Pular para o conteúdo
Montar SquadSolicitar Orçamento

Claude Fable 5: preço em reais, contexto e benchmarks

  • Anthropic
  • lançado em
  • pesos fechados
  • fora do comparativo
  • Snapshot de
  • metodologia v1.1

Saiu do comparativo em . O sucessor é Claude Fable 5.1.

Os números desta página são do snapshot de , o último em que ele estava na tabela.

  • Preço da perguntaEntrada US$/M

    em reais

  • Preço da respostaSaída US$/M

    em reais

  • Quanto texto lê de uma vezContexto

    tokens

  • Maior respostaSaída máx.

    tokens

  • Em São Paulo

Reais pelo dólar oficial (PTAX de venda do Banco Central) de , por dólar. IOF e spread ficam fora da conta.

Ficha técnica

Contexto de entrada
Saída máxima
Corte de conhecimento
Modalidades
Pesos do modelo
Retirada mínima
Em São Paulo
O modelo pode ser chamado a partir da região de São Paulo do Amazon Bedrock, mas só com inferência global: o pedido pode ser processado em outra região da AWS, e os dados podem sair da região.
O que significa
Na tabela de disponibilidade regional da AWS, In-Region quer dizer inferência dentro da região de São Paulo; Global quer dizer que o pedido pode ser processado em outra região da AWS, e os dados podem sair de São Paulo. A apuração cobre só o Amazon Bedrock: Azure e Google Cloud não foram conferidos.Se o seu dado não pode sair da região, isso decide a escolha antes do preço e do benchmark. Para a política de uso, a classificação de dados e a trilha de auditoria, veja governança e segurança para IA generativa.

Preços

Dólar por milhão de tokens, por provedor, como o fabricante publica: uma linha por tarifa e uma coluna por tipo de token.

Anthropic, tabela oficial de preços

Em vigor desde 6 set 2026.

Preço por milhão de tokens neste provedor, com o escopo declarado de cada valor e a fonte. Anthropic, tabela oficial de preços.
TarifaEntradaLeitura de cacheEscrita de cacheSaídaSaída em R$
Padrãojanela de 1h
Batchnão constanão constanão convertida

Saída em R$ convertida a partir da linha Padrão, a tarifa que a tabela do comparativo usa, pela PTAX de venda de 2 out 2026. As outras linhas não são convertidas.

Nenhuma mudança de preço registrada desde .

Avaliações

Todos os resultados publicados para este modelo, uma linha por grupo comparável: a mesma versão do benchmark e a mesma origem do número.

