A primeira coisa que fiz quando o Claude Fable 5 regressou foi recusar-me a dar-lhe uma tarefa — uma forma estranha de abrir um apanhado de casos de uso do Claude Fable 5, admito.
Parece uma desculpa. Não foi. Tinha acabado de ver três dias da minha janela de utilização evaporarem-se em prompts que qualquer modelo mais barato teria resolvido, e já tinha feito as contas ao que acontece depois de a janela gratuita fechar — por isso abri uma sessão nova e escrevi algo mais próximo de um desafio do que de um prompt: «Tens memória de tudo aquilo em que trabalhámos. Olha para os meus projetos e diz-me as cinco tarefas mais complexas e de maior valor em que realmente vale a pena gastar-te. Não toques em nada confidencial. Limita-te a ordená-las.»
Devolveu-me uma lista que eu não teria escrito sozinho. E essa lista tornou-se a espinha dorsal dos cinco casos de uso do Claude Fable 5 que quero mostrar-lhe, porque a verdadeira competência esta semana não é escrever prompts para o modelo — é decidir para onde o apontar. Tem até 12 de julho de 2026 — a Anthropic adiou o prazo original de 7 de julho em cinco dias depois dos protestos dos subscritores. Depois disso, o depósito gratuito acaba.
Porque é que 50% do seu limite semanal é um problema de orçamento, não uma funcionalidade
Deixe-me pôr a restrição em cima da mesa antes da parte divertida, porque ela muda todas as decisões que se seguem.
Quando a Anthropic voltou a disponibilizar o Fable 5 a 1 de julho — depois de cerca de 18 dias completamente às escuras sob controlos de exportação dos EUA que entraram em vigor a 12 de junho e foram levantados a 30 de junho — não se limitou a reintegrá-lo nas subscrições como se nada tivesse acontecido. Nos planos Pro, Max, Team e em alguns planos Enterprise, o Fable 5 mantém-se gratuito até 12 de julho — limitado a metade da sua quota semanal de utilização (a Anthropic adiou o prazo original de 7 de julho em cinco dias). Ao atingir esse teto, passa para outro modelo durante o resto da semana, ou continua com créditos de utilização. E o preço em créditos do Fable 5 não é um erro de arredondamento: 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída, segundo a tabela de preços da própria Anthropic. É cerca do dobro do Opus 4.8.
Portanto, eis a situação real. Metade da sua capacidade semanal, no modelo mais capaz que a Anthropic disponibiliza, está parada na sua conta como um cartão-oferta com prazo de validade. A maioria das pessoas vai gastá-la a pedir ao Fable para renomear variáveis. Vi-me a começar a fazer exatamente isso, e foi por isso que a jogada de «fazê-lo ordenar o seu próprio trabalho» foi importante — obrigou-me a tratar a janela como um orçamento, não como um brinquedo.
Se quiser a história atribulada da proibição, o drama da destilação e o que é real versus ruído de comunicado de imprensa — isso é uma toca de coelho para outro dia. Este artigo é o oposto. Isto é sobre onde vão parar os créditos.
Mais uma nota de enquadramento e depois os cinco. Há um artigo companheiro deste: já mapeei oito fluxos de trabalho táticos para a janela gratuita — revisão de código, auditorias com /loop, as coisas rápidas. Pense nesse artigo como o menu de resultados rápidos. Este vai na direção oposta. Menos casos de uso, cada um mais profundo, cada um construído em torno de uma única ideia que demorei um dia inteiro a acreditar de verdade: o Fable 5 justifica o seu preço quando o obrigamos a extrair insight de uma grande pilha de contexto e depois a agir sobre ele. Prompts pequenos desperdiçam-no. Contexto grande alimenta-o.
Caso de uso 1: peça ao Fable 5 que encontre o seu próprio melhor trabalho
Comece por aqui, literalmente. Este é o prompt com maior alavancagem que vai enviar durante toda a semana, e custa quase nada.
