Claude Fable 5 criou um vídeo completo a partir de um único prompt

Claude Fable 5 criou um vídeo completo a partir de um único prompt

Escrevi um prompt. Não escrevi um roteiro. Não gravei um único segundo de áudio. Não abri o HeyGen, o ElevenLabs nem um editor de vídeo. Não toquei no ffmpeg. Cerca de uma hora depois, um vídeo do YouTube finalizado e pronto para upload estava na minha pasta de saída — narrado com a minha própria voz, com um avatar que se movia como eu, e com motion graphics que apareciam exatamente na palavra certa.

O modelo que fez tudo isso foi o Claude Fable 5, o novo modelo de classe Mythos da Anthropic que ficou disponível de forma geral em 9 de junho de 2026. E o que continuo pensando três dias depois não é como o vídeo ficou bom. É que todo o pipeline de produção — a parte que eu costumava orquestrar manualmente entre três ou quatro ferramentas — colapsou numa única instrução dada a um modelo que simplesmente... executou tudo.

Tenho construído pipelines de vídeo com IA há meses. Sei exatamente quanto código de conexão, lógica de fragmentação e supervisão normalmente são necessários. Então quando digo que esta execução foi diferente, não estou reagindo a um reel de demonstração. Estou reagindo a assistir um modelo realizar, de forma autônoma, o trabalho de orquestração que eu havia escrito manualmente e descrito em detalhe no meu build do pipeline de vídeo HeyGen + ElevenLabs + Claude Code. Este post é o relato honesto dessa execução — o que custou, o que realmente fez, onde não é determinístico, e onde eu ainda manteria a mão no volante.

O que "classe Mythos" realmente significa agora

Deixe-me ancorar o modelo antes do vídeo, porque o nível de capacidade é toda a história.

Durante a maior parte do último ano, "Mythos" era um rumor e depois um vazamento. Escrevi sobre isso quando a Anthropic expôs acidentalmente o modelo sob o codinome Capabra — o contexto completo está na minha análise do vazamento do Claude Mythos. Na época, Mythos era um nível acima do Opus que quase ninguém conseguia acessar. Era restrito a um pequeno grupo de parceiros de segurança verificados e ciberdefensores.

Isso mudou em 9 de junho. A Anthropic lançou o Claude Fable 5 como o modelo de classe Mythos disponível publicamente — o mesmo nível de capacidade subjacente, com estruturas de segurança para lançamento geral. (A variante completamente desbloqueada, Claude Mythos 5, continua restrita a um grupo reduzido de parceiros de infraestrutura e segurança.) Segundo o lançamento da Anthropic, o Fable 5 está disponível hoje na API e em planos Enterprise baseados em consumo, e foi incluído nos planos Pro, Max e Team sem custo adicional até 22 de junho.

Eis o que o nível oferece, e por que importa para uma tarefa de horizonte tão longo como fazer um vídeo:

• Programação numa escala que eu nunca vi antes. O anúncio da Anthropic descreve o Fable 5 executando uma migração completa numa base de código Ruby de aproximadamente 50 milhões de linhas em um único dia — trabalho que a empresa enquadra como normalmente levando mais de dois meses para uma equipe. Não consigo reproduzir essa afirmação pessoalmente; não tenho um monólito Ruby de 50M linhas por aí. Mas indica que tipo de trabalho sustentado e em múltiplas etapas o modelo consegue manter sem perder o fio.
• Visão que reconstrói, não apenas descreve. Ele pode reconstruir código-fonte de aplicações web a partir de capturas de tela, e a Anthropic mostrou ele jogando Pokémon Fire Red a partir de pixels brutos de tela sem auxiliares de navegação.
• Memória de horizonte longo. Esta é a que realmente torna o vídeo possível. O Fable 5 usa memória baseada em arquivos — escreve notas para si mesmo, relê e mantém sua posição ao longo de uma tarefa longa. A Anthropic relata que ele alcança o ato final de Slay the Spire cerca de três vezes mais frequentemente que seu predecessor, Opus 4.8. Uma produção de vídeo é exatamente esse tipo de maratona: dezenas de etapas dependentes onde esquecer a etapa 4 arruína a etapa 19.

Esse mecanismo de memória merece mais que um tópico, porque é a diferença entre "demo legal" e "isso realmente terminou." Uma execução completa de vídeo não cabe numa única janela de contexto — nem mesmo numa de 1M tokens. Quando o modelo está renderizando motion graphics na fase quatro, o roteiro que escreveu na fase um e as decisões de fragmentação da fase dois estão milhares de passos atrás. Coisas tão distantes são comprimidas, resumidas ou empurradas para fora da janela ativa completamente. Com um modelo normal, é aí que as rodas saem: ele esquece que o cartão de estatísticas deveria aparecer na palavra "cinquenta milhões," ou re-deriva um comprimento de fragmento que já havia estabelecido, e o timing desvia.