Resultados do modelo nos benchmarks deste eixo, um grupo comparável por linha, com a origem e a fonte de cada número. posição na ordem do grupo comparável no snapshot de 2 out 2026, quando o modelo ainda estava na tabela, não ranking atual.
BenchmarkResultadoPosição em 2 out 2026Origem do número
Raciocínio
ARC-AGI-1
  • max de esforço
1º de 3maior valor do grupomedido por concorrenteOpenAI
Quebra-cabeças, como o benchmark medeARC-AGI-2
  • max de esforço
  • xhigh de esforço
  • high de esforço
  • medium de esforço
  • low de esforço
6º de 14líder: GPT-6 Astramedição independenteEpoch AI
Quebra-cabeças, como o benchmark medeARC-AGI-2
  • max de esforço
3º de 3líder: Claude Opus 5medido por concorrenteOpenAI
Raciocínio, como o benchmark medeGPQA Diamond
  • max de esforço, intervalo publicado de 83,38% a 88,34%
  • high de esforço, intervalo publicado de 80,67% a 85,99%
  • low de esforço, intervalo publicado de 75,88% a 81,7%
21º de 22líder: GPT-6 Astramedição independenteEpoch AI
Raciocínio, como o benchmark medeGPQA Diamond
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
Raciocínio, como o benchmark medeGPQA Diamond
  • max de esforço
3º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
Raciocínio, como o benchmark medeGPQA Diamond
único no grupomedido por concorrenteQwen
Terminal-Bench Science, como o benchmark medeversão 0.1
  • max de esforçoharness não declarado
3º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
Terminal-Bench Science, como o benchmark medeversão 0.1
  • harness não declarado
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
Código
Programação, como o benchmark medeArena WebDev (Code Arena)
  • high de esforço, intervalo publicado de 1.618,89 a 1.631,71
11º de 28líder: Claude Opus 5.5preferência humanaLMArena
CursorBench, como o benchmark medeversão 3.2
2º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
DeepSWE, como o benchmark medeversão 1.1
  • max de esforço
2º de 3líder: Claude Opus 5medido por concorrenteOpenAI
DeepSWE, como o benchmark medeversão 1.1
único no grupomedido por concorrenteQwen
DeepSWE, como o benchmark medeversão 1.1
único no grupomedido por concorrenteZ.ai
FrontierCode Extendedversão 1.1
  • max de esforço
1º de 3maior valor do grupomedido por concorrenteOpenAI
FrontierCode Mainversão 1.1
  • max de esforço
1º de 3maior valor do grupomedido por concorrenteOpenAI
FrontierSWE, como o benchmark mede
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
FrontierSWE, como o benchmark mede
único no grupomedido por concorrenteQwen
FrontierSWE, como o benchmark mede
único no grupomedido por concorrenteZ.ai
PostTrainBench
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
PostTrainBench
único no grupomedido por concorrenteZ.ai
SWE-bench Pro, como o benchmark mede
  • harness Claude Code, contexto 256K (nota 3 da model card)
único no grupomedido por concorrenteQwen
SWE-Marathon, como o benchmark medeversão 1.1
único no grupomedido por concorrenteZ.ai
SWE-Marathon, como o benchmark mede
  • max de esforçoharness Claude Code (rodape 2 da model card)
único no grupomedido por concorrenteMoonshot AI
Agentes
Agents' Last Exam (ALE-CLI), como o benchmark mede
único no grupomedido por concorrenteZ.ai
Agents' Last Exam (Pass), como o benchmark mede
  • xhigh de esforço
único no grupomedido por concorrenteMoonshot AI
Agents' Last Exam (Score), como o benchmark mede
  • max de esforço
2º de 2líder: Claude Opus 5medido por concorrenteOpenAI
Agentes, como o benchmark medeArena Agent
  • high de esforço, intervalo publicado de 7,06% a 9,67%
5º de 23líder: Claude Fable 5.1preferência humanaLMArena
AutomationBench, como o benchmark mede
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
AutomationBench, como o benchmark mede
  • max de esforço
3º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
AutomationBench, como o benchmark mede
único no grupomedido por concorrenteQwen
AutomationBench, como o benchmark mede
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
AutomationBench, como o benchmark medeversão 1.0.6
único no grupomedido por concorrenteZ.ai
