Anthropic lanza Claude 5.2: un 20 % más barato, un 30 % más rápido y 1000 agentes

Anthropic ha actualizado su línea insignia: han salido Claude Fable 5.2 y Mythos 5.2. Si dejamos a un lado el marketing, el lanzamiento resulta interesante por tres razones: el precio baja, la velocidad sube y la compañía muestra en serio cómo trabajar con el modelo no con un solo agente, sino con cientos. Hay pocos detalles sobre Mythos en los datos disponibles, así que a continuación hablamos sobre todo de Fable.

Qué ha cambiado en cifras

Según los primeros datos, Fable 5.2 escribe con más claridad y genera tokens un 30 % más rápido. El precio es un 20 % inferior al de la 5.1 y figura como 8/40. Lo más probable es que sean dólares por millón de tokens de entrada y salida. De ahí se deduce que la 5.1 costaba 10/50. Conviene verificar la tarifa exacta en la página de Anthropic.

Por separado existe un fast mode. Cuesta el doble, pero genera 2,5 veces más rápido. Es un compromiso claro: en tareas en segundo plano, donde nadie espera la respuesta, se usa el modo normal. En escenarios interactivos, como un asistente de IDE, un agente de voz o soporte en tiempo real, se paga por la velocidad. Si se piensa en términos de «precio por segundo de espera del usuario», el fast mode se amortizará en algunos productos.

Mil agentes para una sola tarea

Lo más inusual del anuncio son los ejemplos de orquestación de 1000 agentes. Entre las tareas se mencionan escribir un sistema operativo y formalizar la demostración del Último Teorema de Fermat. La idea es familiar para quien haya montado pipelines multiagente: un agente coordinador divide una tarea grande en partes, decenas o cientos de ejecutores las toman en paralelo, y después los resultados se unen y se verifican.

En la práctica, estos sistemas no fallan por la «inteligencia» del modelo, sino por la coordinación: los agentes duplican trabajo, entran en conflicto en el código compartido y pierden contexto. Por eso es relevante que Anthropic haya publicado en claude.dev un material aparte sobre cómo escalar de forma segura equipos multiagente con Fable 5.2. Si está construyendo algo similar, léalo antes que las demos publicitarias.

Un benchmark que conviene recordar

De todos los benchmarks destaca el Remote Labor Index (RLI), con un resultado superior al 40 %. El RLI comprueba si los agentes pueden completar proyectos remotos reales, como los de una bolsa de trabajo freelance, de principio a fin. Cuando la prueba salió en 2025, los mejores sistemas resolvían solo unos pocos puntos porcentuales de las tareas. Si el 40 % se confirma en pruebas independientes, supondría un salto de un «asistente que escribe un fragmento de código» a un «ejecutor al que se le puede encargar un proyecto pequeño».

Sin embargo, por ahora son cifras del propio proveedor. No hay verificación independiente, pero la ficha del sistema del modelo está publicada, y es ahí donde conviene buscar los detalles de la metodología y las salvedades.

Límites y restricciones

Las cuentas con acceso a Fable recibirán hoy de uno a tres reinicios de límites. La cuota se mantiene en el 50 %. Del texto original no queda claro a qué se refiere exactamente esta cifra, así que compruébelo en la configuración de su cuenta.

Algunas salvedades más. Las demos con 1000 agentes muestran los mejores escenarios, no la carga media. Un sistema operativo escrito por un enjambre de agentes y un sistema de producción con requisitos de fiabilidad son cosas distintas. Escalar a cientos de agentes aumenta la factura de tokens de forma lineal, y el descuento del 20 % no lo compensa.

Qué deben hacer desarrolladores y responsables de producto

1. Pruebe en Fable 5.2 sus tareas reales, no los benchmarks públicos. Compare el coste de una tarea resuelta, no el coste del token.
2. Para funciones interactivas, pruebe el fast mode y calcule si compensa la tarifa doble.
3. Si tiene una arquitectura multiagente, empiece con 5–10 agentes y mida la proporción de trabajo duplicado antes de escalar.
4. Lea la ficha del sistema: describe riesgos y limitaciones que no aparecen en el anuncio.

En resumen: el lanzamiento no va de «aún más inteligente», sino de economía. Más barato, más rápido y con una apuesta explícita por los equipos de agentes. Ganan quienes ya saben medir el coste del resultado.