Anthropic lanza Claude Fable 5.2: 65 puntos en el ranking, pero 26,50 dólares por tarea

Anthropic ha recuperado el primer puesto en los rankings poco antes de su IPO. Claude Fable 5.2 y Mythos 5.2 comparten la misma base y están diseñados para las tareas técnicas más pesadas: cálculos científicos, búsqueda de vulnerabilidades y cadenas agénticas largas. Para el trabajo diario, la compañía sigue recomendando Opus 5.5, y la salvedad es importante: la novedad no está pensada para todos los escenarios.

Cifras y precio

En el índice Artificial Analysis v5, con el nivel máximo de cómputo, Fable 5.2 obtiene 65 puntos. Gemini 4 Carbon, que Google aún no ha lanzado, logra 60; Opus 5.5, 59; y la anterior Fable 5.1, publicada a principios de septiembre, se queda 15 puntos por debajo. El modelo es el mejor en cinco de las nueve pruebas: 80% en HLE-Diamond (preguntas de nivel académico experto), 73% en Terminal-Bench-Science y 49% en FrontierCode 2.0, donde el agente debe introducir cambios útiles en proyectos reales de código abierto.

El precio por millón de tokens ha bajado: $8 de entrada y $40 de salida, en lugar de $10 y $50. Pero la factura no depende del precio del token, sino de cuántos tokens consuma el modelo. En el nivel máximo, una tarea cuesta de media $26,50. Es 2,6 veces más que con Opus 5.5 ($10) y aproximadamente el doble que con Fable 5.1 ($12,99).

Los modos intermedios resultan más interesantes. En los niveles High y Xhigh, Fable 5.2 logra 62 puntos, más que cualquier otro modelo en cualquier nivel, y gasta solo 98 mil tokens de salida por tarea. Opus 5.5 en el nivel Max gasta 173 mil. Si necesitas una calidad superior a la de Opus pero tu presupuesto es limitado, conviene fijarse precisamente en estos modos. También existe un modo rápido: genera hasta 2,5 veces más deprisa, pero cuesta el doble. Está disponible para organizaciones seleccionadas en Claude Code, Claude Platform, Google Cloud y Microsoft Foundry. Sin él, el modelo genera texto aproximadamente un 30% más rápido que sus predecesores, según datos de Anthropic.

Dónde termina el liderazgo y qué hacer

Fable 5.2 no puede considerarse un ganador universal. En Terminal-Bench 4.0, donde el modelo ejecuta tareas de varios pasos en la terminal (desarrollo, seguridad), obtiene un 60%. Es el nivel de Opus 5.5, pero queda por debajo de Kimi K3.1 Pro (67%), Gemini 4 Carbon (65%) y Sonnet 5.5 (64%). En AA-Briefcase, un benchmark de trabajo de oficina de varios pasos, logra 1785 Elo frente a los 1813 de Sonnet 5.5. Con Opus 5.5 (1800), la diferencia se queda dentro del intervalo de confianza, es decir, estadísticamente es un empate.

La conclusión práctica es sencilla. No traslades todo tu tráfico a Fable 5.2: pon a prueba con ella tus tareas más difíciles, ya sean científicas, de investigación o cadenas agénticas largas con repositorios reales. Compara no el precio por token, sino el coste final de una tarea resuelta con tu propio conjunto de pruebas. Para la programación rutinaria en terminal y la automatización de oficina, Opus 5.5 o la competencia pueden salir más baratos y rendir igual o mejor.

Mythos, Fermat y el freno a la autoaceleración de la IA

Fable está disponible para todos, pero bloquea las solicitudes arriesgadas de ciberseguridad y biología, como pentesting o generación de exploits. Mythos levanta parte de las restricciones y solo está abierto a organizaciones que hayan superado la verificación de los programas de Anthropic para ciberseguridad o ciencias de la vida. En la prueba interna CVE Rediscovery, en la que el modelo busca un fallo en el estado del proyecto previo a su corrección sobre 1829 vulnerabilidades conocidas, Mythos 5.

2 encontró un 10,2% más que Opus 5.5 y un 14,4% más que Mythos 5.1.

El liderazgo se mantuvo en todos los niveles de cómputo. Según Anthropic, una de las firmas de seguridad informó de que uno de cada seis fallos confirmados por Mythos 5.2 se les escapó a todos los demás modelos probados.

Por separado, Anthropic afirma que intencionadamente no permitió que los modelos mejoraran las habilidades que aceleran directamente el desarrollo de IA: la optimización de núcleos de cómputo para aceleradores y la mejora de arquitecturas de LLM. En ellas, los modelos están aproximadamente al nivel de Opus 5.5. Las restricciones no afectaron a la programación agéntica, el desarrollo de hardware ni la investigación clásica, incluida la interpretabilidad. Según la compañía, Claude ya escribe más del 90% de los cambios que llegan al código principal de Anthropic, bajo supervisión humana.

La demostración principal es matemática. Alrededor de mil agentes de Fable 5.2 formalizaron por completo en 30 horas la demostración del Gran Teorema de Fermat en el lenguaje Lean, donde el ordenador verifica cada paso.

La anterior versión de investigación de Claude tardó 11 días, en un entorno montado ex profeso y con pistas de una persona. Los nuevos agentes partieron de una instrucción breve, organizaron el trabajo por sí mismos y no usaron fuentes matemáticas. El gasto de tokens en acciones fue un tercio del primer intento, y la demostración resultó siete veces más corta.

Opus 5.5, con el mismo esquema de mil agentes, solo llegó al 26–27% de la formalización y apenas avanzó después de la hora 18.

Todas estas cifras proceden de la propia Anthropic y de Artificial Analysis. Por ahora no hay verificación independiente, y un especialista externo no puede reproducir pruebas internas como CVE Rediscovery. Conviene tomarlas como una buena razón para hacer tus propias mediciones, no como una solución lista para usar.