Como escolher modelo de IA para finanças (sem cair no hype)

TL;DR

Em 12 dias a Anthropic lançou dois modelos: o Claude Opus 4.8 (28 de maio) e o Claude Fable 5 (9 de junho), anunciado como o modelo mais poderoso já liberado ao público.

Para a área financeira, “qual é o mais forte” não é a pergunta. As três que importam são: contexto (quanto dado o modelo lê de uma vez), custo (cabe no orçamento da rotina) e retenção (onde o seu dado fica).

O Fable 5 custa o dobro do Opus 4.8 (US$10/US$50 vs US$5/US$25 por milhão de tokens) e exige retenção obrigatória de 30 dias, com o zero-data-retention desligado.

Modelo mais forte acelera o que já funciona. Não conserta dado sujo, ERP mal configurado nem processo quebrado.

Use a tabela de decisão e o checklist abaixo para casar tarefa, custo e sensibilidade do dado antes de trocar qualquer modelo.

Escolher modelo de IA para finanças é decidir qual modelo entra em cada tarefa olhando três critérios concretos: o tamanho do contexto (quanto dado ele processa de uma vez), o custo por token (se cabe numa rotina diária) e a política de retenção de dados (por quanto tempo o que você envia fica armazenado). Para a área financeira brasileira, esse terceiro ponto pesa antes de qualquer benchmark, porque governança de dado e LGPD vêm na frente.

O que aconteceu

A Anthropic teve dois lançamentos em sequência curta. No dia 28 de maio chegou o Claude Opus 4.8, descrito como o modelo mais capaz disponível de forma geral até então, com 1 milhão de tokens de contexto por padrão na API, 128 mil tokens de saída e preço de US$5 por milhão de tokens de entrada e US$25 na saída.

No dia 9 de junho a empresa lançou o Claude Fable 5 e o Claude Mythos 5. O Fable 5 é apresentado como o modelo mais poderoso já liberado ao público, estado da arte na maioria dos benchmarks. O Mythos 5 fica restrito a parceiros (o programa Project Glasswing). Os dois custam US$10 por milhão de tokens de entrada e US$50 na saída, o dobro do Opus 4.8.

Dois detalhes do anúncio do Fable 5 importam mais para finanças do que o ranking de capacidade. O primeiro é de segurança: pedidos de alto risco (cibersegurança, biologia, química) são roteados de volta para o Opus 4.8, e a Anthropic afirma que mais de 95% das sessões não acionam esse desvio. O segundo é de dados, e é o que muda a conta de quem responde por compliance.

Por que importa para finanças BR

Um lançamento de modelo não é, por si, uma pauta de tesouraria. Vira pauta quando você precisa decidir o que roda no seu fechamento, na conciliação ou no FP&A. E aí a pergunta deixa de ser “qual é o mais forte” e passa a ser “qual entra no meu processo, e por quê”. Três critérios respondem isso.

Contexto. O Opus 4.8 trouxe 1 milhão de tokens de contexto por padrão. Na prática para o time de tesouraria, isso significa jogar um extrato inteiro, vários arquivos OFX ou um razão grande de uma vez antes de fatiar em pedaços. Contexto maior também segura tarefas longas (uma conciliação com muitas linhas) sem o modelo se perder no meio do caminho. É um ganho real de robustez, não de marketing.

Custo. Preço por token decide se a automação roda todo dia ou só no fechamento. O Fable 5 custa o dobro do Opus 4.8. Para conciliar Pix de segunda a sexta ou ler notas em lote, o topo do benchmark raramente é a escolha certa: você paga por uma capacidade de fronteira que a tarefa rotineira não exige. O controller que pensa em custo total de operação compara o ganho marginal de capacidade com o custo marginal por mil documentos processados.

Onde o dado fica. Aqui está o ponto que o operador financeiro brasileiro olha antes do benchmark. Segundo o anúncio oficial, os modelos da classe Mythos (o Fable 5 inclusive) exigem retenção obrigatória de 30 dias para todo o tráfego, em superfícies próprias e de terceiros. O zero-data-retention fica desligado. A Anthropic afirma que não usa esses dados para treinar novos modelos, que registra o acesso humano e que apaga após 30 dias na maioria dos casos. Mesmo assim, para quem responde por LGPD, isso é decisão de governança, não detalhe técnico: o que sai da sua máquina e por quanto tempo fica armazenado é matéria de política de dados, não de preferência de ferramenta.

Vale separar o medo do fato. Retenção de 30 dias não é “o modelo vaza o seu extrato”. É uma regra sobre o que você envia via API. O ponto não é pânico, é escolha de arquitetura. E a melhor arquitetura para finanças continua sendo a mesma de antes do lançamento: processar o número localmente e mandar só o resumo para o modelo. É a lógica da governança de agentes de IA na tesouraria: o dado sensível não precisa sair da sua infraestrutura para a IA ajudar a interpretar.

No nosso motor de conciliação bancária, por exemplo, o extrato é lido e batido localmente em Python; o modelo só recebe um resumo agregado das divergências, nunca o razão bruto nem os números de conta. Por isso a troca de modelo (Opus 4.8, Fable 5 ou o que vier depois) não muda nada na exposição do dado: o que é sensível nunca chega à API. Foi essa decisão de arquitetura, tomada antes destes dois lançamentos, que deixou a escolha de modelo virar uma questão de custo e capacidade, não de risco de vazamento.

Como escolher o modelo de IA para finanças agora

A decisão não é “qual modelo é o melhor”, e sim “qual modelo para qual tarefa”. A tabela abaixo casa o tipo de trabalho financeiro com o critério que pesa mais.

