1 foca fortemente em melhorar essas falhas durante o trabalho de longa duração. As descrições oficiais listam codificação, operações de navegador, pesquisa e criação de documentos/planilhas/slides que duram horas a vários dias como casos de uso principais. Ele é projetado para se recuperar de etapas com falha, redefinir prioridades e prosseguir enquanto mantém seus próprios registros de trabalho. (Anthropic

Empresas que adotaram o modelo cedo relataram os seguintes casos:

Na MongoDB, ele supostamente investigou código de serviço e documentação para criar um novo design, completando um protótipo complexo em cerca de três dias por meio de horas de execução autônoma. Na Ramp, ele operou por 38 horas consecutivas em um problema de aprendizado de máquina, descobriu problemas de rotulagem em resultados anteriores e executou seis experimentos em paralelo após corrigi-los. (Anthropic

Além disso, em um caso da Millennium, foi relatado que, para uma falha que ocorria apenas uma vez em um milhão de vezes, o modelo desmontou bibliotecas externas, as referenciou com dumps de núcleo e chegou a uma causa que havia passado despercebida por anos. Embora sejam histórias de clientes na página oficial e não resultados reproduzidos por agências independentes, eles claramente representam a direção que o Fable 5.1 está almejando. (Anthropic

Em suma, o Fable 5.1 é menos uma "IA que escreve muito código" e mais um:

Líder responsável que isola problemas difíceis, reúne as informações necessárias, tenta vários métodos, verifica evidências e, finalmente, compila os resultados.

3. O que Melhorou nos Benchmarks?

De acordo com as principais pontuações divulgadas pela Anthropic, o Fable 5.1 teve um crescimento significativo em agentes de longo prazo, pesquisa científica e automação de negócios.

No Terminal-Bench-Science 0.1, que mede tarefas científicas de terminal, subiu de 24,7% no Fable 5 para 52,6%. No Terminal-Bench 4.0, que mede codificação de agente geral, obteve 55,8% em comparação com 42,0% do Fable 5. O Mythos 5.1, com limites de segurança diferentes, obteve 60,9%.

No AutomationBench, que mede automação de negócios, subiu de 17,1% no Fable 5 para 31,4%. No CursorBench 3.2, o Fable 5.1 obteve 73,4%, em comparação com 70,5% do Fable 5 e 70,0% do Opus 5.

Além disso, no Humanity's Last Exam, que mede raciocínio avançado em vários campos, obteve 60,9% sem ferramentas e 65,0% com ferramentas. (Anthropic

No entanto, é preciso ter cuidado ao ler esses números.

Estes são resultados de avaliação publicados pela Anthropic. Além disso, o Fable tem classificadores de segurança de produção ativados; em problemas onde o classificador interveio, pode pontuar zero ou o processo pode mudar para outro modelo. Portanto, a diferença entre Fable e Mythos pode incluir diferenças nas configurações de segurança, e não apenas na capacidade pura do modelo. (Anthropic

Além disso, no estágio do dia seguinte ao lançamento, o que importa mais do que ser o primeiro nos benchmarks é a "taxa de conclusão de tarefas" no seu próprio trabalho prático.

Por exemplo, na produção de artigos, a avaliação de texto por si só é insuficiente:

• Ele conseguiu verificar fatos em fontes primárias?
• Seguiu a contagem de caracteres especificada?
• Removeu redundâncias e contradições?
• Distinguiu entre citações e resumos?
• É consistente do título à conclusão?

A menos que você prepare tais avaliações práticas, usar o caro Fable pode resultar apenas em longos períodos de pensamento sem um resultado melhor.

4. Pensamento Adaptativo Agora Está Sempre Ativo

No Fable 5.1, o Pensamento Adaptativo está sempre ativo.

Ao contrário dos modelos anteriores, o pensamento não pode ser completamente desabilitado. Especificar thinking: {type: "disabled"} na API resultará em um erro. O método onde os humanos especificam um número fixo de tokens de pensamento também não está disponível; o próprio modelo ajusta a quantidade de pensamento com base no problema. (Claude Platform

O que os usuários ajustam é o "esforço."

Existem cinco níveis disponíveis:

• baixo
• médio
• alto
• muito alto
• máximo

O padrão é alto.