O Fable 5 contorna isso tratando o sistema de arquivos como memória ao invés de depender apenas da janela de contexto. Observando seus logs, eu podia ver ele literalmente escrevendo notas entre fases — um arquivo contínuo de decisões como quais fragmentos de áudio correspondiam a quais clips de avatar, quais eram as durações alvo, qual gráfico disparava em qual marca temporal. Então, fases depois, ele relia essas notas ao invés de tentar lembrar. É o mesmo truque que um editor humano usa: você não mantém toda a lista de decisões de edição na cabeça, você mantém um arquivo de projeto e o consulta. O modelo externalizou seu próprio estado para que o horizonte longo deixasse de ser um problema de memória e se tornasse um problema de consulta. Para qualquer coisa multifase — não apenas vídeo, mas qualquer trabalho agêntico que rode mais tempo do que uma única janela de contexto pode conter — essa é a capacidade que importa mais que throughput bruto de tokens.

A etiqueta de preço é a parte que você não pode ignorar. O Fable 5 roda a aproximadamente $10 por milhão de tokens de entrada e $50 por milhão de tokens de saída — menos da metade do que o Mythos Preview custava, mas ainda o modelo frontier mais caro em circulação geral agora. Guarde esse número. Ele se torna toda a conversa de "você deveria fazer isso?" no final deste post.

Esse é o motor. Agora a execução.

O prompt que substituiu todo o meu pipeline

A configuração que dei foi deliberadamente preguiçosa, de propósito. Eu queria ver quanto eu podia não fazer.

Apontei o Fable 5 para o próprio anúncio de lançamento do Fable 5 da Anthropic e pedi que fizesse um vídeo do YouTube explicando o lançamento — na minha voz, no meu formato, pronto para upload. Dei a ele um playbook de voz (mais sobre isso abaixo), meu contexto de marca, e uma regra rígida que vou continuar repetindo: não pare até estar 100% confiante de que o resultado é de alta qualidade. Essa frase fez mais trabalho que qualquer outra linha no prompt.

Então deixei rodar.

O que ele fez em seguida é a parte que reorganiza como penso sobre "geração de vídeo com IA." Ele não gerou um vídeo como um modelo de texto para vídeo faz — não houve um único render mágico. Em vez disso, executou uma produção real, o mesmo pipeline de cinco etapas que eu normalmente conduziria manualmente, exceto que eu não estava conduzindo. Aqui está a sequência que executou.

1. Escreveu o roteiro — e verificou os fatos primeiro

Antes de escrever uma palavra de narração, o Fable 5 leu o anúncio completo da Anthropic e verificou as afirmações contra ele. Então escreveu o roteiro na minha voz — não uma voz genérica de "explicador de IA", mas a minha, extraída de um playbook de voz que eu havia montado a partir de transcrições dos meus vídeos anteriores. O ritmo das frases, a forma como abro com um número, meu hábito de dizer "aqui está a parte que importa" — captou tudo isso.

Este é o primeiro ponto onde o nível Mythos se paga. A geração de roteiros de vídeo que mantém uma voz consistente ao longo de uma peça longa é na verdade uma tarefa de horizonte longo disfarçada. Modelos mais fracos derivam — o parágrafo três soa como um escritor diferente do parágrafo oito. O Fable 5 permaneceu no personagem o tempo todo porque estava literalmente fazendo anotações sobre suas próprias decisões de estilo na memória baseada em arquivos enquanto trabalhava.

2. Sintetizou a voz em fragmentos para evitar a deriva

O roteiro finalizado foi para o ElevenLabs para áudio através do meu clone de voz. E aqui está um detalhe que acho silenciosamente impressionante: ele não despejou o roteiro inteiro numa única chamada de API. Segmentou a narração em fragmentos de pouco menos de um minuto antes de enviá-los.

Isso não é arbitrário. Os clones de voz instantâneos do ElevenLabs ficam menos consistentes quanto mais a solicitação se afasta do material de referência e quanto mais longa a geração contínua — a cadência aplana, artefatos se infiltram. Aprendi isso da maneira difícil meses atrás e codifiquei ~45–60 segundos de fragmentação no meu pipeline manual. O Fable 5 chegou à mesma restrição por conta própria e fragmentou aproximadamente no mesmo comprimento. Entendeu o modo de falha da ferramenta downstream sem que eu especificasse.

