Claude Mythos vs. Realidade: O Que Eu Previ, O Que Acertei, e O Que Ninguém Viu Vindo

Há quase dois meses, publiquei um post chamado "Claude Mythos: O Que Já Sabemos Sobre o Próximo Grande Modelo da Anthropic". Era abril de 2026, os mercados de predição davam mais de 70% de chance de lançamento naquele mês, o codinome "Mythos" circulava em fontes confiáveis, e o GPT-5.5 Spud da OpenAI estava prestes a ser anunciado. A pressão competitiva era real, a evidência era razoável, e eu publiquei minha análise com o que acreditava ser cautela suficiente.

O modelo chegou. Mas não em abril. E não como "Claude Mythos". E — ninguém previu isso — foi desligado compulsoriamente pelo governo americano três dias depois do lançamento público.

Esse post é a retrospectiva que eu precisava escrever: o que eu acertei, onde errei feio, e — mais importante — o que aconteceu que não estava no modelo mental de nenhum analista, nenhum mercado de predição, nenhum insider da indústria. Porque o Claude Fable 5 e Mythos 5 contam uma história sobre os limites da análise técnica em um momento em que IA virou questão de Estado.

O Que Eu Previ e Por Quê

O post de abril tinha algumas apostas centrais. Vou recapitulá-las honestamente antes de avaliar — sem editar retroativamente o que escrevi para parecer mais certo do que fui.

Timing: mercados de predição com 70%+ para abril de 2026. Eu citei isso como sinal forte, mas também mencionei explicitamente que "existe uma possibilidade real de o lançamento escorregar para maio ou junho." Na época, tratei esse hedge como precaução padrão, não como expectativa real. A frase estava lá mais para cobrir o cenário do que porque eu achava genuinamente provável.

Nome: assumi que "Mythos" seria o nome do produto final, não um codinome de infraestrutura. Toda a narrativa do post foi construída em torno desse nome — como ele sugeria algo acima da linha Opus, como o padrão de nomenclatura da Anthropic indicava uma nova família. Escrevi o post inteiro com essa premissa sem questionar se "Mythos" poderia ser apenas um label interno para uma classe de capacidade, não para um produto específico.

Capacidades: previ melhorias agênticas significativas, expansão de context window, ganhos em coding e instruction following para tasks longas. Também previ, com "baixa confiança", a possibilidade de um modelo de raciocínio dedicado diferenciado — algo na linha do que a OpenAI fez com o o3 — que daria à Anthropic uma resposta explícita na categoria de extended thinking. Essa foi a aposta mais diferenciada do post e a que ficou mais longe do que aconteceu de fato.

Impacto prático para devs: argumentei que quem constrói sobre a API Claude deveria abstrair a escolha de modelo, construir evals próprios para seus casos de uso, e documentar comportamentos críticos antes da migração. Esse era — e continua sendo — bom conselho.

Estrutura de lançamento: assumi um único produto para o público geral, possivelmente com tiers de preço diferenciados para acesso a capacidades de raciocínio mais profundo. Esse foi um dos erros mais estruturais da minha análise: faltou completamente o cenário de produto dual que a Anthropic acabou operando.

O que o post não previa: qualquer envolvimento governamental além do mencionado de forma tangencial no contexto de segurança. Qualquer questão de controle de exportação. Qualquer possibilidade de o modelo ser desligado compulsoriamente antes de completar uma semana de disponibilidade. Esses cenários simplesmente não estavam no meu modelo mental — e é relevante ser honesto sobre por quê: eu estava analisando um problema técnico-competitivo, não um problema político-regulatório.

O Que Realmente Aconteceu

O lançamento veio em 9 de junho de 2026 — seis semanas depois do que os mercados previam. O nome público ficou Claude Fable 5. O nome "Mythos" virou o nome do modelo restrito, disponível apenas para parceiros vetados pelo governo americano via Project Glasswing.

A Anthropic explicou a semântica nos footnotes do anúncio com um detalhe elegante: "Fable é do latim fabula, 'aquilo que é contado', afim ao grego mythos. Os guardrails são o que distingue os dois modelos." Em outras palavras, o que separa Fable de Mythos não é arquitetura, não é treinamento, não é nenhuma diferença técnica fundamental — é o conjunto de classificadores de segurança que rodam em cima. Na prática, Fable 5 e Mythos 5 são o mesmo modelo base. Fable é Mythos com guardrails ligados. Mythos é Fable com os guardrails de cybersecurity removidos para usuários vetados.