A recomendação oficial é começar com alto e depois diminuir ou aumentar com base nos resultados reais da avaliação. Para processamento de rotina, use médio ou baixo; use muito alto ou máximo apenas para trabalhos de agente de longo prazo, design, depuração ou pesquisa muito difíceis.

Diz-se que o Fable 5.1 produz desempenho próximo ao do antigo Fable 5 mesmo em médio, e em baixo, pode ter uma relação custo-benefício por tarefa maior do que executar um modelo menor com esforço alto para certos trabalhos. (Claude Platform

O importante aqui é que o pensamento interno também é faturado como tokens de saída e consome max_tokens.

Por exemplo, mesmo que o manuscrito final exibido na tela seja de 10.000 tokens, se ele usou o equivalente a 10.000 tokens para pensar antes, um total de 20.000 tokens estará sujeito à cobrança do lado da saída. Como o preço unitário de saída do Fable é de US$ 50 por 1 milhão de tokens, usar o máximo desnecessariamente aumentará rapidamente o consumo. (Claude Platform

O Fable 5.1 não é um modelo onde "maior esforço sempre gera lucro."

Usar o máximo para formatação de texto ou sumarização pode simplesmente aumentar os casos em que o modelo escreve um rascunho internamente e depois o escreve novamente no campo de resposta. A Anthropic também aconselha usar alto para entregas longas em princípio, e só atualizar para muito alto ou acima se a melhoria de qualidade puder ser medida. (Claude Platform

5. Preços Altos, mas Cache Extremamente Barato

As taxas padrão para o Fable 5.1 são de US$ 10 por 1 milhão de tokens de entrada e US$ 50 por 1 milhão de tokens de saída.

Como o Opus 5 é de US$ 5/US$ 25 e o Sonnet 5 é de US$ 2/US$ 10, o Fable custa o dobro do Opus e cinco vezes o preço do Sonnet em termos de preço simples de token. (Claude Platform Docs

Por outro lado, uma grande mudança no Fable 5.1 é o preço de leitura de cache.

Enquanto era de US$ 1 por 1 milhão de tokens no Fable 5, tornou-se US$ 0,25 no Fable 5.1. Isso é 2,5% do preço normal de entrada. A Anthropic estima que, no processamento típico, isso resultará em uma redução de custo de cerca de 25% em comparação com o antigo Fable, e de até cerca de 45% para processamento de agente que lê o cache repetidamente. (Anthropic

Por exemplo, se você ler um contexto fixo de 100.000 tokens toda vez, custaria US$ 0,10 por vez na taxa de entrada normal, mas apenas US$ 0,0025 se for um acerto de cache.

Em outras palavras, o trabalho que lê repetidamente as mesmas descrições de projeto, definições de ferramentas, premissas de base de código e históricos de conversa de forma estável é mais vantajoso.

Por outro lado, o uso que reescreve o prompt do sistema toda vez, reordena listas de ferramentas ou exclui e reconstrói conversas antigas quebrará o cache.

No Fable 5.1, uma estrutura de prompt sem quebras está mais diretamente ligada ao custo do que um prompt inteligente.

6. O Fable 5.1 Pode Quebrar Harnesses de API Existentes

Ao alterar apenas o nome do modelo do Fable 5 ou Opus, há três pontos com os quais você deve ter cuidado especial:

Chamada de ferramenta forçada não está disponível

Forçar qualquer nome de ferramenta ou um específico em tool_choice resultará em um erro 400.

A razão é que forçar uma chamada de ferramenta faz com que o modelo pule os processos normais de pensamento e comece a pensar dentro dos argumentos da ferramenta, o que degrada a qualidade dos argumentos.

Em vez disso, use tool_choice: auto e declare explicitamente "Por favor, use a ferramenta XX para este processo" dentro do prompt. Se você quiser garantir o formato JSON, use strict: true ou Structured Outputs. (Claude Platform

O histórico da conversa não deve ser reescrito no meio do caminho

O bloco de pensamento no Fable 5.1 está vinculado ao prompt do sistema, ferramentas e mensagens passadas no momento em que esse pensamento foi gerado.

Se você excluir mensagens antigas, regenerar o prompt do sistema ou reescrever definições de ferramentas passadas no meio do caminho, os blocos de pensamento subsequentes se tornarão inválidos. Para novas contas, um mecanismo que torna essa violação de condição um erro já está aplicado. (Claude Platform

O princípio básico é não editar o histórico, mas apenas anexar ao final.