A vantagem estrutural do Fable 5 sobre os modelos mais baratos não é o raciocínio em bruto — é o facto de carregar memória das suas interações e projetos anteriores. A maioria das pessoas nunca explora isso. Trata cada sessão como um arranque a frio. Mas se o deixar ler transversalmente o trabalho que realmente fez, ele consegue fazer algo que você não faz bem por si próprio: olhar para o tabuleiro inteiro de uma vez e dizer-lhe onde está o valor concentrado.
O prompt em que assentei foi direto: revê os meus projetos, identifica as cinco tarefas mais complexas e valiosas adequadas às tuas capacidades, não violes nada confidencial e ordena-as por alavancagem. Eis o que veio de volta, por ordem:
- Fazer um teste de stress à minha estratégia para a segunda metade do ano — o plano do H2, bem escrutinado.
- Desenhar uma nova oferta de nível premium — um escalão de negócio mais caro à volta do qual eu andava a rondar, mas que nunca tinha ganhado forma.
- Executar uma auditoria de conteúdo-para-conversão em todas as plataformas, com dados da minha newsletter, do YouTube e das APIs ligadas.
- Minerar mais de três anos de conteúdo arquivado e transformá-los num roadmap de conteúdos para o futuro. (Sinalizou este como intensivo em utilização — mais sobre isso adiante.)
- Auditar e consolidar o meu sistema pessoal de skills — as mais de 40 skills de IA sobre as quais corro o meu fluxo de trabalho de criador.
Repare no fio condutor. Todas têm a mesma forma: um grande corpus de contexto a entrar, um insight sintetizado e uma próxima ação a sair. Não é coincidência — é o Fable a dizer-lhe onde a sua janela de contexto de 1M de tokens e a memória persistente realmente compensam. As tarefas que ele não classificou bem eram as pequenas e bem delimitadas. Ele sabia melhor do que eu que essas não valiam o seu preço.
Portanto, a meta-jogada é simples, e eu fá-la-ia antes de tudo o resto: gaste uma fatia minúscula da janela gratuita a pedir ao Fable que planeie o resto da janela gratuita. Depois, vá descendo a lista. Quatro dos meus cinco casos de uso abaixo saíram diretamente dela.
O que significa que a próxima pergunta óbvia é: como é que «fazer um teste de stress à minha estratégia» fica na prática quando o executamos? Esse transformou-se no caso de uso que eu não vi chegar.
Caso de uso 2: como obtenho conselhos estratégicos a sério de uma IA?
Resposta curta: não os obtém do modelo. Obtém-nos do contexto que dá ao modelo. O Fable 5 só é tão bom estratega quanto a situação que lhe entrega — e quase ninguém lhe entrega o suficiente.
Este era o caso de uso n.º 1 na lista ordenada dele próprio, e tornou-se aquilo de que me vou lembrar de toda a janela gratuita. Não porque a IA fosse inteligente. Porque finalmente dei a uma IA o suficiente do meu mundo real para dizer algo não genérico.
Eis o contexto que carreguei antes de fazer uma única pergunta:
- Um documento de plano detalhado — os meus objetivos anuais, mais os princípios de decisão pelos quais realmente me rejo. Coisas como «o trabalho deve saber a brincadeira» e «manter o essencial como essencial». Parece mole. É o oposto. Esses princípios são o filtro contra o qual os conselhos são avaliados.
- Posicionamento do negócio — cliente-alvo, nicho, as dores específicas que resolvo e como me diferencio das alternativas óbvias.
- O panorama competitivo — quem mais está na mesma faixa.
- Contexto pessoal — o que me drena energia versus o que a gera, mais o retrato honesto da vida e das finanças.
Depois liguei os dados em tempo real. Esta é a parte que separa uma avaliação a sério de um horóscopo. Através de APIs e conectores MCP, liguei o Fable aos números reais: Mercury para a banca, Substack para as estatísticas da newsletter, YouTube analytics para o crescimento do canal, Vercel para o tráfego do site e Google Workspace para os documentos e folhas de cálculo onde o plano vive. Se já viu como ligo o Fable a sistemas externos para prospeção de leads através do conector Clay, este é o mesmo princípio apontado para dentro — para o meu próprio negócio em vez de uma lista de potenciais clientes.