Tarefa	Critério que decide	Escolha de partida
Conciliação diária de Pix / extratos	Custo (roda todo dia)	Modelo mais barato que dê conta (Opus 4.8 antes do Fable 5)
Leitura de muitos OFX / razão grande de uma vez	Contexto (volume)	Modelo com 1M de tokens (Opus 4.8 já entrega)
Fechamento com dado sensível (folha, contratos)	Retenção / LGPD	Processar local, enviar só resumo; preferir ZDR quando existir
Raciocínio de fronteira em dado não sensível	Capacidade	Fable 5 faz sentido aqui, e só aqui
Tarefa rotineira de baixa complexidade	Custo	O mais caro raramente compensa

Depois de escolher pela tabela, rode o checklist antes de trocar o que já está em produção:

Contexto. O modelo lê o volume de dado que eu preciso de uma vez, ou vou ter que fatiar mesmo assim?
Custo. O preço por token cabe no orçamento da tarefa na frequência real que ela roda?
Retenção. A política de retenção de dados do modelo respeita a minha exigência de LGPD e a do meu jurídico?
Arquitetura. O dado sensível pode ficar local, com só o resumo indo para o modelo?
Pré-requisito. O meu dado e o meu ERP estão limpos o bastante para a automação valer (ou eu vou só automatizar o erro)?

O último item é o que mais derruba projeto de IA em finanças. Um modelo melhor não conserta plano de contas inconsistente, lançamento manual duplicado ou processo sem dono. Antes de discutir qual modelo, vale olhar se a base aguenta automação, como detalhamos na peça sobre agente de IA na tesouraria BR.

O que observar daqui pra frente

Três sinais valem acompanhamento nas próximas semanas, sem alarmismo.

O primeiro é o benchmark independente. Todos os ganhos anunciados (estado da arte, melhor uso de ferramentas, menos falhas silenciosas) são claims do fabricante, ainda sem validação de terceiros. Para a área financeira, que opera em ambiente de risco, “alegado pelo fornecedor” e “auditado de forma independente” são coisas diferentes. Trate os números como direção, não como garantia.

O segundo é a evolução da política de retenção. A regra de 30 dias hoje é dura para os modelos Mythos-class. Se surgir uma exceção para contratos enterprise com zero-data-retention, isso muda a conta de quem queria o modelo mais forte mas esbarrou na governança de dado. Vale monitorar o que o jurídico consegue negociar.

O terceiro é o preço. O Fable 5 entrou gratuito nos planos Pro, Max, Team e Enterprise até 22 de junho, e passa a exigir créditos de uso a partir de 23 de junho. Quem testar agora deve simular o custo no volume real de produção antes de assumir que a janela gratuita representa o custo de operação.

A conclusão prática não muda com o próximo lançamento: capability virou commodity, e sobe a cada poucas semanas. Arquitetura (onde o dado fica, quanto custa rodar, o que é local e o que vai para a nuvem) é o que continua sendo decisão sua. Qual desses três critérios pesa mais na sua área quando entra um modelo novo?

Perguntas relacionadas

Qual é o melhor modelo de IA para finanças?

Não existe um melhor absoluto. A pergunta útil é qual modelo entra em qual tarefa, olhando três critérios: contexto (quanto dado ele lê de uma vez), custo por token (se cabe na frequência real da rotina) e política de retenção (por quanto tempo o que você envia fica armazenado).

O modelo mais caro é o melhor para conciliação bancária?

Raramente. Conciliação bancária roda todo dia, então o custo por token decide antes da capacidade. O Claude Fable 5 custa o dobro do Opus 4.8 (US$10/US$50 contra US$5/US$25 por milhão de tokens) e a tarefa rotineira não exige capacidade de fronteira. Escolha o modelo mais barato que dê conta.

A retenção de 30 dias significa que o meu extrato fica guardado?

Só se você enviar o extrato. Os modelos da classe Mythos (Fable 5 incluso) exigem retenção obrigatória de 30 dias, com o zero-data-retention desligado. A Anthropic afirma que não treina com esse dado e que apaga após 30 dias na maioria dos casos. Processando o número localmente e mandando só o resumo, o dado sensível nunca chega à API.

Dá para confiar nos benchmarks do anúncio de um modelo novo?

Como direção, não como garantia. Os ganhos anunciados no lançamento (estado da arte, melhor uso de ferramentas, menos falhas silenciosas) são alegações do fabricante, ainda sem validação de terceiros. Para uma área que responde por risco, “alegado pelo fornecedor” e “auditado de forma independente” são coisas diferentes.

Preciso trocar de modelo toda vez que sai um lançamento?

Não. Capacidade virou commodity e sobe a cada poucas semanas; trocar por trocar só muda a conta. Antes de mexer no que já está em produção, cheque quatro coisas: se o contexto cobre o volume, se o preço cabe na frequência real, se a retenção passa no seu jurídico e se o dado sensível pode ficar local.

Um modelo mais forte conserta a minha conciliação?

Não. Modelo melhor acelera o que já funciona; não conserta dado sujo, ERP mal configurado nem processo sem dono. Plano de contas inconsistente e lançamento manual duplicado sobrevivem à troca. Sem base limpa, a automação só repete o erro mais rápido. Arrume a base antes de escolher o modelo.

Para se aprofundar

Esta peça foi escrita com assistência de IA e revisada por Doug Ferreira. As fontes citadas têm link direto para o anúncio oficial. Os ganhos de capacidade citados são alegações do fabricante, ainda sem benchmark independente. Encontrou um erro de fato? Avise no formulário da newsletter.