Instruções temporárias devem ser adicionadas como mensagens de sistema com escopo de turno, e contextos longos devem ser organizados usando compactação do lado do servidor ou edição de contexto.

O pensamento interno não pode ser transferido ao reverter para modelos mais baratos

O Fable 5.1 pode ler blocos de pensamento criados por modelos anteriores como Opus 5, Fable 5 ou Sonnet.

No entanto, o inverso não é possível. Se você passar um bloco de pensamento criado pelo Fable 5.1 para o Opus ou Sonnet, esses modelos não conseguirão lê-lo. (Claude Platform Docs

Portanto, se você alternar modelos dentro da mesma conversa, a seguinte ordem é geralmente segura:

Explore com modelos baratos → Promova para Fable

Se você retornar a um modelo mais barato do Fable, deve deixar decisões, problemas não resolvidos, arquivos necessários e resultados de verificação como um documento de transferência explícito, sem depender do bloco de pensamento.

7. Restrições de Segurança e Retenção de Dados

No Fable 5.1, algumas solicitações relacionadas à segurança cibernética ou ciências da vida são restritas por classificadores de segurança.

No aplicativo Claude padrão, os processos correspondentes podem ser roteados automaticamente para o Opus 4.8 ou Opus 5. Na API, você precisa configurar configurações de fallback. Você não será cobrado pelas taxas do Fable por processos transferidos para outros modelos. (Anthropic

Além disso, o Fable 5.1 geralmente requer retenção de dados de 30 dias. A menos que você tenha recebido permissão explícita da Anthropic, ele não pode ser usado em ambientes padrão de Zero Data Retention.

Ao lidar com código confidencial corporativo, informações de clientes ou materiais de pesquisa não publicados, você deve introduzi-lo somente após confirmar o contrato e as condições de retenção, e não apenas usá-lo "porque o desempenho é alto." (Claude Platform

8. Afinal, Quem Precisa do Fable 5.1?

O Fable 5.1 é para pessoas para quem a taxa de conclusão de todo o trabalho, em vez de uma única resposta do modelo, é o valor.

• Investigação e modificação de bases de código massivas.
• Análise de causa raiz de bugs difíceis de reproduzir.
• Pesquisa abrangendo dezenas de documentos.
• Tarefas que vão desde a pesquisa até a criação de planilhas, documentos e slides.
• Operações de navegador de longa duração ou processamento de backlog.
• Pesquisa que planeja e executa vários experimentos de forma autônoma.

Por outro lado, quase não há necessidade de usar o Fable para criação de e-mails, resumos curtos, geração de código simples, organização de documentos de rotina ou rascunho de postagens em redes sociais.

A própria Anthropic recomenda começar o processamento geral com o Opus 5 e só atualizar para o Fable se a qualidade for insuficiente mesmo ao executar o Opus com esforço alto. (Claude Platform Docs

O Fable 5.1 não é um "modelo padrão para todos usarem desde o início," mas um modelo de alto nível para superar pontos difíceis.

Parte 2: Economia de Tokens, Prompts, Harnesses e Construção de Habilidades

1. Técnicas de Economia de Tokens para o Fable 5.1

Dica de Economia 1: Não faça o Fable fazer tudo desde a exploração

O método de economia mais eficaz não é escrever frases curtas.

É reduzir o número de vezes que você chama o próprio Fable.

Deixe a obtenção de listas de arquivos, filtragem de logs, classificação de materiais, resumos simples e conversões de formato para o Sonnet, Haiku ou scripts regulares.

Use o Fable para fases como estas:

• Decidir a política de pesquisa
• Escolher a hipótese mais promissora entre várias
• Integrar informações contraditórias
• Identificar causas raiz
• Auditar entregas finais
• Reexaminar problemas onde outros modelos falharam

A documentação oficial também orienta configurações usando vários modelos, com modelos baratos como executores e modelos de alto nível como consultores ou supervisores. (Claude Platform Docs

Dica de Economia 2: Mude o esforço para cada etapa

Você não precisa definir a sessão inteira como máximo.

Eu recomendo a seguinte alocação:

O Fable 5.1 também fornece um mecanismo para alterar o esforço durante uma conversa. Em vez de reescrever as configurações de nível superior, adicionar alterações de esforço como mensagens de sistema no meio do caminho permite manter o cache do prompt. (Claude Platform

A abordagem correta não é "capacidade máxima sempre," mas "capacidade máxima apenas para os movimentos difíceis."

