GPT-5.6 Sol vs Claude Fable 5: comparação completa — custo vs desempenho de topo

O então topo de linha da OpenAI, o GPT-5.6 "Sol" (disponibilidade geral em 9 de julho de 2026), e o Claude Fable 5 (lançado em 9 de junho), que a Anthropic posicionou no lançamento como "o mais poderoso que já disponibilizou de forma geral". Enquanto a comparação com o Opus 4.8 era um "confronto direto na mesma faixa de preço", esta tem como tema central o trade-off entre custo e desempenho: "o Sol versátil pela metade do preço" contra "o Fable 5, duas vezes mais caro mas topo de linha".

Adiantando a conclusão — em codificação de nível de produção real e em autonomia de longa duração, o Fable 5 é claramente superior; em preço e na amplitude da capacidade agentiva geral, o Sol leva a melhor. A diferença no SWE-bench Pro é ainda maior do que na disputa contra o Opus 4.8. Neste artigo, com base nos anúncios oficiais das duas empresas e em benchmarks independentes, organizamos como distinguir o uso desses dois gigantes assimétricos.

1. O posicionamento dos dois modelos — "o versátil pela metade do preço" vs "o artesão de topo"

Claude Fable 5 — tudo apostado na "capacidade de completar a corrida de longa distância"

O Fable 5 é o modelo que libera, de forma acessível a usuários e desenvolvedores comuns, a capacidade de nível "Mythos" — o modelo frontier mais poderoso da Anthropic (o núcleo é idêntico ao Mythos 5, apenas os dispositivos de segurança diferem). Seu slogan é "feito para trabalhos longos e complexos". Registrou 80.0% no SWE-Bench Pro, que mede correções em repositórios reais do GitHub, deixando bem para trás o Opus 4.8 (69.2%) e o GPT-5.5 da geração anterior (58.6%) (segundo o system card da Anthropic; os 80.3% da tabela do anúncio ficam em uma coluna compartilhada com o Mythos 5 e são a maior pontuação, a do Mythos 5). Mantém o foco ao longo de milhões de tokens e consegue trabalhar de forma autônoma por mais tempo do que qualquer Claude anterior, com um caso em que a Stripe concluiu em um único dia a migração de 50 milhões de linhas de código Ruby (fonte: anúncio oficial da Anthropic).

GPT-5.6 Sol — o "versátil pela metade do preço"

O Sol é o topo de linha do GPT-5.6 (Luna/Terra/Sol). Com 88.8% no TerminalBench 2.1, que mede a operação autônoma de terminal, e 53.6 no Agents' Last Exam, que mede o trabalho prático de longa duração, ele conquista o primeiro lugar em capacidade agentiva geral, além de uma melhoria de 54% na eficiência de tokens em codificação. Acima de tudo, seu maior trunfo é o preço de cerca de metade do Fable 5 ($5/$30 contra $10/$50). Ele ocupa a posição de "não é o mais forte, mas compete no custo-benefício" (fonte: anúncio oficial da OpenAI, Vellum e Artificial Analysis).

2. Tabela rápida de especificações

* Preços e especificações baseiam-se nos anúncios oficiais de cada empresa (Fable 5 = 9 de junho de 2026, GPT-5.6 = 9 de julho de 2026). Os benchmarks diferem entre as duas empresas quanto a condições de medição, período e harness, portanto não são uma comparação rigorosa em igualdade de condições. Os números lado a lado (SWE-Bench Pro 80.0% contra 64.6%, TerminalBench 2.1 83.1% contra 88.8%, Agents' Last Exam 40.5 contra 53.6, Coding Agent Index 77.2 contra 80) vêm da tabela de avaliação do anúncio do GPT-5.6 da OpenAI, que traz os dois modelos (os 53.6 do Sol no Agents' Last Exam são o valor do texto do anúncio; a tabela da mesma página indica 52.7%; o Coding Agent Index é um indicador da Artificial Analysis). Na tabela do próprio anúncio da Anthropic, o Fable 5 aparece com 80.3% no SWE-Bench Pro e 88.0% no TerminalBench 2.1, mas os dois valores ficam em uma coluna compartilhada com o Mythos 5 e são a maior das duas pontuações (o system card dá ao Fable 5 sozinho 80.0% e 84.3%), e o do TerminalBench 2.1 traz uma nota da Anthropic: por causa dos mecanismos de segurança que desviam pedidos para outro modelo, o Fable 5 tem desempenho mais próximo do Opus 4.8 (82.7% na mesma tabela). O valor de 86.0% não aparece em nenhuma das duas tabelas.