Embrulhei tudo numa skill personalizada /advisor para poder voltar a executá-la mais tarde sem reconstruir a configuração. A instrução, mais ou menos: analisa em profundidade o documento de plano e o calendário de conteúdos, extrai os dados externos e gera uma avaliação de negócio detalhada de uma página com um foco claro para os próximos três meses.
O detalhe que fez tudo cantar, porém, foi uma pequena escolha de design dentro dessa skill. Disse-lhe para convocar um conselho de três personas sempre que o conselho ficasse incerto: um cliente (isto ajuda mesmo a pessoa que eu sirvo?), um cético (qual é o argumento mais forte de que isto está errado?) e um operador de execução (ok, mas quem faz o quê na segunda-feira?). Em vez de uma única voz confiante a acenar com generalidades, obtive um pequeno debate interno. Era aí que vivia o que interessa — na discordância.
O resultado foi um relatório genuíno de uma página, denso de números reais, porque os números vinham das APIs ligadas e não do nada. A essência: o negócio está no bom caminho. As receitas de patrocínios e da newsletter estão ambas ativas e saudáveis. O YouTube cresce de forma constante. E depois a parte de que eu precisava — o foco do próximo trimestre: melhorar a retenção de subscritores pagos (não apenas a aquisição), manter os compromissos com patrocinadores em dia antes que se acumulem, deslocar o conteúdo para tutoriais práticos de construção e corrigir um fluxo de renovação de subscrições anuais com fugas que me estava a custar dinheiro em silêncio.
Nada disto é conselho genérico. Não se consegue obter «o teu fluxo de renovação anual está avariado» de um modelo que não consegue ver os seus números adjacentes ao Stripe. É esse o ponto todo.
Eis a limitação honesta. Isto não é uma ferramenta de «o que devo responder a este email». A este preço, o Fable é desperdiçado em decisões do próprio dia. Onde ele justifica a taxa de 50 dólares por milhão de tokens de saída é no horizonte de 3 a 6 meses, ou até anual — as questões estratégicas em que ser 15% mais inteligente na direção se compõe em dinheiro real. Alimente-o com um plano estruturado mais dados em tempo real, faça uma pergunta de longo horizonte, e obtém algo pelo qual um consultor cobraria um dia inteiro de honorários. Pergunte-lhe o que almoçar e acabou de deitar dinheiro à fogueira.
Este é o caso de uso do aconselhamento. Mas a lista ordenada também tinha um tipo de tarefa muito diferente — um em que «insight a partir de uma grande pilha de contexto» significava ler código em vez de ler a minha vida.
Caso de uso 3: deixe o seu projeto pronto a lançar
O Fable 5 é o melhor caçador de bugs pré-lançamento que já pus à frente de uma base de código. Não «bom para uma IA». O melhor, ponto final, face aos outros modelos de fronteira com que o comparei.
O banco de ensaio foi uma app de fitness que construí sobretudo com o Codex e o GPT-5.5 — registo de treinos, uma marcação de progresso em tempo real à medida que se avança na sessão, vistas de calendário e análise histórica de peso e volume ao longo do tempo. Funcionava. Os testes unitários estavam verdes. Estava quase a dá-la por terminada, que é exatamente o momento perigoso, porque «os testes passam» e «é seguro lançar» não são a mesma frase.
O prompt foi deliberadamente implacável: revê a base de código inteira, encontra todos os bugs, casos-limite e falhas de UX, e lista todos os problemas que precisam de correção — mantém uma fasquia de qualidade elevada.
O Fable lançou cinco agentes e pôs-se a trabalhar em paralelo. Voltou a correr a suite unitária completa (continuava verde). E depois encontrou mais de uma dúzia de bugs graves pelos quais os testes verdes tinham passado ao lado. Os que me deram um aperto no estômago:
- Fuga de dados entre sessões de utilizadores num fim de sessão involuntário — um utilizador podia ver dados de outro utilizador. Isso não é um bug, é um incidente à espera de data marcada.
- Pesos negativos aceites sem validação, a envenenar silenciosamente a análise histórica.
- Um cenário de sincronização na nuvem que podia partir-se em definitivo — não «tentar de novo e recuperar», mas ficar preso.