Dica de Economia 3: Mantenha o histórico somente anexado para proteger o cache

No Fable 5.1, mantenha o seguinte conteúdo fixo:

• Prompt do sistema
• Definições e ordem das ferramentas
• Regras comuns do projeto
• Mensagens passadas
• Blocos de pensamento

Adicione todas as alterações ao final.

Se você estiver construindo sua própria API, é mais seguro manter o mesmo prefixo byte por byte em vez de remontar o prompt do sistema toda vez.

No Claude Code, o processamento de cache é basicamente automatizado, mas você pode usar cache_control na API. Para conversas de vários turnos, use cache automático; para separar materiais fixos longos, use limites de cache explícitos. (Claude

Dica de Economia 4: Não coloque a saída da ferramenta como está

Entregar 10.000 linhas de logs para o Claude e pedir para "encontrar o erro" é um desperdício.

Filtre-os primeiro com scripts ou hooks.

O guia de custos oficial do Claude Code também recomenda pré-processar logs longos com hooks e passar apenas as poucas centenas de linhas necessárias para o modelo. Ele também explica que usar CLIs como gh, aws ou gcloud quando disponíveis é mais fácil para suprimir o consumo de contexto das definições de ferramentas do que conectar um grande número de servidores MCP. (Claude

Antes de deixar a IA ler, corte o que pode ser cortado por máquina.

Dica de Economia 5: Agrupe chamadas de ferramentas independentes

Ao ler cinco arquivos, se você dividir em cinco turnos com um arquivo cada, o histórico da conversa é enviado toda vez.

Incluir a seguinte instrução no Fable 5.1 é eficaz:

"Organize as informações necessárias internamente e execute leituras, pesquisas e verificações que não dependem dos resultados umas das outras em paralelo dentro do mesmo turno."

A Anthropic também explica que, ao incentivar o agrupamento de chamadas de ferramentas independentes em uma única resposta, você pode reduzir viagens de ida e volta, tokens e tempos de espera. (Claude Platform

Dica de Economia 6: Não deixe ele reescrever o arquivo inteiro para pequenas correções

O Fable 5.1 pode reescrever um arquivo inteiro mesmo para pequenas alterações.

Inclua esta frase em suas regras comuns:

"Se o resultado final não mudar, não reescreva o arquivo inteiro; edite apenas as partes necessárias com os menores diffs possíveis."

Isso é particularmente eficaz para Markdown longo, JSON, arquivos de configuração, LPs e código-fonte massivo. Ao evitar a regeneração completa, você pode suprimir tokens de saída e o ônus da verificação de diff. (Claude Platform

Dica de Economia 7: Não continue trabalhos não relacionados na mesma sessão

No Claude Code, use /clear ao mudar para trabalhos não relacionados.

Em conversas longas, mesmo adicionar uma pergunta curta significa lidar novamente com conversas passadas, arquivos lidos e resultados de ferramentas. Mesmo que o cache funcione, não é gratuito.

Se você não quiser poluir o histórico com perguntas temporárias, use /btw; se quiser manter apenas o conteúdo necessário, use /compact. Transfira a exploração da base de código para subagentes e retorne apenas os resumos para a conversa principal. (Claude

2. Prompts Práticos para o Fable 5.1

Para o Fable 5.1, é mais eficaz passar claramente o objetivo, escopo, condições de conclusão e métodos de verificação do que especificar dezenas de etapas de pensamento detalhadas.

Abaixo está um modelo básico que pode ser adaptado para codificação, pesquisa, produção de artigos e criação de documentos.

Função

Você é a pessoa responsável por executar esta solicitação até a conclusão.

Você é responsável não apenas por responder, mas também pela pesquisa, trabalho, verificação e correção necessários.