Essa distinção importa porque é o que a Anthropic passou os últimos meses construindo: não um modelo mais seguro e um modelo mais capaz, mas um modelo com diferentes perfis de risco habilitados para diferentes audiências. É uma decisão de produto mais sofisticada do que qualquer coisa que eu havia considerado.

As capacidades entregues superaram minhas expectativas em praticamente todas as dimensões que importam.

O context window chegou a 1 milhão de tokens — maior do que qualquer especulação razoável de abril. Para referência: na época, eu previa "expansão de context window" sem quantificar, e o que circulava como especulação mais otimista era algo na faixa de 500K a 600K. 1M é outra categoria de problema que o modelo consegue atacar diretamente.

A capacidade de geração chegou a 128 mil tokens de output de uma só vez — algo sem precedente entre modelos disponíveis publicamente. Isso não é apenas um número maior: muda o tipo de tarefa que um modelo pode completar em uma única chamada de API. Documentos técnicos longos, codebases inteiras, relatórios extensos — tudo isso pode sair de uma única geração.

Em coding, os números reportados pelos parceiros de early access foram impressionantes. A Stripe reportou que o Fable 5 comprimiu meses de engenharia em dias: uma migração em uma codebase Ruby de 50 milhões de linhas que teria levado um time inteiro mais de dois meses foi executada pelo modelo em um dia. O Cursor reportou que o Fable 5 "abriu uma classe de problemas de longo horizonte que estavam fora de alcance para modelos anteriores." O Cognition disse que o modelo lidera no FrontierCode, avaliação de coding de produção de alta qualidade, mesmo em esforço médio.

Em visão, o modelo alcançou state-of-the-art em extração de dados de figuras científicas detalhadas e em reconstrução de código fonte de aplicações a partir de screenshots — sem scaffolding adicional. Modelos anteriores precisavam de harnesses elaborados para tarefas como essas.

Em ciência, o Mythos 5 demonstrou capacidade de executar pesquisa autônoma de forma que não estava no radar da comunidade em abril: desde design de proteínas até genomics comparativo, com resultados que superaram modelos dedicados a essas tarefas específicas.

A estrutura de lançamento foi dupla e deliberada: Mythos 5 para parceiros vetados via Project Glasswing (com guardrails de cybersecurity removidos), Fable 5 para o público geral (com classificadores de segurança ativos, com fallback para Opus 4.8 em menos de 5% das sessões). Precificação a $10 por milhão de tokens de input e $50 por milhão de output — menos da metade do Claude Mythos Preview que já existia.

Tudo isso é o que analistas técnicos poderiam ter antecipado com mais ou menos precisão, ajustando as magnitudes.

O que aconteceu depois não estava no mapa de ninguém.

O Que Eu Errei (e Muito)

Começando pelo mais óbvio: o timing. Seis semanas de atraso em relação ao que os mercados previam é significativo. Mencionei a possibilidade de delay no post de abril, mas de forma claramente subestimada — tratei como exceção, não como base realista. Em retrospecto, o processo de red-teaming que a Anthropic claramente priorizou explica o delay: a empresa rodou um bug bounty externo com mais de 1.000 horas de teste contra jailbreaks, engajou organizações externas de red-teaming, e esperou até estar satisfeita com a robustez dos classificadores de segurança antes de ir para público geral. O UK AISI fez progresso em direção a um jailbreak universal durante uma janela inicial de testes — esse nível de diligência simplesmente não foi o que eu incorporei nas minhas expectativas de timing.

O nome foi completamente errado. Assumi que "Mythos" seria o produto público. Na realidade, a Anthropic usou "Mythos" de duas formas distintas e nenhuma delas era o produto principal: como nome da classe de capacidade (Mythos-class models, um tier acima do Opus) e como nome do produto restrito para parceiros governamentais. O produto público foi Fable — etimologicamente relacionado ao Mythos, mas estrategicamente diferente. Isso importa mais do que parece à primeira vista: boa parte da cobertura e discussão pré-lançamento estava ancorada no nome "Mythos" como o produto que chegaria. Quando o Fable apareceu, houve confusão genuína sobre como os dois modelos se relacionavam.

