Anthropic lanzó Claude Fable 5.1 y Claude Mythos 5.1 el 1 de septiembre, tres meses después de la llegada del Fable 5 original, que fue suspendido poco después por el Departamento de Comercio de Estados Unidos.
En el anuncio oficial, la compañía los presenta como los modelos más avanzados del mundo para programación y trabajo intelectual. Los resultados de las pruebas de rendimiento respaldan buena parte de esa afirmación. De hecho, una de las métricas más que duplicó su puntuación.
Sin embargo, al revisar la documentación para desarrolladores, encontramos algo sorprendente. La segunda frase de la descripción general recomienda comenzar con Claude Opus 5 para la mayoría de las cargas de trabajo.
Es decir, Anthropic está recomendando, desde su propia documentación y el mismo día del lanzamiento, que probablemente su modelo más avanzado no sea la mejor opción para la mayoría de las personas.
Vale la pena detenerse en esta contradicción, porque ayuda a entender prácticamente todo lo que hay detrás de este lanzamiento.
Qué mejoró realmente
Las mejoras son reales, pero no se distribuyen de manera uniforme. Dos pruebas de rendimiento registraron avances extraordinarios, mientras que el resto mostró incrementos de apenas unos puntos porcentuales.
Terminal Bench Science es el resultado más destacado.
Fable 5 obtuvo una puntuación del 24,7 %, mientras que Fable 5.1 alcanzó el 52,6 %.
Anthropic señala que el error estándar se sitúa aproximadamente entre 3,5 y 4,5 puntos por modelo, por lo que la diferencia no puede atribuirse simplemente a variaciones estadísticas.
La automatización de procesos empresariales también estuvo cerca de duplicar su rendimiento.
Pero cuando comparamos los resultados con Opus 5, la situación se vuelve bastante más interesante.
En tareas de conocimiento, Opus 5 obtiene 1824 puntos frente a los 1853 de Fable 5.1.
En Humanity's Last Exam, utilizando herramientas, las puntuaciones son de 63,6 frente a 65,0.
Y en CursorBench, una de las pruebas de programación más exigentes del conjunto, Opus 5 queda apenas tres puntos por detrás.
Desarrolladores de Hacker News señalan que Fable cuesta aproximadamente el doble que Opus.
Pagar el doble por una diferencia de tres puntos en CursorBench no parece una decisión estratégica de producto. Es pagar una factura considerable por una mejora casi imperceptible.
Donde Fable 5.1 realmente consigue diferenciarse es en investigación científica y automatización.
Si trabajas con agentes autónomos que realizan investigaciones complejas durante períodos prolongados, una mejora de 28 puntos en Terminal Bench Science representa un avance importante.
Pero si tu trabajo consiste principalmente en desarrollar operaciones CRUD o endpoints convencionales, probablemente estés gastando mucho más dinero del necesario.
El precio: el cambio más importante no está donde imaginas
La reducción del costo de lectura de caché es la verdadera novedad
El precio de entrada permanece en 10 dólares por millón de tokens.
El de salida continúa en 50 dólares por millón.
Lo que sí cambió es el costo de lectura de caché, que pasó de representar una décima parte del precio de entrada a una cuadragésima parte.
En términos concretos, bajó de 1 dólar a 0,25 dólares.
Anthropic estima que esto puede generar un ahorro del 25 % en cargas de trabajo habituales y de hasta un 45 % en sistemas que utilizan agentes de manera intensiva, donde los prefijos almacenados en caché representan buena parte del consumo.
Estas estimaciones coinciden con los primeros resultados compartidos por profesionales del sector pocas horas después del lanzamiento.
Un equipo que ejecutaba evaluaciones afirmó haber medido una reducción aproximada del 30 % en el costo real por tarea.
Otro desarrollador calculó que, con una tasa de aciertos de caché del 95 %, el contexto utilizable antes de activar la compactación automática prácticamente se duplica, pasando de 200.000 a 400.000 tokens.
Sin embargo, hay un detalle importante si utilizas Claude mediante una suscripción y no directamente a través de la API.
Los ahorros anunciados se aplican a los entornos donde el consumo se factura por tokens.
Varias personas suscritas a los planes Pro y Max preguntaron el día del lanzamiento si estos cambios ampliarían sus límites de uso.