BrowseComp
  • max de esforço
2º de 2líder: Claude Opus 5medido por concorrenteOpenAI
CyberGym
único no grupomedido por concorrenteZ.ai
DeepSearchQA
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
ExploitBench
único no grupomedido por concorrenteZ.ai
ExploitGym
  • max de esforço
2º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
MCP-Atlas
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
Terminal-Bench, como o benchmark medeversão 2.1
  • max de esforçoharness Terminus 2 via Artificial Analysis (melhor placar publicado, rodape 2 da model card)
único no grupomedido por concorrenteMoonshot AI
Terminal-Bench, como o benchmark medeversão 2.1
  • harness Terminus 2 via Artificial Analysis (melhor placar publicado, nota 2 da model card)
único no grupomedido por concorrenteQwen
Terminal-Bench, como o benchmark medeversão 2.1
  • harness não declarado
único no grupomedido por concorrenteZ.ai
Terminal-Bench, como o benchmark medeversão 3.0
  • harness não declarado
único no grupomedido por concorrenteZ.ai
Tarefas no terminal, como o benchmark medeTerminal-Benchversão 4.0
  • max de esforçoharness não declarado
3º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
Tarefas no terminal, como o benchmark medeTerminal-Benchversão 4.0
  • harness não declarado
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
Toolathlon
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
Toolathlon
único no grupomedido por concorrenteQwen
Toolathlon
único no grupomedido por concorrenteZ.ai
Conhecimento
Humanity's Last Exam, como o benchmark medeversão completa, com ferramentas
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
Humanity's Last Exam, como o benchmark medeversão completa, com ferramentas
  • max de esforço
2º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
Humanity's Last Exam, como o benchmark medeversão completa, com ferramentas
único no grupomedido por concorrenteQwen
Humanity's Last Exam, como o benchmark medeversão completa, com ferramentas
único no grupomedido por concorrenteZ.ai
Humanity's Last Exam, como o benchmark medeversão completa, com ferramentas
2º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
Prova muito difícil, como o benchmark medeHumanity's Last Examversão completa, sem ferramentas
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
Prova muito difícil, como o benchmark medeHumanity's Last Examversão completa, sem ferramentas
2º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
Uso de computador
OSWorld 2.0, como o benchmark medeversão 2.0, pontuação parcial
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
OSWorld 2.0, como o benchmark medeversão 2.0, pontuação estrita (binária)
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
OSWorld-Verified, como o benchmark mede
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
ScreenSpot-Pro
  • max de esforço
único no grupomedido por concorrenteOpenAI
Trabalho profissional
BenchCAD
  • max de esforço
3º de 3líder: Claude Fable 5.1medido por concorrenteOpenAI
GDPval-AA, como o benchmark medeversão v2
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
GDPval-AA, como o benchmark medeversão v2
único no grupomedido por concorrenteZ.ai
GDPval-AA, como o benchmark medeversão v2
3º de 3líder: Claude Fable 5.1reportado pelo fabricanteAnthropic
HealthBench Professional
  • max de esforço
1º de 3maior valor do grupomedido por concorrenteOpenAI
JobBench
  • max de esforço
único no grupomedido por concorrenteMoonshot AI
JobBench
único no grupomedido por concorrenteQwen
Preferência humana
Conversa, como o benchmark medeArena Text
  • high de esforço, intervalo publicado de 1.487,88 a 1.496,7
5º de 26líder: Claude Opus 5.5preferência humanaLMArena
Imagens, como o benchmark medeArena Vision
  • high de esforço, intervalo publicado de 1.318,93 a 1.333,61
1º de 17maior valor, empatado com 5 modelospreferência humanaLMArena
Índice composto
Nota geral, como o benchmark medeEpoch Capabilities Index
  • , intervalo publicado de 159,61 a 166,11
6º de 22empate com o líder, Claude Opus 5.5medição independenteEpoch AI