- Vários bugs de integração de APIs e de routing que os testes unitários nunca exercitaram, porque os testes unitários, por definição, não atravessam essas costuras.
Já tinha passado a mesma base de código pelo GPT-5.5 e pelo Opus. O Fable encontrou significativamente mais dos críticos — especificamente os bugs entre sessões e entre serviços, do tipo que só aparece quando um modelo consegue segurar o sistema inteiro em contexto de uma vez, em vez de raciocinar ficheiro a ficheiro. Aqui, a janela de 1M de tokens não é vaidade de ficha técnica. É a razão pela qual o bug de fuga de dados foi apanhado.
Se está a ponderar a que modelo entregar um repositório a sério, aprofundei como os atuais escalões de fronteira se comportam realmente sob carga na minha comparação entre o Sonnet 5 e o Opus 4.8 — a versão curta é que a revisão de prontidão para lançamento é precisamente onde pagar pelo modelo de topo devolve o dinheiro.
Isto é o Fable a ler código que existe. O próximo caso de uso é o Fable a desenhar código que ainda não existe.
Caso de uso 4: planear a próxima grande funcionalidade ou produto
A mesma app de fitness, direção oposta. Queria adicionar um separador de registo nutricional e, em vez de o fazer nascer à base de vibe coding, usei o Fable para produzir um plano suficientemente detalhado para que um modelo mais barato o pudesse executar. Essa última frase é a estratégia toda, e vou voltar a ela com força nas dicas.
O pedido era exigente. Pedi ao Fable para:
- Pesquisar na internet recursos reais — por exemplo, uma fonte legítima de dados nutricionais de alimentos.
- Produzir um plano faseado com as decisões-chave assinaladas, mais riscos, questões em aberto e kill-switches explícitos para cada fase.
- Produzir tudo em HTML, com um nível de detalhe que um modelo mais pequeno pudesse implementar sem eu ter de vigiar cada passo.
O que veio de volta foi uma verdadeira especificação de construção, não uma lista de desejos:
- Uma proposta de UI/UX para um quarto separador da app, desenhada em torno de uma restrição dura — um utilizador deve conseguir registar uma refeição em menos de 30 segundos.
- Um esquema de base de dados, com o Supabase escolhido e o raciocínio por trás disso escrito por extenso.
- Uma análise de fontes de dados alimentares que aterrou no USDA FoodData Central como API recomendada, com os compromissos face às alternativas.
- Especificações de arquitetura e de modelo de dados, decisões-chave sobre sincronização na nuvem e mecânica de registo, e critérios de aceitação contra os quais eu podia realmente testar.
Vale a pena roubar o fluxo de trabalho em torno do output em HTML. Revi o plano no Lavish Editor, uma ferramenta open-source no GitHub, que me deixou pousar fios de comentários diretamente sobre secções específicas — «reconsidera aqui a estratégia de sincronização», «este critério de aceitação é demasiado frouxo» — e enviar esses comentários de volta ao Fable para mais uma passagem de planeamento. Planear, anotar, iterar, sem nunca sair do documento. Se gostou do fluxo de trabalho do plugin de design de produto que testei com o Codex, este é o mesmo ciclo de revisão colaborativa, só que apontado à arquitetura em vez da UI.
Agora o aviso, porque bati nele de caras. Esse ciclo iterativo — a cadência ao estilo /go de «gera os critérios de aceitação, agora os recursos visuais, agora refina» — queima tokens depressa. Cada ida e volta é mais output a 50 dólares por milhão. É fácil apaixonar-se pelo vaivém e dar por si uma hora depois com um terço da janela gasto em polimento de planeamento. Os grandes planos não precisam de ser bonitos. Precisam de ser executáveis. Pare quando for executável.
O que é a ponte perfeita para o maior e mais esfomeado caso de uso de todos.
Caso de uso 5: refatorar uma base de código grande — ou pessoal
O que pôs isto na minha lista foi uma história que provavelmente já viu. Durante os testes iniciais, a Stripe correu o Fable 5 sobre uma base de código Ruby de 50 milhões de linhas e comprimiu o que teriam sido mais de dois meses de migração manual em cerca de um dia — um resultado que a Anthropic destacou no lançamento do Fable 5 e que a Stripe corroborou. Cinquenta milhões de linhas. Num dia. Esse número reorganizou a minha forma de pensar sobre o que uma refatoração sequer é.