La interpretación del anuncio es que no.
Anthropic sí reinició las ventanas de uso de todas las cuentas, lo que ayudó a suavizar el impacto de esta limitación.
El problema que Anthropic resolvió solo a medias
Desde junio, el principal problema de Fable nunca ha sido su capacidad.
El verdadero inconveniente es que muchas veces no puedes utilizarlo, aunque creas que sí.
Los mecanismos de seguridad de Anthropic redirigen determinadas solicitudes consideradas de doble uso hacia un modelo Opus.
Y para una cantidad considerable de desarrolladores, esta redirección ocurre constantemente.
El anuncio aborda directamente esta situación.
Ahora, las protecciones relacionadas con biología se activan un 85 % menos en consultas benignas sobre biología básica y cuestiones médicas.
Fable 5.1 también puede identificar vulnerabilidades de software, una actividad que forma parte del trabajo defensivo en ciberseguridad.
Además, Anthropic asegura que quienes utilizan Claude Code deberían experimentar aproximadamente un 60 % menos de intervenciones de seguridad por sesión.
Es una mejora importante.
Pero sigue sin ser la solución que esperaban los profesionales de ciberseguridad.
Las pruebas de penetración, la generación de exploits y el análisis de vulnerabilidades en archivos binarios continúan siendo redirigidos a Opus.
La conversación del día del lanzamiento en Hacker News reveló una situación todavía más llamativa.
Un ingeniero de seguridad que había pasado meses completando procesos de verificación de identidad, conocidos como KYC, y procedimientos de adquisición para inscribir a su organización en el Cyber Verification Program descubrió que este programa no habilita el acceso a Fable.
Para conseguirlo, es necesario pertenecer a Project Glasswing, que proporciona acceso a Mythos.
Anthropic afirma que el Cyber Verification Program incluirá modelos de la clase Mythos en un futuro próximo.
El problema es que «futuro próximo» sigue siendo una expresión bastante imprecisa.
La observación que más se repitió durante el lanzamiento no estuvo relacionada con la calidad del modelo, sino con personas que descubrieron que llevaban semanas creyendo que utilizaban Fable cuando, en realidad, sus solicitudes habían sido redirigidas silenciosamente a Opus.
Un desarrollador estimó que realmente estaba utilizando Fable aproximadamente el 20 % de las veces que pensaba estar haciéndolo.
Finalmente, decidió utilizar Opus de forma predeterminada.
Otras personas compartieron experiencias completamente diferentes y afirmaron haber resuelto problemas complejos en un solo intento, con redirecciones ocasionales.
Las respuestas muestran un patrón que depende del ámbito de trabajo.
El desarrollo web y la programación general rara vez activan estas restricciones.
En cambio, los proyectos relacionados con autenticación, seccomp, ingeniería inversa o servicios financieros las activan con mucha más frecuencia.
Si tu actividad pertenece a alguna de estas categorías, las mejoras anunciadas en las pruebas de rendimiento pueden no llegar a beneficiarte.
También es importante considerar el contexto comercial.
Financial Times informó que Fable 5 había registrado una demanda limitada entre clientes corporativos, mientras que las herramientas más económicas seguían ganando terreno.
Ese es el escenario en el que Anthropic presenta una actualización cuyo cambio económico más importante es, precisamente, una reducción de precios.
La mitad de los cambios están relacionados con mecanismos de protección
Migrar de claude-fable-5 a claude-fable-5-1 introduce tres cambios que pueden afectar a las aplicaciones existentes.
Los tres funcionan, en la práctica, como mecanismos de protección frente a la destilación de modelos.
1. El uso forzado de herramientas devuelve un error 400
Configurar tool_choice con el valor any o con el nombre de una herramienta específica ahora provoca que la solicitud sea rechazada.
La explicación oficial de Anthropic es que forzar una llamada a herramientas omite el proceso de razonamiento y reduce la calidad de los argumentos generados.
Al mismo tiempo, este cambio bloquea una técnica conocida que utilizaba una herramienta de razonamiento falsa para extraer directamente la cadena de pensamiento del modelo.
2. Los bloques de razonamiento quedan vinculados al modelo que los generó
Fable 5.1 puede leer bloques de razonamiento producidos por modelos anteriores.