3. Animou o avatar com HeyGen Avatar 5

Cada fragmento de áudio foi para o HeyGen, renderizado com o mais recente motor de movimento Avatar 5. O Avatar 5 constrói um gêmeo fotorrealista a partir de apenas um clip de 15 segundos e é a versão que finalmente corrigiu o visual "plástico" — movimento mais natural de cabeça e corpo, sincronização labial mais precisa, micro-expressões reais.

Houve um detalhe genuinamente interessante de autonomia aqui. Nos meus testes anteriores, o Avatar 5 não estava totalmente exposto pela API pública do HeyGen, então tive que automatizar um navegador com Playwright para acessá-lo. O Fable 5 lidou com a lacuna equivalente conduzindo automação de navegador ele mesmo quando o caminho da API era limitado — e agora que o HeyGen suporta o motor mais novo mais diretamente, ele mudou para a chamada direta. Adaptou-se à superfície de integração ao invés de falhar nela.

4. Editou e construiu cada motion graphic em código

Aqui é onde parou de ser "colar uns clips" e se tornou edição real.

O Fable 5 usou ffmpeg para unir os clips de avatar. Mas os gráficos são a parte em que quero que você pare um momento: construiu cada motion graphic como animações HTML codificadas com GSAP (GreenSock — ficava chamando de "Gap" nos próprios logs, o que me fez rir) dentro do Hyperframes, o framework de renderização open-source do HeyGen. Se quiser a versão profunda dessa camada específica, documentei a construção a partir de um único prompt no meu tutorial de motion graphics com Hyperframes a partir de um prompt — o Fable 5 fez a mesma coisa aqui, mas como uma fase dentro de uma tarefa autônoma maior.

Os gráficos não eram decorativos. Estavam sincronizados com as palavras faladas — um cartão de estatísticas aparecendo no instante em que a narração dizia o número, uma etiqueta pousando no termo enquanto eu o "dizia." Para acertar isso, o modelo renderizou frames, olhou para eles, detectou seus próprios erros de timing e renderização, e corrigiu até atingir o limiar de qualidade. Estava fazendo QA visual na própria saída.

5. Verificou tudo com QA multi-agente

A última fase foi um fluxo de trabalho dinâmico multi-agente: subir agentes para tirar capturas de tela da saída renderizada, verificar visualmente que o conteúdo correspondia ao roteiro, checar se os gráficos dispararam a tempo, e confirmar que nada quebrou. Só depois dessa passagem declarou o vídeo pronto.

A saída foi um vídeo do YouTube totalmente verificado e pronto para upload. Assisti do início ao fim antes de tocar em qualquer coisa. Era genuinamente bom.

O que realmente custou: o recibo de tokens e dólares

Prometi que o preço voltaria. Aqui está, com números reais da execução.

Toda a produção — do roteiro ao vídeo finalizado — consumiu aproximadamente 380.000 tokens. O fluxo completo rodou em cerca de uma hora. E em termos de orçamento do plano, consumiu cerca de 40% de um plano de $200/mês nessa única execução.

Deixe-me traduzir isso, porque contagens de tokens são abstratas e dólares não. Na taxa do Fable 5 de $10 por milhão de entrada e $50 por milhão de saída, uma execução autônoma de vídeo de uma hora não é um erro de arredondamento. Se você produz um vídeo flagship por semana, o custo do modelo é real mas defensável. Se está tentando produzir volume diário dessa forma, vai sentir rápido — e vai querer pensar seriamente sobre quais etapas realmente precisam de raciocínio de classe Mythos e quais poderiam rodar num modelo mais barato.

Aqui está a avaliação honesta a que cheguei:

• Ganho rápido: A economia de mão de obra é imediata e enorme. O tempo humano depois de "vai" foi efetivamente zero. Sem gravações, sem sessão de edição, sem rodadas de revisão. Só isso já muda a economia de qualquer operação de conteúdo que publica vídeo regularmente.
• O custo real: É computação, não mão de obra. Você trocou a fatura de um editor e quatro horas do seu próprio tempo de gravação por uma conta de tokens e um modelo que é o mais caro do mercado. Para trabalho profissional de alto valor ou alto volume, essa troca é uma barganha. Para um canal de hobby que posta ocasionalmente, é exagero — você vai queimar orçamento do plano mais rápido do que vai recuperar.