Resultado por nível de esforço, com a distância até os limites do intervalo publicado ao lado (± quando as duas metades são iguais). Posição: na ordem do grupo comparável no snapshot de 2 out 2026, quando o modelo ainda estava na tabela; o modelo não entra no ranking atual. Ver os grupos comparáveis no comparativo

Evidência: C medido por concorrente · I medição independente · F reportado pelo fabricante · H preferência humana.

Como ler estes números
MAX, XHIGH, HIGH, MEDIUM e LOW · nível de raciocínio
Muitos modelos podem pensar mais antes de responder, do nível mais alto (MAX) ao mais baixo (LOW). Mostramos o melhor resultado publicado e o nível usado nele; sem rótulo, a fonte não informou o nível ou usou o padrão do modelo.
Sinal = · empatados
A diferença entre eles é menor que a margem de erro da medição, então nenhum pode ser chamado de melhor. Nas tabelas, o sinal marca quem cruza o intervalo publicado pela fonte para o líder da coluna.
Letras de evidência
Dizem quem produziu o número: F: reportado pelo fabricante · C: medido por concorrente · I: medição independente · H: preferência humana · A: agregador · X: medido pela X-Apps.
não medido
Nenhuma fonte lida publicou resultado deste modelo neste benchmark. Não equivale a zero: a célula fica sem número.
Arena Agent, IPS (%) · Agentes
Mede o ganho do modelo quando executa tarefas com ferramentas, comparado a uma referência fixa. Valor negativo quer dizer abaixo dessa referência. Cada estimativa sai com intervalo de confiança.
Nota geral (Índice Epoch, ECI)
Quão capaz é no conjunto? Nota que a Epoch AI calcula juntando vários testes independentes. Quanto maior, mais capaz o modelo no geral.
Raciocínio (GPQA Diamond)
Resolve perguntas difíceis de ciência? Prova com perguntas de nível de doutorado em biologia, física e química. Mostra a porcentagem de acertos.
Programação (Arena WebDev)
Programadores preferem o código dele? Pessoas comparam, sem saber qual é qual, o código que dois modelos escrevem e votam no melhor. Quanto maior a pontuação, mais vezes ele vence.
Conversa (Arena Text)
As pessoas preferem as respostas dele? Pessoas fazem a mesma pergunta a dois modelos anônimos e votam na melhor resposta. Quanto maior a pontuação, mais vezes ele vence.
Imagens (Arena Vision)
Entende bem imagens? Mesma votação às cegas da conversa, com perguntas sobre imagens.
Quebra-cabeças (ARC-AGI-2)
Resolve problemas que nunca viu? Quebra-cabeças visuais feitos para medir a capacidade de aprender uma regra nova a partir de poucos exemplos.
Prova muito difícil (Humanity's Last Exam)
Acerta questões no limite do conhecimento humano? Milhares de questões escritas por especialistas para serem difíceis até para os melhores modelos.
Correção de código (SWE-bench Verified)
Corrige problemas reais em projetos de software? Problemas reais de projetos de código aberto; conta quantos o modelo resolve sem ajuda.
Tarefas no terminal (Terminal-Bench)
Opera um computador pela linha de comando? Tarefas de engenharia executadas no terminal, do começo ao fim, sem intervenção humana.
Pedaço de texto · token
A unidade que os fabricantes cobram. Um milhão de tokens equivale a centenas de milhares de palavras.
Preço da pergunta · Entrada (input), US$ por milhão de tokens
Quanto custa o texto que você manda ao modelo: pergunta, instruções e documentos.
Preço da resposta · Saída (output), US$ por milhão de tokens
Quanto custa o texto que o modelo escreve de volta. Costuma ser mais caro que o envio.
Preço médio de uso · Preço combinado 3:1 (três partes de entrada para uma de saída)
Uma média que pesa o envio três vezes mais que a resposta, que é a proporção comum de uso.
Dólar oficial · PTAX de venda do Banco Central
Os valores em reais usam a cotação oficial que o Banco Central publica todo dia útil, sem IOF nem spread do banco.
Quanto texto lê de uma vez · Janela de contexto (tokens)
O tamanho máximo de conversa e documentos que o modelo consegue considerar numa única pergunta.
Código aberto · Pesos abertos
O fabricante publica o modelo para baixar e rodar em servidor próprio. A licença diz o que é permitido.

Perguntas frequentes

Respostas com os números deste snapshot, os mesmos da ficha, da tabela de preços e do custo por caso.

O Claude Fable 5 custa US$ 10,00 de entrada e US$ 50,00 de saída por milhão de tokens (fonte: Anthropic, tabela oficial de preços). Pela PTAX de venda de 2 out 2026, R$ 5,2238 por dólar, isso dá R$ 52,24 de entrada e R$ 261,19 de saída. Snapshot de 2 out 2026; IOF e spread ficam fora da conta.

Ver a tabela de preços

Continue no comparativo

A tabela com todos os modelos lado a lado, as páginas por caso de uso e modelos parecidos com este.

Comparativo e casos de uso

Modelos parecidos

Quer colocar este modelo para trabalhar no seu caso?

A X-Apps desenha, opera e governa soluções com estes modelos. A escolha depende da sua carga, do seu dado e do seu risco.

Chatbot com IA para a sua empresa

Acelere a sua empresa com a X-Apps

Alocar profissionaisSolicitar Orçamento
A X-Apps é um provedor de TI parceiro e aconselhada pelo
Gartner
Siga a X-Apps