Sin embargo, los modelos anteriores no pueden leer los bloques generados por Fable 5.1.
Cuando el modelo de destino no puede interpretar uno de estos bloques, se descarta silenciosamente.
La excepción es utilizar un encabezado beta específico que permite recibir información sobre los bloques descartados.
3. Modificar mensajes anteriores invalida los bloques de razonamiento
Si modificas el prompt del sistema, el conjunto de herramientas o cualquier mensaje anterior de la conversación, la siguiente solicitud devuelve un error.
Las conversaciones deben construirse ahora de manera acumulativa: se pueden agregar mensajes nuevos, pero no modificar los anteriores.
Esta restricción se aplica a las cuentas creadas a partir del 31 de agosto.
Las cuentas existentes están exentas por el momento, aunque Anthropic afirma que la comprobación se extenderá a todas en futuras versiones de sus modelos.
Claude Code, claude.ai y Agent SDK gestionan automáticamente este comportamiento.
Pero si tu aplicación construye manualmente el arreglo messages, tendrás que adaptar tu implementación.
Anthropic también ha explicado los motivos detrás de estas decisiones.
En febrero, la compañía identificó más de 16 millones de intercambios con Claude vinculados a campañas de destilación realizadas mediante aproximadamente 24.000 cuentas falsas.
La manipulación del contexto de conversaciones era una técnica documentada para intentar extraer el razonamiento interno del modelo.
Bloquear este mecanismo tiene una justificación técnica.
Sin embargo, también es la segunda vez en tres meses que Anthropic introduce restricciones adicionales junto con mejoras de capacidad.
Y la comunidad de desarrolladores lo ha notado.
Una de las interpretaciones más apoyadas del lanzamiento fue especialmente crítica: al menos la mitad de los cambios parecen estar destinados a impedir la destilación.
A esto se suma una nueva capa de procedencia del contenido.
Todas las salidas de texto de estos modelos incorporan ahora una marca de agua estadística de Anthropic.
Según el anuncio, esta medida responde a los compromisos del Código de Buenas Prácticas de la Ley de Inteligencia Artificial de la Unión Europea, al que Anthropic se adhirió en julio y que se aplica a los modelos lanzados después del 2 de agosto.
Las imágenes y los videos incluyen credenciales C2PA firmadas digitalmente.
La API para detectar estas marcas se encuentra en una versión preliminar privada, actualmente limitada a organismos reguladores, investigadores, verificadores de información y organizaciones con obligaciones específicas de cumplimiento normativo.
El avance científico del que casi nadie está hablando
Si dejamos a un lado los precios y las discusiones sobre restricciones de seguridad, aparece una de las partes más interesantes de este lanzamiento: las aplicaciones científicas.
Mythos 5.1 recibió acceso a herramientas de código abierto para el diseño y plegamiento de proteínas.
Su tarea consistía en diseñar moléculas capaces de unirse a objetivos biológicos específicos, conocidas como binders.
Los diseños fueron enviados a dos organizaciones externas para su validación en laboratorio.
En tres objetivos, las afinidades de unión fueron diez veces superiores a las mejores propuestas presentadas en las competiciones de diseño de proteínas de Adaptyv Bio.
La tasa de éxito en un conjunto de 12 objetivos se acercó al 50 %, frente a un promedio habitual del sector de entre el 10 % y el 15 %.
Por otro lado, Fable 5.1 entrenó una red neuronal utilizando datos de radar de la misión Magellan, recopilados hace aproximadamente 30 años.
El resultado fue un nuevo mapa de elevación que cubre un tercio de la superficie de Venus.
El modelo consiguió identificar características geográficas con una resolución de entre 2 y 3 kilómetros, frente a los 10 a 20 kilómetros de las referencias anteriores.
Anthropic publicó este trabajo bajo una licencia Creative Commons, antes de las misiones VERITAS de la NASA y EnVision de la Agencia Espacial Europea.
Pero hay otro resultado que merece especial atención.
Mythos 5.1 desarrolló kernels personalizados para GPU que aceleraron hasta 2,5 veces la ejecución de siete modelos de código abierto relacionados con genómica y proteínas, manteniendo resultados idénticos.
Estas optimizaciones permitieron estimar una reducción del costo de GPU de entre un 30 % y un 60 % en análisis genómicos a gran escala.