Deixe-me tornar o custo por vídeo concreto, porque "40% de um plano" só significa algo se você fizer a multiplicação. Uma execução foi ~380K tokens e ~40% de um plano de $200/mês, o que coloca o custo efetivo desse único vídeo em algo perto de $80 de orçamento do plano. Rode com preços de API brutos e a forma é similar: 380K tokens pendendo para saída a $10/M de entrada e $50/M de saída fica na mesma faixa de aproximadamente $15–$25 em inferência pura se a maioria desses tokens for saída, antes de contar as tentativas e passagens de QA que nem sempre aparecem numa estimativa limpa. De qualquer forma, calcule dezenas de dólares por vídeo finalizado, não centavos.

Agora escale. Um vídeo flagship por semana são cerca de 1,6M tokens por mês — confortavelmente dentro de um plano de $200 com margem de sobra, e uma decisão óbvia contra o que um editor cobra. Suba para um vídeo por dia e você está em ~11,4M tokens por mês só desta etapa; terá esgotado um único plano de $200 em aproximadamente duas execuções e estará pagando tarifas de API pelo resto. A três vídeos por dia para uma equipe de conteúdo, a conta do modelo deixa de ser uma nota de rodapé e se torna uma linha que alguém precisa defender numa reunião de orçamento. Essa é a verdadeira fronteira de decisão: Fable 5 de ponta a ponta é magnífico para produção de baixo volume e alto valor, e fica caro rápido no momento em que "autônomo" vira "sempre ligado."

Se você quer uma configuração otimizada para manter esse custo baixo — escolhendo onde gastar raciocínio de modelo frontier e onde descer para algo mais barato — esse é exatamente o tipo de trabalho de arquitetura de pipeline que eu faço pelo meu Fiverr. A lógica de orquestração é onde o dinheiro é economizado ou desperdiçado.

Essa é a matemática. Agora a parte que os demos de lançamento não te contam.

A real: onde isso quebra e no que eu não confio ainda

Eu estaria te fazendo um desserviço se parasse em "fez um vídeo e ficou ótimo." Três coisas dessa execução merecem seu ceticismo.

Não é determinístico, e isso é mais importante do que parece. Executei o mesmo prompt de novo para ver se obteria o mesmo vídeo. Não obtive. Nem de perto em alguns pontos. O próprio enquadramento da Anthropic reconhece isso: repetir um prompt idêntico pode não reproduzir a saída, em parte porque o sistema depende de habilidades e fluxos de trabalho preexistentes que não estão totalmente expostos ou fixados. Para uma peça criativa única, tudo bem. Para um processo de produção repetível que você quer rodar cem vezes com resultados consistentes, o não-determinismo é um risco operacional real. Você ainda não pode tratar isso como um script de build determinístico. Você trata como um contratado muito rápido e muito capaz que faz trabalho excelente ligeiramente diferente a cada vez.

"Autônomo" ainda precisa de um portão de qualidade humano. A saída passou a própria QA do modelo. Ainda assim recebeu minha revisão antes de eu publicar. A verificação multi-agente é genuinamente boa — pega renders quebrados e falhas de timing — mas "o modelo está 100% confiante" e "isso representa minha marca do jeito que eu quero" não são o mesmo padrão. Aquele limiar de confiança no prompt é o que produziu resultados profissionais; não é substituto para o último olhar humano.

O conhecimento de fragmentação e ferramentas vem embutido, e isso corta dos dois lados. Parte do porquê isso funcionou tão bem é que o modelo já "sabia" coisas como o problema de deriva do ElevenLabs e o fluxo de renderização do Hyperframes. Isso é ótimo até suas ferramentas mudarem. Quando ElevenLabs ou HeyGen lançam uma atualização que quebra compatibilidade, um fluxo embutido pode fazer confiantemente a coisa antiga. O outro lado: a metodologia não está presa ao Fable 5. A mesma abordagem de pipeline se adapta para baixo a um modelo como Sonnet para as etapas que não precisam de raciocínio frontier — e é exatamente assim que você domaria o custo.

O que eu realmente tive que supervisionar. "Autônomo" se lê mais limpo num título do que se sentiu na prática. O não-determinismo não foi uma ressalva abstrata — ele me mordeu. Minha segunda execução desviou: reestruturou o roteiro numa ordem diferente e re-temporizou gráficos que tinham pousado perfeitamente na primeira vez, então a versão polida da primeira execução não era algo que eu pudesse simplesmente regenerar sob demanda. Tive que guardar a boa saída, não confiar que o processo a recriaria. A lacuna do HeyGen foi a outra borda áspera. Como o Avatar 5 não estava totalmente acessível pela API pública nos meus testes anteriores, o modelo recorreu a conduzir um navegador para fazer o render — e automação de navegador contra uma aplicação web ao vivo é exatamente aquela camada frágil, lenta, de "o botão mudou de lugar?" que você não quer num pipeline desatendido. Funcionou, mas é o tipo de coisa que quebra silenciosamente quando o markup do site muda, e é por isso que eu monitorei essa fase ao invés de ir embora. O suporte nativo chegando para o motor mais novo é o que permitiu mudar para a chamada direta mais limpa, e isso é um lembrete de quanto dessa "mágica" repousa em superfícies de integração que o modelo não controla.