A estrutura dual não estava no meu radar. Prever um único produto com diferentes tiers de preço foi uma simplificação que perdeu completamente a dinâmica real. O que a Anthropic construiu é arquiteturalmente mais interessante e mais complexo: um modelo base único com dois perfis de deployment distintos — Mythos 5 para o governo e parceiros vetados (com guardrails de cybersecurity removidos, acesso via Project Glasswing), e Fable 5 para o mercado geral (com classificadores ativos, fallback para Opus 4.8). A distinção não é de capacidade bruta — é de quais capacidades ficam desbloqueadas para quais audiências. Eu havia mencionado o Project Glasswing no post de abril, mas como nota de rodapé sobre segurança, não como o driver central da arquitetura de produto que ele claramente era.

A magnitude das capacidades — e o que ela implica. Um milhão de tokens de context window e 128K de output não eram especulações que circulavam em abril. Eu previ "expansão de context window" de forma genérica, e isso era análise correta de direção mas completamente errado de escala. A diferença entre "mais contexto" e "um milhão de tokens" não é incremental — é a diferença entre otimizar um workflow existente e eliminar a categoria de problema inteira. Sistemas inteiros de RAG (retrieval-augmented generation) que existem hoje para compensar limitações de context window ficaram potencialmente obsoletos de um dia para o outro. Arquiteturas que eu recomendaria como best practice em abril precisam ser repensadas à luz do Fable 5.

O mesmo vale para 128K de output. A maioria dos frameworks de geração de conteúdo longo pressupõe que o modelo vai gerar em pedaços e alguma lógica de orquestração vai montar o resultado final. Com 128K tokens de output, isso muda fundamentalmente — e os impactos para como devs constroem com a API ainda estão sendo absorvidos.

O que acertei: a direção das capacidades agênticas. O Fable 5 é de fato substancialmente melhor em tarefas longas e complexas que exigem autonomia, o que era a minha principal aposta no post de abril. O Cursor, o GitHub e o Scott Wu do Cognition todos confirmaram exatamente isso em seus feedbacks: ganhos específicos em tarefas de longo horizonte, não apenas em benchmarks sintéticos. O argumento que fiz sobre a Anthropic aprofundando sua vantagem em capacidades agênticas em vez de competir apenas em benchmarks gerais estava certo — mesmo que eu tenha subestimado a magnitude dos ganhos.

O Que Ninguém Previu: O Ban

Na sexta-feira, 13 de junho de 2026 — quatro dias após o lançamento, e três dias após o acesso ser ampliado mais amplamente — o Departamento de Comércio dos EUA emitiu uma diretiva de controle de exportação proibindo a Anthropic de distribuir Fable 5 e Mythos 5 para qualquer nacional estrangeiro. A diretiva incluía não apenas pessoas fora dos EUA, mas qualquer estrangeiro dentro do território americano — inclusive funcionários não-cidadãos da própria Anthropic.

Dado o escopo da diretiva, a Anthropic não teve escolha: desativou o acesso a ambos os modelos para todos os usuários.

A empresa recebeu a notificação às 17h21 do horário de Brasília. A carta do governo não especificava detalhes da preocupação de segurança nacional. Nos dias seguintes, a Anthropic revelou que o governo havia sido informado de uma técnica de bypass dos guardrails do Fable 5 — um jailbreak que, segundo a empresa, era estreito e situacional, não um jailbreak universal que permitiria acesso irrestrito às capacidades do Mythos. A Anthropic argumentou que o mesmo jailbreak poderia ser usado para elicitar capacidades similares de outros modelos publicamente disponíveis, incluindo o GPT-5.5, que não estava sujeito às mesmas restrições.

A contestação pública da Anthropic foi direta: "Discordamos que a descoberta de um jailbreak estreito potencial deveria ser causa para recall de um modelo comercial implantado para centenas de milhões de pessoas. Se esse padrão fosse aplicado em toda a indústria, acreditamos que essencialmente pararia todos os novos deployments de modelos para todos os provedores de modelos frontier." A empresa foi além, argumentando que a ação do governo "não adere a princípios de processo transparente, justo, claro e fundamentado em fatos técnicos."

