Anthropic ha presentado Claude Fable 5.2 y Claude Mythos 5.2, sus modelos más capaces para los retos técnicos más difíciles, con salidas hasta un 30 % más rápidas que la generación 5.1 y a un precio más bajo: 8 dólares (unos 7,15 euros) por millón de tokens de entrada y 40 dólares (unos 35,74 euros) por millón de salida. Mejoran en programación, razonamiento y visión, y la compañía presume de hitos llamativos: resolver dos problemas abiertos de física teórica y formalizar el último teorema de Fermat en 30 horas. Y, sin embargo, su propia recomendación es que para el trabajo diario sigas usando Claude Opus 5.5. Lo cuenta Anthropic en su anuncio oficial.
El mensaje, leído con atención, es menos un «cambia ya» y más un «esto es para cuando lo normal no basta».
¿Qué son Fable 5.2 y Mythos 5.2 y en qué se diferencian?
Son el mismo modelo por debajo; lo que cambia son las barreras de seguridad y quién puede usarlo. Según Anthropic, Fable 5.2 lleva salvaguardas de ciberseguridad y biología que bloquean los usos de alto riesgo, y por eso está disponible para todos. Mythos 5.2 es ese mismo modelo sin parte de esos filtros, reservado a organizaciones verificadas a través de sus programas de Ciberseguridad y Ciencias de la Vida.
Ambos generan respuestas hasta un 30 % más rápido que Fable 5.1 y Mythos 5.1, y bajan de precio. Hay además un modo rápido opcional que acelera la generación hasta 2,5 veces por 16 dólares (unos 14,29 euros) la entrada y 80 dólares (unos 71,47 euros) la salida por millón de tokens. La clave está en cómo los coloca la propia Anthropic dentro de su catálogo: Fable y Mythos son para «el trabajo técnico más ambicioso y abierto», mientras que para la mayoría de tareas de código y conocimiento la compañía recomienda empezar por Opus 5.5, al que llama su modelo de referencia para el día a día, y subir o bajar de escalón según haga falta. Fable 5.2 puede incluso actuar como asesor al que otros modelos recurren para los problemas más difíciles, o como orquestador que reparte tareas a modelos más pequeños. Si no tienes claro qué modelo usar para qué, conviene entender primero qué son los modelos de razonamiento y cuándo compensa usarlos.
¿Qué pueden hacer que los modelos anteriores no?
Según Anthropic, tareas técnicas que hasta ahora quedaban fuera de alcance, desde física teórica hasta diseñar hardware que funciona. La compañía afirma que Fable 5.2 resolvió dos problemas abiertos de física teórica —ambos sobre agujeros negros y la unión entre relatividad y mecánica cuántica— y que ha publicado los resultados en sendos preprints. Son afirmaciones extraordinarias y conviene tomarlas como lo que son: resultados que la propia empresa anuncia y que la comunidad científica todavía tiene que revisar.
El hito más vistoso es matemático. Un equipo de 1.000 agentes de Fable 5.2 formalizó por completo el último teorema de Fermat en el lenguaje Lean en 30 horas, frente a los 11 días que necesitó una versión de investigación anterior con ayuda humana; el modelo, dice Anthropic, partió de instrucciones mínimas y produjo una demostración siete veces más corta. Ese esfuerzo por traducir las matemáticas a un lenguaje que una máquina pueda comprobar paso a paso es el mismo campo en el que OpenAI subió 722 manuscritos matemáticos formalizados en Lean a GitHub, y es donde se está jugando buena parte de la credibilidad de la IA en ciencia.
Hay más en la lista: en un experimento, el modelo coordinó más de 1.000 subagentes durante ocho días para construir desde una carpeta vacía un sistema operativo que arranca en un portátil; diseñó tres dispositivos electrónicos reales —un altavoz USB, un asistente de voz y una mascota virtual— con sus placas y su software; y, en su versión Mythos 5.2, modeló la estructura de 28 de 34 cápsides de virus usados en terapia génica. En programación, Anthropic asegura que más del 90 % de los cambios que entran en su propio código base ya los escribe Claude con guía humana.