Objetivo

[Escreva o produto final a ser criado ou o problema a ser resolvido]

Entrada

[Escreva arquivos, URLs, materiais e pré-requisitos]

Escopo

A ser implementado:

• [Tarefa obrigatória]
• [Tarefa obrigatória]

Não implementar:

• [Fora do escopo]
• [Conteúdo que você não quer que seja alterado arbitrariamente]

Condições de Conclusão

A tarefa está concluída quando todas as seguintes condições forem atendidas:

1. [Condições para função/conteúdo]
2. [Condições para formato/contagem de caracteres/qualidade]
3. [Método de verificação]
4. [Evidência mostrando que não há erros]

Regras de Execução

• Primeiro, organize as informações necessárias e dependências.
• Execute pesquisas, leituras e verificações que não dependem dos resultados umas das outras em paralelo.
• Proceda com trabalho reversível dentro do escopo da solicitação sem pedir permissão no meio do caminho.
• Confirme a causa antes de corrigir, não apenas os sintomas do problema.
• Não realize adições de recursos, otimizações ou correções periféricas não solicitadas; separe-as como sugestões no final.
• Edite arquivos com os menores diffs possíveis sempre que possível.
• Após o trabalho, verifique de acordo com as condições iniciais de conclusão.
• Se a verificação falhar, investigue a causa, corrija e verifique novamente.
• Não termine escrevendo "o que fazer a seguir"; execute esse trabalho.
• Confirme antes da execução apenas para operações destrutivas ou grandes mudanças de especificação.

Relatório Final

Finalmente, relate brevemente na seguinte ordem:

1. O que foi concluído
2. Alterações feitas
3. Resultados da verificação e evidências
4. Problemas restantes
5. Candidatos a melhoria notados, mas fora do escopo

O Fable 5.1 pode continuar trabalhando por um longo tempo, mas se for ambíguo o que constitui conclusão, ele continuará explorando mais do que o necessário.

Portanto, escrever condições de conclusão e parada é mais importante do que dizer "pense profundamente."

3. Design de Harness para Aproveitar o Fable 5.1

Um harness é o mecanismo de trabalho que envolve o modelo.

Em vez de confiar apenas na capacidade do modelo, você decide externamente quais informações passar, quais ferramentas usar, em que ordem proceder, onde verificar e quantas vezes tentar novamente em caso de falha.

Eu recomendo a seguinte estrutura de 6 camadas:

Camada 1: Regras Comuns

No CLAUDE.md, coloque apenas os fatos do projeto necessários toda vez.

Projeto

• Este repositório é para o serviço XX
• O ambiente de produção é XX
• Use pnpm para gerenciamento de pacotes

Verificações necessárias

• pnpm lint após alterações
• pnpm test após alterações
• Verificação de tipo em alterações de API

Restrições

• Não quebre a compatibilidade com APIs existentes
• Não produza informações secretas em logs
• Não refatore fora da solicitação

Já que o CLAUDE.md é lido em todas as sessões, deixá-lo muito longo consumirá contexto a cada vez. A documentação oficial recomenda manter um arquivo com menos de 200 linhas e mover procedimentos longos para as Skills. (Claude

Camada 2: Roteador

Quando uma solicitação é recebida, classifique o trabalho em vez de iniciar o Fable imediatamente.

• Extração/formatação simples -> Haiku ou script
• Implementação/pesquisa normal -> Sonnet
• Design/análise complexos -> Opus
• Trabalho de longo prazo/problemas difíceis -> Fable
• Apenas pontos difíceis com falha -> Fable xhigh

Ao criar um roteador automático, julgue com base na "perda se estiver incorreto", "tempo autônomo necessário" e "dificuldade de verificação", em vez do preço.

Camada 3: Líder de Exploração

Separe a exploração de código, coleta de material e pesquisa de concorrentes em subagentes.

Cada subagente trabalha em um contexto independente e retorna apenas conclusões e evidências ao agente principal. Isso evita que os resultados da leitura de dezenas de arquivos inchem o histórico principal. (Claude

Camada 4: Supervisor do Fable

O Fable faz julgamentos usando os resultados retornados pelos líderes de exploração.

• Qual hipótese adotar
• Se é necessária pesquisa adicional
• Quais alterações fazer
• Se há contradições nos resultados
• Se as condições de conclusão foram atendidas

Em vez de responsabilizar o Fable por tudo, até a coleta de dados brutos, passe a ele evidências organizadas e deixe-o focar no julgamento.

Camada 5: Verificação Determinística

Não deixe a verificação apenas para os prompts.

• Para código: Testes, Lint, verificações de tipo.
• Para artigos: Contagem de caracteres, expressões duplicadas, URLs, citações.
• Para planilhas: Erros de fórmula, valores ausentes, totais.
• Para LPs: Links, quebras de layout, comparações de captura de tela.