3. Comparação detalhada de benchmarks

Não é o caso de "o Fable 5 vence tudo" nem de "o Sol vence tudo". A divisão se dá de forma clara conforme o tipo de codificação.

O ponto-chave é a diferença naquilo "que cada benchmark mede". O SWE-bench Pro mede a geração de patches para issues reais do GitHub — ou seja, a capacidade de corrigir bases de código existentes — e aqui o Fable 5, com 80.0%, deixa o Sol (64.6%) para trás por mais de 15 pontos. Por outro lado, o TerminalBench 2.1 mede a operação autônoma da linha de comando, e nele o Sol supera o Fable 5 com 88.8% contra 83.1%. Além disso, na capacidade agentiva geral, o Sol leva vantagem no Agents' Last Exam e no Coding Agent Index. Forma-se uma divisão clara: "profundidade para corrigir código real até o fim = Fable; amplitude de operação de terminal e de agentes = Sol".

4. O "problema do benchmark não divulgado" — benchmarks omitidos e um SWE-bench Pro questionado

Também nesta comparação é preciso atenção ao fato de que alguns indicadores não aparecem na tabela de avaliação da OpenAI. Logo após o lançamento, uma análise independente (Vellum) apontou que a OpenAI não havia divulgado SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2 nem FrontierMath. Porém, a tabela de avaliação da página do anúncio da OpenAI, consultada em 22 de setembro de 2026, traz GPQA Diamond (Sol 94.6%, Fable 5 92.6%) e FrontierMath (Tier 1-3: Sol 89%, Fable 5 87%; Tier 4: Sol 83%, Fable 5 87.8%). O que falta é SWE-bench Verified, AIME e MMLU, e o valor do Sol no ARC-AGI-2 (92.5%) apareceu pela primeira vez na tabela do anúncio do GPT-6 Astra, em 3 de setembro. Os "64.6%" de SWE-bench Pro deste artigo também vêm da tabela de avaliação que a OpenAI publicou com o GPT-5.6. Ao mesmo tempo, porém, a OpenAI publicou uma análise estimando que cerca de 30% das tarefas do SWE-bench Pro têm falhas (como apontou Simon Willison).

5. Autonomia de longa duração — o forte do Fable 5

O verdadeiro valor do Fable 5 está mais na "capacidade de completar a corrida de longa distância" do que na pontuação de benchmarks. A Anthropic explica que ele mantém o foco ao longo de milhões de tokens e consegue trabalhar de forma autônoma por mais tempo do que qualquer Claude anterior (sem indicar um limite em horas). O exemplo real que ela cita é o caso em que a Stripe concluiu em um único dia a migração de 50 milhões de linhas de código Ruby (o equivalente a mais de 2 meses de trabalho manual). Logo após o lançamento, um usuário também relatou no blog Ten Past Tomorrow que o modelo trabalhou sozinho por mais de 12 horas a partir de um único pedido. No Hex, um benchmark de análise de longa duração, também foi relatado o primeiro resultado acima de 90% da história.

O Sol também lidera o Agents' Last Exam de trabalho prático de longa duração (53.6), mas esse é um benchmark que mede "fluxos de trabalho amplos e variados". Na "capacidade profunda de completar" a correção de uma única base de código gigantesca até o fim, o Fable 5 leva vantagem — essa é a diferença qualitativa entre os dois. Para migrações em larga escala, investigações de longa duração e agentes de codificação autônoma como força principal, o Fable 5 é o mais indicado.