Esse episódio aconteceu no contexto de uma relação já tensa entre a Anthropic e a administração Trump. A empresa havia recusado aceitar termos de contrato do Pentágono que permitiriam uso dos modelos "para qualquer finalidade legal" — o que incluía sistemas de armas autônomos e vigilância doméstica em massa. Em março, o Pentágono havia declarado a Anthropic um "risco de cadeia de suprimentos", proibindo uso militar dos modelos e exigindo que contratantes de defesa fizessem o mesmo. David Sacks, então AI czar do governo americano, havia atacado publicamente a empresa, chamando-a de "woke" e "leftist" e acusando-a de estratégia de regulatory capture baseada em fear-mongering.

Dean Ball, especialista em política de IA que havia trabalhado brevemente na administração Trump mas era crítico das suas decisões recentes sobre a Anthropic, resumiu a situação com precisão cirúrgica no X: "não consigo dizer se isso é lawfare contra a Anthropic em particular ou hawkery extrema de segurança nacional. Independentemente, é simplesmente cartunesco." Ele apontou a ironia: uma administração que defende exportação de chips avançados de IA para a China ao mesmo tempo em que bane a Grã-Bretanha — e qualquer outra nação não-americana — de usar os melhores modelos americanos.

Vale mencionar também a perspectiva de Gary Marcus, crítico frequente da indústria de IA, que observou que a diretiva provavelmente convenceria pesquisadores de IA nascidos na China que trabalham em labs americanos — incluindo Anthropic e OpenAI — a retornar para a China. A ironia de uma política de "manter a liderança americana em IA" que ativamente expulsa talentos internacionais das empresas americanas de IA não passou despercebida.

Nenhum mercado de predição tinha probabilidade atribuída para "modelo desligado por ordem governamental em menos de uma semana de lançamento". Nenhuma análise técnica considerou esse vetor de risco. Nem os analistas mais pessimistas sobre o lançamento mapearam esse cenário.

E eu entendo por quê. Até recentemente, a regulação de modelos de IA operava em um registro diferente: discussões sobre privacidade, sobre bias, sobre uso responsável. Export controls do nível que se aplica a tecnologia militar ou semicondutores avançados entrando no vocabulário de modelos de linguagem comerciais era um salto que pouquíssimos pensadores de política de IA haviam considerado seriamente — exceto, talvez, como cenário distante e especulativo.

A ironia perfeita é que o Peter Girnus articulou melhor do que qualquer analista: "Se você descreve seu produto como uma munição em cada press release, eventualmente um governo toma isso ao pé da letra. Eles escreveram o precedente legal eles mesmos e chamaram de branding." A Anthropic passou anos construindo uma narrativa pública em torno dos riscos das suas próprias capacidades. Essa narrativa — honesta, bem-intencionada, e provavelmente correta sobre os riscos técnicos — acabou fornecendo exatamente o enquadramento legal que um governo hostil precisava para agir.

O Que Isso Ensina Sobre Previsões de IA

Saio desse episódio com algumas convicções mais fortes e algumas mais fracas do que tinha antes.

O que análise técnica consegue fazer bem: prever a direção de capacidades com razoável antecedência. A trajetória de melhorias agênticas, coding, multimodalidade e context window da Anthropic era legível em abril — mesmo que as magnitudes específicas ficassem fora do meu alcance. Para decisões de arquitetura e planejamento de produto no horizonte de 3 a 6 meses, esse tipo de análise direcional é genuinamente útil. Você consegue posicionar seu produto e suas decisões de infraestrutura em relação a onde as capacidades provavelmente vão estar, mesmo sem saber o número exato de tokens do próximo context window.

O que análise técnica não consegue fazer: prever eventos discretos com baixa probabilidade base que dependem de variáveis não-técnicas. Decisões políticas, conflitos institucionais específicos, reações regulatórias a jailbreaks particulares — esses eventos têm distribuição de probabilidade que a maioria dos frameworks analíticos ignora completamente porque historicamente não faziam parte do espaço de possibilidades relevantes para produtos de software. O ban não era derivável de nenhuma análise do modelo ou da trajetória tecnológica. Era uma consequência de uma relação institucional conflituosa somada a um jailbreak específico que chegou ao conhecimento do governo no momento errado.

O problema com mercados de predição em IA: o Polymarket e similares são bons em agregar informação distribuída sobre eventos bem-definidos com outcomes binários claros e com histórico suficiente para calibrar probabilidades. "Claude Mythos lança em abril?" parece ser uma pergunta clara. Mas ela carregava ambiguidades fundamentais que os mercados não capturavam: o que conta como "Claude Mythos"? O Mythos Preview via Glasswing que já existia em abril era um lançamento do Mythos? O Fable 5 em junho — que tecnicamente é o mesmo modelo — conta? Os mercados otimizaram para a interpretação mais literal da pergunta e perderam a questão real.