Usando hooks, você pode executar inspeções antes e depois da execução da ferramenta. Em vez de apostar que o LLM se lembrará de verificar, execute-a automaticamente sob condições fixas. (Claude Platform Docs

Camada 6: Loop de Reparo

Retorne ao Fable somente se a verificação falhar.

Criação -> Verificação Mecânica -> Sucesso (Concluído) / Falha -> Análise de Causa -> Correção Mínima -> Re-verificação

O importante é não entrar em loop infinito.

Por exemplo, decida "no máximo 2 vezes para a mesma falha" ou "pare com evidências após 3 falhas no total." Para modelos que podem trabalhar por muito tempo, os custos e o escopo do trabalho aumentarão sem condições de parada.

Para processos que usam dezenas a centenas de subagentes, mude para um Fluxo de Trabalho Dinâmico em vez de deixar o Claude gerenciá-los sequencialmente. Em um Fluxo de Trabalho, você pode manter resultados intermediários em variáveis de script e retornar apenas o resultado final ao contexto principal, tornando-o adequado para pesquisas em larga escala ou processamento de arquivos massivos. (Claude

4. Skills Não São "Armazenamento de Prompt Longo"

Skills são um mecanismo para salvar procedimentos de trabalho usados repetidamente como SKILL.md.

A diferença do CLAUDE.md é que o corpo é lido apenas quando necessário.

• Informações do projeto e regras curtas a serem sempre seguidas: CLAUDE.md.
• Procedimentos para produção de artigos, implantação, pesquisa, revisão, etc.: Skills.
• Grandes quantidades de exemplos ou especificações: Arquivos de referência para Skills.

Essa separação está diretamente ligada à economia de tokens. (Claude Platform Docs

Recomendo a seguinte estrutura:

1.claude/
2├── CLAUDE.md
3├── skills/
4│   └── deep-article/
5│       ├── SKILL.md
6│       ├── research-rules.md
7│       ├── writing-rules.md
8│       ├── examples.md
9│       └── scripts/
10│           ├── count_chars.py
11│           └── check_repetition.py
12├── agents/
13│   ├── researcher.md
14│   └── critic.md
15└── settings.json

No SKILL.md, coloque apenas a visão geral, condições de execução, procedimentos e condições de conclusão.

Separe explicações massivas, especificações de API e histórias de sucesso em arquivos diferentes e deixe o Claude lê-los apenas quando necessário. A documentação oficial recomenda manter o SKILL.md com menos de 500 linhas e separar materiais detalhados em arquivos de suporte. (Claude Platform Docs

5. Modelo Prático de SKILL.md

Abaixo está um exemplo de uma Skill para criar artigos de pesquisa.

name: deep-article

description: Pesquisa informações primárias e cria artigos longos com evidências. Use quando solicitado para explicações aprofundadas sobre as últimas novidades em IA, empresas, sistemas ou produtos.

argument-hint: "[Tema] [Contagem de caracteres alvo]"

effort: high

Objetivo

Criar um artigo longo com verificação de fatos sobre $ARGUMENTS.

Regras Básicas

• Sempre pesquise se as informações mais recentes são relevantes
• Priorize informações primárias
• Distinga entre fatos, anúncios corporativos, avaliações de terceiros e especulações
• Anexe períodos-alvo e definições aos números
• Não repita as mesmas conclusões ou exemplos
• Explique termos técnicos na primeira menção
• Não termine com menos de 90% da contagem de caracteres especificada
• Finalmente, relate a contagem de caracteres e itens não verificados

Fluxo de Trabalho

1. Divida o tema em 3-7 pontos de pesquisa
2. Pesquise pontos independentes em paralelo
3. Reúna informações primárias
4. Investigue contra-evidências ou informações desfavoráveis
5. Crie uma lista de fatos
6. Decida a estrutura
7. Crie o primeiro rascunho
8. Audite duplicatas, saltos lógicos, citações, datas e números
9. Corrija
10. Inspecione a contagem de caracteres

Condições de Conclusão

• A conclusão está clara no início
• O leitor pode decidir o que fazer
• Fatos importantes têm fontes
• Fatos e especulações não estão misturados
• Atende à contagem de caracteres especificada
• Nenhum parágrafo duplicado

Materiais para ler apenas quando necessário

• Padrões de pesquisa: research-rules.md
• Padrões de estilo: writing-rules.md
• Bons exemplos de conclusão: examples.md

Inspeção Final

Execute o seguinte:

• python ${CLAUDE_SKILL_DIR}/scripts/count_chars.py <arquivo-de-saida>
• python ${CLAUDE_SKILL_DIR}/scripts/check_repetition.py <arquivo-de-saida>

A descrição de uma Skill funciona como um roteador, não apenas uma explicação.