Não tenho cinquenta milhões de linhas de Ruby. Mas tenho algo que importa mais para a minha produção diária: um sistema operativo pessoal com mais de 40 skills de fluxo de trabalho de criador movidas a IA — edição de documentos, preparação de podcasts, produção de shorts, toda a máquina por onde passa o meu conteúdo. Tinha crescido organicamente durante anos, que é uma forma educada de dizer que tinha crescido desarrumado. Por isso apontei-lhe o Fable: audita e melhora o sistema de skills inteiro, remove redundâncias, corrige bugs.
Cinco agentes outra vez. Vieram de volta treze oportunidades de melhoria, e eram embaraçosamente específicas:
- Blocos de código morto parados em caminhos de escalonamento que nunca disparavam.
- Ambiguidades na skill de edição de documentos que tornariam as suas instruções pouco fiáveis.
- Encaminhamentos em falta e cenários de email não tratados — lacunas silenciosas onde o sistema simplesmente... não sabia o que fazer.
- Ficheiros temporários que nunca eram apagados, a acumular-se em silêncio.
Eis a lição que sobrevive à janela gratuita. Quando a sua automação é conduzida por IA a ler as suas próprias instruções, um sistema desarrumado produz comportamento desarrumado. Cada ambiguidade numa skill é uma ambiguidade que o modelo tem de atravessar às apalpadelas. Limpar o sistema não é arrumação doméstica — é melhorar diretamente a precisão de cada tarefa automatizada que corre por cima dele. É pela mesma razão que sou obcecado pela estrutura no meu segundo cérebro baseado no Claude Code: entradas limpas, saídas precisas. O Fable é apenas a ferramenta mais afiada que já tive para encontrar a desarrumação.
Cinco casos de uso. Mas saber para onde apontar o Fable só o leva a meio do caminho. A outra metade é não detonar a janela nos primeiros dois dias — e foi aí que cometi todos os erros para que você não tenha de os cometer.
Os três hábitos que me impediram de queimar a janela gratuita
Os cinco casos de uso são o quê. Estes três hábitos são o quanto, e honestamente são a diferença entre acabar a semana com trabalho feito e acabá-la com uma fatura de créditos de utilização que não planeou.
1. Prepare com os modelos baratos. Explore com o Fable. Todo o trabalho de preparação — escrever os documentos de plano, montar as ligações de API e MCP, rascunhar e refinar os próprios prompts — nada disso precisa do modelo de fronteira. Fiz tudo isso primeiro no GPT e no Opus. O Fable só foi ligado para a exploração de alto valor: o teste de stress, a caça aos bugs, a auditoria. A preparação é mão de obra barata. Não lhe pague salários premium.
2. Planeie com o Fable, execute com algo mais barato. Este é o padrão do caso de uso n.º 4, generalizado. Deixe o Fable fazer o que só o Fable faz bem — estratégia, arquitetura, desenho do modelo de dados, o pensamento difícil. Depois entregue o plano detalhado a um modelo mais rápido e barato para construir de facto. O modelo caro desenha a casa; uma equipa mais barata deita o betão. Tentar fazer as duas coisas no Fable é a forma como uma tarefa de 2 dólares se transforma numa de 40. Apoio-me constantemente nesta divisão de orquestração, e é a ideia central por trás de dirigir agentes de código como um chefe de equipa em vez de um datilógrafo.
3. Baixe o nível de esforço e vigie-o a sério. O Fable tem um modo de esforço ultraelevado. Resista-lhe. A menos que uma tarefa exija genuinamente profundidade máxima de raciocínio, «high» ou inferior dá-lhe 90% da qualidade por uma fração dos tokens. E fique de olho na coisa — não lance um trabalho grande para depois se ir embora. Deixado sozinho, um modelo capaz pode entrar em ciclos ineficientes, a reverificar e a reexplorar, gastando silenciosamente a sua janela em retornos decrescentes. Observe o output e mate-o no momento em que começar a andar às voltas.