6. Custo real — como encarar o preço unitário dobrado

O preço unitário é de $10/$50 para o Fable 5 e $5/$30 para o Sol. Dobro na entrada, 1,67x na saída: o Fable 5 é cerca de duas vezes mais caro que o Sol (cerca de 2,5 vezes enquanto o Sol estiver a $4/$20, no preço promocional de três meses a partir de 21 de agosto de 2026). É aqui que se decide a escolha.

• Vantagem de custo do Sol: além do preço unitário pela metade, a eficiência de tokens melhora 54% em codificação. Como o mesmo trabalho também consome menos tokens, em usos de "fazer volume" o custo total fica bem abaixo do Fable 5.
• Valor do Fable 5: o preço unitário é alto, mas a taxa de sucesso em corrigir corretamente de primeira (SWE-bench Pro de cerca de 80% nas tabelas das duas empresas) é alta. Incluindo os custos de retrabalho, revisão e correção manual, em tarefas difíceis ele às vezes "é caro, mas no fim sai barato". Se dá para migrar 50 milhões de linhas em um dia, em termos de custo de mão de obra é um preço imbatível.

Ou seja, deve-se olhar não o "preço unitário do token", mas o "custo por tarefa concluída". Tarefas cotidianas de produção em massa e operação de terminal ficam com o Sol (ou, se o custo for ainda mais crítico, o GPT-5.6 Terra ou Luna); tarefas grandes e de longa duração em que o erro sai caro ficam com o Fable 5 — essa divisão faz sentido também do ponto de vista da otimização de custos.

* Como nenhuma das empresas divulgou uma comparação de tokens de saída em condições idênticas, não é possível afirmar um "multiplicador de custo real" concreto. Recomenda-se medir na prática a taxa de sucesso e os tokens de saída em suas tarefas representativas, comparando inclusive os custos de retrabalho.

7. Mapa de forças e fraquezas

8. Como escolher por caso de uso

Conclusão

• Claude Fable 5: nível de liderança em correção de código real (SWE-Bench Pro de cerca de 80%) e em autonomia de longa duração. Seu forte é a "capacidade de completar" migrações em larga escala e tarefas difíceis. Porém, o preço unitário é cerca de 2x o do Sol.
• GPT-5.6 Sol: primeiro lugar em operação de terminal (TerminalBench 88.8%) e em capacidade agentiva geral, com o melhor custo-benefício graças a metade do preço + eficiência de tokens +54%. Fácil de otimizar por uso com os 3 modelos.
• A diferença no SWE-bench Pro é maior do que na disputa contra o Opus 4.8 (80.0 vs 64.6 na tabela da OpenAI, mais de 15 pt). Porém, atenção: a OpenAI também publicou uma análise estimando que cerca de 30% das tarefas do SWE-bench Pro têm falhas.
• O custo deve ser visto pelo "custo por tarefa concluída", não pelo "preço unitário do token". Produção em massa e terminal com o Sol; tarefas grandes e de longa duração em que o erro sai caro com o Fable 5.
• A solução realista é a operação dupla. O ideal é distinguir: o cotidiano com o Sol (ou o Terra) e as grandes tarefas decisivas com o Fable 5.

FAQ

Q1. Entre GPT-5.6 Sol e Claude Fable 5, qual é mais forte em codificação?

Depende da métrica. No SWE-Bench Pro, que mede a correção de bugs em repositórios reais, o Fable 5 supera o Sol (64.6%) por mais de 15 pt com 80.0%. Por outro lado, no TerminalBench 2.1 de operação autônoma de terminal, o Sol supera o Fable 5 com 88.8% contra 83.1% (os dois números são da tabela de avaliação da OpenAI; o system card da Anthropic também dá 80.0% ao Fable 5 no SWE-Bench Pro). A divisão prática é: "para corrigir código real até o fim, o Fable; para a amplitude de operação de terminal e agentes, o Sol".