Probablemente este sea uno de los avances más importantes y menos comentados del anuncio.
Tradicionalmente, optimizar kernels de este nivel requiere semanas de trabajo por parte de equipos especializados en ingeniería de rendimiento.
Para muchos laboratorios académicos, ese esfuerzo resulta económicamente inaccesible.
Anthropic afirma que tiene previsto publicar estas optimizaciones como código abierto.
Si se concreta, podría facilitar el acceso a capacidades de computación avanzada que hasta ahora estaban fuera del alcance de numerosos equipos de investigación.
¿Para quién tiene sentido Fable 5.1?
Fable 5.1 representa una actualización valiosa para un grupo específico de usuarios, pero puede resultar poco relevante para la mayoría de quienes están siguiendo este lanzamiento.
La decisión de migrar debería depender de las características reales de tu trabajo.
Cuándo sí conviene cambiar
Si ejecutas sesiones prolongadas con agentes de IA y tienes tasas elevadas de aciertos de caché, la reducción de los costos de lectura puede representar un ahorro de entre el 25 % y el 45 %.
Es una diferencia que, acumulada diariamente, puede tener un impacto considerable.
También merece la pena considerar la migración si trabajas en investigación científica o automatización de procesos complejos con múltiples etapas.
En estos escenarios, las diferencias en las pruebas de rendimiento son lo suficientemente grandes como para traducirse en mejoras prácticas.
Cognition anunció el mismo día del lanzamiento que trasladaría parte del tráfico de Opus utilizado en Devin hacia Fable.
El motivo principal fue el nuevo precio de caché, que permite utilizar un modelo de esta categoría para revisiones de código con una estructura de costos más viable.
Cuándo no conviene cambiar
Si tu trabajo está relacionado con seguridad informática, autenticación, ingeniería inversa u otras actividades que activan los clasificadores de seguridad, la migración puede no ofrecerte los beneficios que esperas.
Seguirás pagando las tarifas de Fable mientras determinadas solicitudes terminan siendo procesadas por Opus.
Tampoco parece necesario cambiar si tu actividad se centra en desarrollo de software general.
En la mayoría de las pruebas, Opus 5 se mantiene a pocos puntos de Fable 5.1, pero con un costo aproximadamente dos veces menor.
Y si tienes previsto migrar sistemas basados en agentes, conviene revisar cuidadosamente las notas de comportamiento antes de realizar cualquier cambio.
Fable 5.1 presenta algunas diferencias respecto a Fable 5 que pueden afectar directamente al consumo de tokens y al funcionamiento de tus aplicaciones.
Por ejemplo:
- Agrupa las llamadas paralelas a herramientas de manera menos consistente.
- Genera menos actualizaciones sobre el progreso de las tareas.
- Recurre con mayor frecuencia a la información almacenada en su conocimiento interno cuando opera con un nivel de esfuerzo bajo.
- Tiende a reescribir archivos completos en situaciones donde bastaría con modificar una sección específica.
Cada uno de estos comportamientos puede aumentar el consumo de tokens.
Y cuando trabajas con aplicaciones en producción, pequeñas diferencias repetidas miles de veces pueden convertirse en costos importantes.
La recomendación más importante viene de la propia Anthropic
La documentación oficial propone un enfoque bastante sencillo:
Comienza con Opus 5 y considera cambiar a un modelo superior únicamente cuando tus evaluaciones, incluso utilizando un nivel de esfuerzo alto, demuestren que el rendimiento resulta insuficiente.
Es una recomendación poco habitual para una compañía que acaba de presentar sus modelos más avanzados.
Pero también es, posiblemente, la conclusión más útil de todo este lanzamiento.
No necesitas utilizar el modelo más potente disponible. Necesitas utilizar el modelo que resuelva tu problema con la calidad adecuada y el menor costo posible.
La diferencia entre ambas decisiones puede parecer pequeña cuando realizas unas cuantas consultas.
Cuando construyes productos, automatizaciones o sistemas de inteligencia artificial que funcionan todos los días, esa diferencia puede determinar la viabilidad económica de toda tu operación.
Gracias por leer Código en Casa.
Si esto te a ayudado y te sumo algo Dale un 👏 , compártelo con tu red o dejame un comentario para saber tu opinión.