Há também um problema estrutural mais profundo: mercados de predição pressupõem que o conjunto de outcomes possíveis é razoavelmente completo. Em tecnologia frontier, o conjunto de outcomes possíveis inclui regularmente cenários que não estavam na lista quando a questão foi formulada. "Modelo desligado por export control governamental em quatro dias após lançamento" não estava na lista de opções de nenhum mercado de predição — não porque os construtores dos mercados fossem descuidados, mas porque esse outcome realmente não fazia parte do espaço de possibilidades consideradas plausíveis por qualquer participante razoável.

Uma lição sobre narrativa de risco: existe um paradoxo que o episódio ilustra de forma clara. A Anthropic foi mais transparente do que qualquer outro lab sobre os riscos potenciais dos seus modelos. Ela criou o Project Glasswing, publicou system cards detalhados, articulou com precisão técnica onde os modelos apresentavam risco de uplift para atores maliciosos. Essa transparência era honesta, bem-intencionada, e provavelmente correta sobre os riscos técnicos reais.

E então o governo usou exatamente essa narrativa como base para a ação regulatória.

Isso não é argumento para que as empresas de IA sejam menos transparentes sobre riscos — seria uma conclusão profundamente errada. Mas é um sinal de que o espaço político em torno da IA frontier mudou de natureza. As empresas que operam nesse espaço precisam pensar sobre como a narrativa técnica que elas constroem interage com o ambiente político e regulatório — não porque devam ser desonestas, mas porque as consequências dessa narrativa agora têm dimensões que vão além do técnico.

O que isso muda para devs que constroem sobre Claude: a dependência em modelos frontier tem um novo vetor de risco que não estava nos modelos de análise de risco de ninguém. Não é risco técnico de degradação de performance. Não é risco de preço. É risco de disponibilidade por razões regulatórias e políticas completamente externas à lógica técnica do produto.

O Fable 5 foi desligado para todos os usuários globais em questão de horas, sem aviso prévio substancial, por razão que nem a Anthropic havia antecipado. Para produtos em produção que dependem desse modelo como componente crítico, foi uma interrupção severa e inesperada.

A resposta prática não é "não use modelos frontier" — a alternativa de usar apenas modelos mais antigos e seguros tem custos de capability que provavelmente excedem o risco de interrupção regulatória na maioria dos casos de uso. A resposta é tratar disponibilidade de modelo como variável, não como constante. Ter estratégia de fallback explícita — e não apenas para falhas técnicas. Abstrair dependências de modelo de forma que migração entre provedores ou entre versões não seja uma operação de emergência. E, pragmaticamente, considerar se produtos críticos podem operar sobre múltiplos provedores de modelo simultaneamente.

Esse era bom conselho antes do ban. Agora é conselho urgente.

Conclusão

Olhando para o post de abril com honestidade: a análise técnica estava razoavelmente calibrada para o que análise técnica consegue ver. Acertei a direção das capacidades, antecipei a possibilidade de delay, e articulei o impacto prático para devs de forma que continua válida. Errei no timing específico, errei no nome, errei na estrutura dual de lançamento, e não tinha nenhum framework para pensar no risco regulatório que se materializou.

Mas a parte mais importante desse episódio não é o meu scorecard de previsões — é o que o episódio revela sobre o momento em que estamos. IA frontier deixou de ser exclusivamente uma questão tecnológica e virou questão de Estado, de segurança nacional, de geopolítica. Os modelos que constroem e quebram records de benchmark hoje são os mesmos que governo americano trata com a mesma lógica de controle de exportação que se aplica a semicondutores avançados ou tecnologia militar.

Isso muda o que significa ser um dev construindo sobre esses modelos. Muda o que significa analisar o espaço. E muda o que precisamos incluir nos nossos frameworks de previsão — mesmo sabendo que eventos discretos como esse vão continuar sendo essencialmente imprevisíveis.

Quando o Fable 5 e o Mythos 5 voltarem — e a Anthropic está trabalhando para restaurar o acesso — vou estar aqui com o breakdown técnico completo. Mas da próxima vez, o scorecard vai incluir uma coluna chamada "risco regulatório". Deveria ter incluído dessa vez também.