AI Brasil
Comece aqui

Claude Fable 5.2 pinta imagens com código, não com difusão

O novo modelo da Anthropic simula um pincel físico e escreve até 2.000 linhas de Python por quadro, numa aposta que foge da difusão usada por Midjourney e companhia.

Redação AI BrasilRedação

· 5 min de leitura

Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.

Imagem gerada por IA

A Anthropic apresentou em 15 de novembro de 2026 o Claude Fable 5.2, um modelo de linguagem que gera imagens de um jeito diferente do que domina o mercado hoje. Em vez de usar difusão (a técnica que parte de ruído aleatório e vai refinando até chegar numa imagem nítida, usada por Midjourney e pela maioria dos geradores atuais), o Fable 5.2 escreve código Python que comanda um motor de pintura simulado, com textura de cerda, espessura de tinta e tudo mais. O relato é dThe Decoder, que reproduziu demonstrações publicadas por engenheiros da própria Anthropic.

Para quem constrói sistema de geração de imagem, a diferença não é estética: é de arquitetura. Um modelo de difusão produz o resultado final de uma vez (ou em poucos passos de refinamento). O Fable 5.2 produz uma sequência de decisões, pincelada por pincelada, sem conseguir desfazer uma escolha ruim depois de feita. Isso aproxima o modelo da edição de imagem agêntica, abordagem em que o modelo de linguagem escolhe ferramentas, executa uma ação e avalia o resultado antes do próximo passo, em vez de só prever pixels.

Como o modelo pinta: um programa de até 2.000 linhas por quadro

Segundo Jake Eaton, desenvolvedor da Anthropic que trabalha com valores de modelos de linguagem, mecanismos de segurança e comportamento de agentes, o Fable 5.2 não usa nenhum modelo de imagem externo nem imagem de referência pré-renderizada. Cada pintura é um programa Python de 1.000 a 2.000 linhas que controla um motor de pintura simulado.

O processo segue mais ou menos esta sequência:

  1. O modelo recebe o pedido e define uma persona de artista, com estilo e história fictícia próprios (resposta direta a críticas anteriores, explicadas abaixo).
  2. Escreve código que posiciona cada pincelada no espaço, com cor, largura e trajetória.
  3. Executa as pinceladas uma a uma, sem função de desfazer: cada traço lançado fica.
  4. Observa o resultado parcial e reage a erros cobrindo-os com novas pinceladas, como faria um pintor humano.

Michael Graczyk, engenheiro da Anthropic, compartilhou um registro de conversa e um vídeo de 21 segundos em que o Fable 5.2 pinta um pássaro ao amanhecer usando exatamente 111 pinceladas. A primeira saída de código trazia a cor #30346a, largura de 90 pixels e cinco pontos de trajetória com uma leve oscilação de cerca de sete pixels, que o próprio modelo disse ter incluído de propósito, porque um braço humano também não traça uma linha perfeitamente reta.

O resultado não é perfeito de primeira, e isso é o ponto

Quando as costas do pássaro saíram finas e esgarçadas demais, o modelo cobriu o erro com um traço mais grosso, e as marcas de cerda que sobraram nas bordas passaram a parecer penas arrepiadas. Num segundo trabalho, com 280 pinceladas, mostrando duas pessoas pintando ao entardecer, um efeito de luz tardio borrou acidentalmente tubos de tinta e uma xícara na mesa, e o modelo repintou os objetos por cima. O modelo também fez as duas figuras pintarem com a mão externa, para que os ombros internos se tocassem, exatamente como o prompt pedia.

Num terceiro exemplo citado pela Anthropic, o modelo produziu uma cena fotorrealista de carrinho de supermercado numa garagem de estacionamento usando cerca de 700 mil pinceladas simuladas. Isso é volume de pintura mesmo para um processo guiado por código: cada traço é uma linha de coordenadas gerada e avaliada pelo próprio modelo, não um pixel previsto por uma rede de difusão.

Essa correção posterior ao erro é a diferença central para quem trabalha com vídeo gerado por IA. Modelos como o Flux 3 geram sequências de imagens e resolvem a consistência temporal (o quanto um quadro se parece com o anterior) diretamente na geração. O Fable 5.2 resolve o problema de outro jeito: commitando a cada pincelada e corrigindo o que já foi feito, sem a opção de recomeçar do zero.

Por que a Anthropic mudou de abordagem

O irmão mais antigo do modelo, o Opus 5.5, recebeu críticas por simplesmente imitar obras de arte existentes. Em resposta, Eaton fez o Fable 5.2 desenvolver personas próprias de artista, com história fictícia e estilo consistente, e passou a redirecionar o processo de pintura por comentários no código, em vez de reescrever o resultado.

Os números do benchmark, e o que o teste real mostrou

A capacidade de planejar passo a passo e se corrigir sob restrições não fica só na tela virtual. Segundo a Anthropic, o Fable 5.2 (e sua versão irmã Mythos 5.2, voltada a pesquisadores verificados de segurança e biologia) foi construído para tarefas técnicas de longo horizonte. Nos testes internos, o modelo resolveu dois problemas em aberto de física de buracos negros, projetou três dispositivos eletrônicos funcionais com a fabricante de placas Diode e usou mais de mil subagentes para programar seu próprio sistema operacional de laptop em oito dias.

O pesquisador de IA Aris Zhu testou a mesma capacidade de raciocínio espacial com braços robóticos físicos, colocando o Fable 5.2 contra o GPT-6 Astra, modelo concorrente da OpenAI, para pintar uma réplica de "A Noite Estrelada", de Van Gogh.

TesteClaude Fable 5.2GPT-6 Astra
RoboDojo Sim (benchmark interno da Anthropic)64,9%29,8%
Velocidade com braço robótico realMais lentoMais rápido
Equilibrar peça de dominó na bordaNão conseguiuConseguiu, afrouxando a garra devagar e usando a gravidade como pivô

O benchmark RoboDojo Sim é interno da Anthropic, então não há como comparar com um número de terceiros nesta altura. E o teste com braço físico de Zhu mostra exatamente onde a vantagem do Fable 5.2 para em planejamento: motricidade fina e velocidade ainda favorecem o modelo da OpenAI.

O que fica em aberto para quem constrói com isso

O material divulgado até agora vem de demonstrações em X (antigo Twitter) feitas por funcionários da própria Anthropic, não de um benchmark público de qualidade de imagem como FID ou CLIP score, nem de acesso via API documentado. Não há, na fonte, informação sobre custo por geração, tempo médio de execução do programa Python de 2.000 linhas, ou se e quando o Fable 5.2 fica disponível fora de testes internos.

Para quem avalia pipelines de geração de imagem hoje, o ponto prático é outro: a abordagem por código abre uma trilha auditável, cada pincelada é uma linha de coordenadas que pode ser inspecionada, versionada e reexecutada, algo que a difusão tradicional não oferece por natureza. Se isso se traduzir em controle fino de estilo e correção de erro em produção, ou se vai ficar restrito a demonstrações de pesquisa, é a pergunta que a Anthropic ainda não respondeu publicamente.

Fonte: The Decoder

Compartilhar
Quem escreveuRedação AI BrasilRedação

A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.

Leia também

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)