Mais uma nota honesta: a maior alavanca em toda a execução não foi a potência bruta do modelo. Foi engenharia de prompt com propósito — dar contexto claro, um playbook de voz real, e um padrão de qualidade explícito e não negociável. A instrução "pare apenas quando 100% confiante de alta qualidade" faz trabalho pesado. Dê ao Fable 5 um prompt vago e você vai receber um vídeo vago e caro. O modelo recompensa precisão na proporção do seu preço.

Então você realmente deveria fazer isso?

Aqui está minha leitura direta depois de viver com a saída por alguns dias.

Se você publica vídeo em volume profissional — aulas de cursos, explicadores de produto, um canal de conteúdo com cadência real — o Claude Fable 5 muda sua matemática de produção hoje. Não ano que vem. O gargalo que eu vinha trabalhando por meses, onde um humano ainda tinha que orquestrar as ferramentas mesmo depois que a IA fez as partes difíceis, se moveu. Um modelo agora segura todo o pipeline.

Se você faz um vídeo ocasional por diversão, isso é um magnífico exagero. Use a versão mais barata e construída à mão — e francamente, continue filmando as coisas que genuinamente são você. Eu ainda gravo meus vídeos pessoais do YouTube eu mesmo. Esse pipeline é para conteúdo escalável, não para as coisas onde minha presença real e sem ensaio é o ponto.

A fronteira que esta execução realmente marca não é "IA pode fazer vídeos." Temos texto-para-vídeo medíocre há dois anos. A fronteira é um prompt, de ponta a ponta, totalmente autônomo, saída profissional — roteiro, voz, avatar, edição e auto-QA, com um humano escrevendo nada além do briefing. Isso é novo. E aponta para algo maior: criação multimídia com IA cada vez mais autônoma onde o papel humano se comprime para direção e julgamento, e tudo entre a intenção e o arquivo finalizado é tratado por um modelo que faz suas próprias anotações e verifica seu próprio trabalho.

Perguntas frequentes

O que é Claude Fable 5?

Claude Fable 5 é o primeiro modelo de classe Mythos disponível publicamente da Anthropic, lançado em 9 de junho de 2026 — um nível de capacidade acima do Claude Opus 4.8. Possui uma janela de contexto de 1M tokens, memória de horizonte longo baseada em arquivos e forte desempenho em visão e programação, com preço de $10 por milhão de tokens de entrada e $50 por milhão de tokens de saída.

O Claude Fable 5 realmente pode fazer um vídeo completo a partir de um prompt?

Sim — no meu teste ele produziu um vídeo do YouTube completo e pronto para upload a partir de um único prompt, orquestrando seu próprio pipeline: geração de roteiro, síntese de voz com ElevenLabs, animação com HeyGen Avatar 5, edição com ffmpeg, motion graphics com GSAP no Hyperframes, e QA visual multi-agente. A saída não é determinística, então executar o mesmo prompt de novo não vai reproduzir o mesmo vídeo.

Quanto custa produzir um vídeo com Claude Fable 5?

Minha execução de uma hora usou aproximadamente 380.000 tokens e consumiu cerca de 40% de um plano de $200/mês. A $10/$50 por milhão de tokens de entrada/saída, é custo-efetivo para vídeo profissional de alto valor ou alto volume, mas caro para uso ocasional ou de hobby. A economia vem da eliminação do trabalho de gravação e edição, não de computação barata.

Esse pipeline de vídeo só funciona com Claude Fable 5?

Não. A metodologia se adapta a outros modelos, incluindo Claude Sonnet, para etapas que não requerem raciocínio de nível frontier. Para o build manual completo, veja meu guia do pipeline HeyGen + ElevenLabs + Claude Code acima — o Fable 5 automatiza a orquestração que você de outra forma montaria sozinho.

Por que a saída de vídeo do Claude Fable 5 não é determinística?

Executar o mesmo prompt produz vídeos diferentes porque o modelo depende de habilidades e fluxos de trabalho preexistentes que não estão totalmente fixados ou expostos, mais variância inerente de geração. Para produção repetível em escala, esse não-determinismo é um risco operacional que você precisa planejar ao invés de ignorar.

Vamos trabalhar juntos

Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.

• Fiverr (builds personalizados e integrações): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e branding): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io