Em vez de uma frase ambígua como "Escreva artigos de alta qualidade", escrever "Use para solicitações de artigos longos que investigam informações primárias sobre as últimas novidades em IA, empresas e sistemas" torna mais fácil ser chamada em situações necessárias.

Como o Claude Code coloca a lista de descrições das Skills no contexto, escrever descrições massivas aumenta os custos constantes. Coloque os usos importantes no início e mantenha-os curtos. (Claude Platform Docs

6. Uso Avançado de Skills

Skills que não devem ser autoexecutadas

Implantação, envio, exclusão, publicação e pagamentos não devem ser iniciados pelo Claude arbitrariamente.

Defina disable-model-invocation: true e execute-as apenas quando o usuário digitar explicitamente /deploy, etc.

Skills que não devem poluir a conversa

Para Skills que realizam pesquisas massivas ou exploração de código, defina context: fork.

Isso faz com que sejam executadas em um contexto de subagente separado. Conteúdos massivos de arquivos e históricos de pesquisa não entrarão na conversa principal; apenas o resultado final retorna. (Claude Platform Docs

Skills que injetam automaticamente o estado atual

Dentro de uma Skill, você pode pré-inserir resultados de comandos.

Estado atual

!git status --short

!git diff --stat

O Claude recebe o resultado da execução, não a string do comando.

No entanto, injetar diffs completos do git ou logs massivos toda vez é contraproducente. Coloque apenas --stat ou linhas de erro primeiro, e deixe-o ler os detalhes apenas quando se tornarem necessários. (Claude Platform Docs

Configurando effort para Skills

Defina Skills simples como medium, revisões de design e pesquisa aprofundada como high, e auditorias extremamente difíceis como xhigh.

Se você der a cada Skill seu próprio effort, o usuário não precisa alternar a cada vez.

7. Sempre Avalie Skills Comparativamente

Apenas criar uma Skill não diz se a qualidade melhorou.

A documentação oficial orienta avaliar duas coisas separadamente:

1. A Skill inicia corretamente para as solicitações necessárias?
2. O entregável realmente melhora como resultado da inicialização?

Execute a mesma solicitação em novas sessões tanto "com Skill" quanto "sem Skill".

Para uma Skill de artigo, compare contagem de caracteres, fontes ausentes, duplicatas, erros factuais e número de correções. Para uma Skill de código, compare taxa de sucesso de teste, número de arquivos alterados, alterações desnecessárias e número de retrabalhos.

Testar na continuação da conversa onde você criou a Skill esconderá defeitos com informações suplementares da conversa. Sempre avalie em uma nova sessão. O Claude Code também fornece um plugin oficial de criação de skills para apoiar essa comparação. (Claude Platform Docs

Conclusão Final

O Claude Fable 5.1 não é um modelo que simplesmente acelera a série Claude.

Seu maior valor é a capacidade de continuar trabalhos difíceis por um longo período, se recuperar de falhas no meio do caminho, pesquisar causas raiz e levar o trabalho à conclusão enquanto verifica seus próprios resultados.

Por outro lado, os preços unitários de entrada e saída são o dobro dos do Opus 5. O pensamento interno não pode ser desligado, é incompatível com harnesses que reescrevem conversas antigas e a chamada forçada de ferramentas não está disponível.

Portanto, a maneira mais forte de usá-lo é a seguinte:

**Reduza as informações com Sonnet ou scripts.

Separe a exploração com subagentes.

Atribua ao Fable julgamentos difíceis e integração.

Verifique mecanicamente com hooks e testes.

Aumente o effort apenas para pontos difíceis com falha.

Salve procedimentos repetitivos em Skills.

Mantenha o histórico da conversa apenas com acréscimos para proteger o cache.**

Se você usar o Fable 5.1 como um "chat de alto nível que responde a tudo", apenas o preço será alto.

A verdadeira diferença das gerações anteriores emerge apenas quando você posiciona o Fable 5.1 como o supervisor que agrupa modelos baratos, Skills, subagentes, hooks e loops de verificação.