Se a sua configuração é sólida mas os seus prompts são a fuga, isso é uma disciplina à parte — desmontei os seis hábitos de prompting que cortam os custos do Fable 5 num artigo próprio, porque, num modelo a 50 dólares por milhão de tokens de saída, um prompt desleixado não é um problema de estilo, é uma rubrica orçamental.
O que eu faria realmente com as últimas 72 horas
Volte ao ponto onde começámos. Recusei-me a escolher a primeira tarefa do Fable e deixei-o escolher por mim — e essa jogada transformou um relógio em contagem decrescente num plano. É esse o reenquadramento que quero que leve consigo, porque, no momento em que escrevo isto, a janela alargada fecha a 12 de julho. A Anthropic empurrou a data original de 7 de julho em cinco dias — bem-vindo, mas pouco.
Não gaste as horas que lhe restam a renomear variáveis. Abra uma sessão, entregue ao Fable a memória do seu trabalho real e lance-lhe o mesmo desafio que eu: de tudo o que estou a fazer, quais são as cinco coisas em que realmente vale a pena gastar-te? Depois faça a primeira da lista antes de qualquer outra coisa. Faça o teste de stress à estratégia que tem andado a evitar. Cace bugs naquilo que está prestes a lançar. Audite a desarrumação que anda a prometer limpar.
O modelo volta para trás de uma paywall a 12 de julho. O hábito de apontar a sua melhor ferramenta ao seu trabalho de maior alavancagem não tem prazo de validade. É essa a parte que vale a pena guardar.
Perguntas Frequentes
Quando termina o acesso gratuito ao Claude Fable 5?
O acesso gratuito ao Claude Fable 5 termina a 12 de julho de 2026, depois de a Anthropic ter estendido o prazo original de 7 de julho em cinco dias. Até lá, os subscritores dos planos Pro, Max, Team e de alguns planos Enterprise podem usar até metade da sua quota semanal de utilização sem custo extra, passando depois para outro modelo ou continuando com créditos de utilização pagos.
Quanto custa o Claude Fable 5 depois da janela gratuita?
Depois de 12 de julho, o Fable 5 funciona com créditos de utilização a 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída — cerca do dobro do Opus 4.8. A Anthropic disse que pretende reintegrar o Fable nas subscrições normais assim que a capacidade o permitir, mas não há data confirmada.
Quais são os melhores casos de uso do Claude Fable 5 para a janela gratuita?
Os casos de uso do Claude Fable 5 com maior alavancagem partilham uma forma: uma grande pilha de contexto a entrar, um insight sintetizado e uma próxima ação a sair. Testes de stress de estratégia com dados em tempo real, caças a bugs pré-lançamento em bases de código, planeamento de funcionalidades e grandes refatorações encaixam todos. Veja os cinco exemplos trabalhados acima.
Porque é que o Claude Fable 5 está limitado a 50% da utilização neste momento?
O Fable 5 esteve suspenso durante cerca de 18 dias em junho de 2026 ao abrigo de controlos de exportação dos EUA e foi reativado a 1 de julho sob restrições de capacidade. O limite de 50% é um estrangulamento temporário enquanto a Anthropic escala, não um escalão de produto permanente.
Devo usar o Fable 5 para programar ou para planear?
Use o Fable 5 para planear, arquitetar e desenhar — e depois entregue o plano detalhado a um modelo mais barato e rápido para implementar. Para código propriamente dito, reserve o Fable para revisões de sistema completo, onde a sua janela de contexto de 1M de tokens apanha bugs entre ficheiros e entre serviços que escapam aos modelos mais pequenos.
Quer a orquestração construída para si?
Se ler isto lhe dá vontade de ter os resultados sem passar três dias a ligar skills de advisor e conectores MCP por conta própria, esse é o trabalho que eu aceito — construo estes sistemas de orquestração de Fable com modelos mais baratos para as pessoas, cada um moldado a um negócio específico, não a um template. Comece um projeto no Fiverr. Mas se tiver os dias, a versão faça-você-mesmo é genuinamente melhor, porque o sistema acaba moldado ao seu negócio.