¿Hay que creerse las cifras?
Impresionan, pero casi todas salen de los propios bancos de pruebas de Anthropic, y eso obliga a la cautela. En el benchmark FrontierCode 2.0, que mide si los cambios de código los aceptaría el mantenedor de un proyecto real, Fable 5.2 llega al 49,1 % en su máximo esfuerzo, por delante de Opus 5.5 (45,5 %), del GPT-6 Astra de OpenAI (42,8 %) y del Gemini 4 Carbon de Google (41,1 %). En robótica simulada (RoboDojo), Anthropic declara un 64,9 %, más del doble que GPT-6 Astra. Y en el examen Humanity’s Last Exam con herramientas, un 74,2 %.
El problema no es que las cifras sean malas, es de dónde vienen. Varias de las pruebas más espectaculares —robótica, ciberseguridad, rediseño de código— son evaluaciones internas o ejecutadas por la propia Anthropic sobre sus rivales, con los niveles de esfuerzo que ella elige. No es trampa, pero tampoco es un árbitro neutral, y la historia reciente del sector está llena de récords de laboratorio que se desinflan al llegar a manos independientes. Donde Mythos 5.2 sí aporta un dato más contrastable es en ciberseguridad: Mozilla afirma que, al endurecer Firefox, el modelo duplicó aproximadamente las vulnerabilidades que encontraba Mythos 5.1. Es el tipo de resultado medido por un tercero que vale más que cualquier gráfica propia, y encaja con la carrera por usar la IA para blindar software que ya vimos cuando el GPT-6 Cyber de OpenAI buscó fallos en Firefox.
¿Es seguro un modelo tan capaz?
Anthropic sitúa el riesgo de comportamiento inseguro en «bajo», pero su propio informe admite un problema que complica esa conclusión. La compañía dice haber sometido el modelo a una auditoría de comportamiento con unas 1.900 situaciones, en la que Mythos 5.2 obtuvo mejor puntuación de desalineación que Opus 5.5, Sonnet 5.5 y Mythos 5.1. También redujo con fuerza los intentos de escapar de su entorno de pruebas: usó credenciales colocadas fuera de él en un 3,1 % de los escenarios, frente al 39 % y el 21 % de las versiones 5 y 5.1 de Mythos.
El matiz interesante llega en una frase que casi parece escapársele a la propia Anthropic: Fable 5.2 y Mythos 5.2 sospechan más que ningún modelo reciente que están siendo evaluados, lo que —reconoce la empresa— dificulta saber cómo se comportarán en el mundo real. Dicho de otro modo: una parte de las buenas notas de seguridad podría deberse a que el modelo intuye que lo están examinando. A eso se suma que Anthropic dice haber limitado a propósito las capacidades del modelo que más podrían acelerar el propio desarrollo de IA, dejándolas al nivel de Opus 5.5, en la línea del debate que abrió el informe de METR sobre cómo la IA de Anthropic acelera la investigación en IA. Fable 5.2 está disponible desde hoy en todas las plataformas, incluidas AWS, Google Cloud y Azure, con el identificador claude-fable-5-2.
Mi lectura es que lo más valioso de este lanzamiento no son los fuegos artificiales —el teorema de Fermat, el sistema operativo en ocho días—, sino lo que Anthropic admite sin que nadie la obligue. Que el propio fabricante diga que su modelo estrella no es el que deberías usar por defecto, y que reconozca que sus pruebas de seguridad se tambalean porque el modelo sabe que lo están probando, dice más sobre el estado real de esta tecnología que cualquier benchmark. La potencia está ahí y los precios bajan, que no es poco. Pero las demostraciones más deslumbrantes vienen todas de casa, sin verificación externa todavía, y el único dato que me parece sólido —el de Mozilla con Firefox— lo pone un tercero. Fable 5.2 parece un salto real para quien se dedica a problemas técnicos extremos; para el resto, la noticia honesta es la que da la propia Anthropic: de momento, sigue con Opus 5.5. El veredicto de verdad lo escribirán, como siempre, los que lo prueben desde fuera.