Q2. Vale a pena pagar o dobro do preço?

Depende da tarefa. Para produção em massa cotidiana e operação de terminal, o Sol pela metade do preço (e, para trabalho leve, o Terra/Luna) já basta. Porém, em tarefas em que "o retrabalho por erro sai caro", como migrações em larga escala e correção de bugs difíceis, o Fable 5, com sua alta taxa de sucesso, acaba saindo mais barato. Julgue pelo "custo por tarefa concluída", não pelo preço unitário do token.

Q3. Os "64.6%" do Sol no SWE-bench Pro são um valor oficial?

Sim. É o valor da tabela de avaliação que a OpenAI publicou com o GPT-5.6. Ao mesmo tempo, a OpenAI publicou uma análise estimando que cerca de 30% das tarefas do SWE-bench Pro têm falhas, questionando o próprio benchmark. O GPQA Diamond e o FrontierMath, que a Vellum apontou como não divulgados logo após o lançamento, aparecem na tabela de avaliação consultada em 22 de setembro de 2026 (GPQA: Sol 94.6%, Fable 5 92.6%). O que falta na tabela é SWE-bench Verified, AIME e MMLU.

Q4. Qual é mais indicado para tarefas autônomas de longa duração?

O Fable 5. Ele mantém o foco ao longo de milhões de tokens e, segundo a Anthropic, consegue trabalhar de forma autônoma por mais tempo do que qualquer Claude anterior, com o histórico de a Stripe ter concluído em um dia a migração de 50 milhões de linhas de Ruby. A "capacidade de completar" a correção de uma única base de código gigantesca até o fim é o forte do Fable 5.

Q5. Qual a diferença entre Fable 5 e Mythos 5?

O núcleo (a capacidade) é idêntico; apenas os dispositivos de segurança diferem. O que é disponibilizado de forma geral é o Fable 5, que tem um design de segurança com 3 classificadores que faz fallback para o Opus 4.8 apenas quando detecta risco (atua em menos de 5% das sessões, e em mais de 95% conduz sozinho).

Q6. Como o "Terra" do GPT-5.6 se encaixa nesta comparação?

O GPT-5.6 tem 3 modelos: Luna/Terra/Sol. Este artigo abordou o Sol como confronto entre os flagships da época, mas, se o foco for o custo, o Terra ($2/$12) oferece o equivalente ao GPT-5.5 por 40% do preço unitário do Sol (após o corte de preços de 30 de julho de 2026). A combinação "Fable 5 para tarefas difíceis, Terra para produção em massa" também é forte na prática. Para mais detalhes, veja a explicação completa do lançamento do GPT-5.6.

Q7. Entre Opus 4.8 e Fable 5, qual comparar com o Sol?

Escolha pelo uso e pelo orçamento. O Opus 4.8 ($5/$25) está na mesma faixa de preço do Sol e oferece codificação com bom custo-benefício, com 69.2% no SWE-bench Pro. O Fable 5 ($10/$50) era o topo de linha na época, com 80.0% e uma capacidade de completar de outro nível, mas é caro. O realista é um uso em três níveis: cotidiano com Opus 4.8/Sol e momentos decisivos com o Fable 5. Veja também a comparação entre Sol e Opus 4.8.

Artigos relacionados

• Comparação detalhada: GPT-5.6 Sol vs Claude Opus 4.8 — confronto direto na mesma faixa de preço
• Análise completa do lançamento do Claude Fable 5 — detalhes do modelo topo de linha no lançamento
• Explicação completa do lançamento do GPT-5.6 — os 3 modelos Luna/Terra/Sol
• Explicação completa do lançamento do Claude Opus 4.8 — o modelo prático da faixa custo-benefício
• Quanto a IA Reduz o Esforço de Dev? Dados da Era Agêntica — dados da era agêntica sobre quanto a IA reduz o esforço de desenvolvimento