Fable 5: el modelo más poderoso de Anthropic llega al público (con la mano en el freno)

Por Msc. Gino Marín L.

Publicado el: 9 de junio de 2026

Colaboración Académica para la Universidad CENFOTEC.

Imaginá que tenés sobre la mesa una migración de código que llevás semanas posponiendo. Cincuenta millones de líneas. La clase de tarea que un equipo entero arrastra durante dos meses. Hoy se la entregás a un modelo, te vas a almorzar, y cuando volvés está hecha. No esbozada: hecha, con sus pruebas, lista para revisar.

Eso es lo que Stripe reportó haber visto mientras probaba el modelo que Anthropic presentó este 9 de junio. Y aunque suene a folleto, marca el punto donde estamos: la conversación sobre inteligencia artificial dejó de girar en torno a «¿puede escribir un correo?» y empezó a girar en torno a «¿cuánto trabajo de verdad puedo delegarle sin mirar por encima del hombro?».

Dos nombres, una sola idea

Anthropic lanzó Claude Fable 5, el primer modelo de su clase más alta —la clase Mythos— disponible para cualquiera. Hasta hoy, esa clase vivía detrás de un muro: desde abril, solo un grupo reducido de socios de ciberseguridad tenía acceso, a través de un programa llamado Project Glasswing. No era escasez de marketing. Era que el modelo resultó alarmantemente bueno encontrando y explotando vulnerabilidades de software, y soltarlo sin más era difícil de justificar.

Junto a Fable, la compañía activó también Claude Mythos 5, reservado para un puñado de cazadores de amenazas. Y aquí está el detalle que casi todos pasan por alto: Fable 5 y Mythos 5 son el mismo modelo. La misma arquitectura, los mismos pesos, la misma inteligencia cruda. Lo único que los separa son las salvaguardas. Mythos las tiene levantadas en ciertas áreas; Fable las lleva puestas.

La distinción es tan limpia que la escogieron hasta para el nombre. Fable viene del latín fabula, «aquello que se cuenta», emparentado con el griego mythos. Misma raíz, distinta vestimenta. Están diciendo, casi en voz baja, que la diferencia entre el modelo público y el restringido no está en lo que el modelo es, sino en lo que se le permite decir.

Cómo funciona el candado

La decisión de Anthropic no fue entrenar un modelo capaz y otro obediente. Fue tomar un único modelo de frontera y envolverlo en una capa de clasificadores: sistemas que vigilan cada conversación, detectan cuándo una solicitud entra en terreno peligroso y, en ese momento, le pasan el micrófono a un modelo menos capaz, Claude Opus 4.8.

El usuario no recibe un rechazo seco, sino una respuesta de Opus 4.8 —que sigue siendo excelente— con un aviso de que el relevo ocurrió. Las áreas que disparan ese cambio son cuatro: ciberseguridad, biología, química y los intentos de «destilar» el modelo para entrenar competidores.

El dato que conviene retener es que estas salvaguardas se activan en menos del 5% de las sesiones. Más del 95% de las conversaciones transcurren sin un solo relevo, y en esos casos Fable se comporta igual que Mythos. Para casi todo lo que uno hace —escribir código, analizar documentos, planear proyectos— Fable es el modelo de frontera completo. Anthropic admite, con honestidad, que afinó los filtros de forma conservadora, que a veces atrapan solicitudes inofensivas, y que irá ajustándolos. Es la decisión correcta, aunque no la cómoda.

Lo que el modelo sabe hacer

La migración de Stripe es la anécdota titular, pero el patrón se repite. Más que resolver tareas difíciles, el salto está en la duración: Anthropic posiciona a Fable como un modelo capaz de trabajar durante días dentro de un arnés de agente, planificando por etapas, delegando partes a subagentes y revisando su propio trabajo antes de darlo por bueno. Para quienes llevamos meses construyendo sistemas multiagente, esa es la diferencia entre un modelo al que hay que supervisar cada quince minutos y uno al que se le puede confiar un proyecto.

Hay tres demostraciones que dicen más que cualquier benchmark. La primera: a los modelos anteriores les costaba jugar Pokémon FireRed incluso con un arnés cargado de ayudas; Fable lo terminó de principio a fin usando solo capturas de pantalla, mirando los píxeles como lo haría una persona. La segunda: con memoria persistente, su rendimiento en un juego de estrategia mejoró tres veces más que el de Opus, señal de que se mantiene enfocado a lo largo de tareas enormes. Y la tercera, la más vertiginosa: usando Mythos 5, los expertos de Anthropic aceleraron partes del diseño de fármacos unas diez veces. Sin asistencia humana, el modelo igualó o superó a operadores expertos diseñando proteínas, y propuso una hipótesis sobre una proteína de E. coli que un laboratorio independiente terminó confirmando.

Cuando un modelo propone hipótesis que resultan ciertas, la pregunta deja de ser «¿qué tan capaz es?» y pasa a ser «¿qué hacemos con esto?».

La letra pequeña

El precio es de 10 dólares por millón de tokens de entrada y 50 por millón de salida: menos de la mitad de lo que costaba Mythos Preview, y el doble de Opus. Fable está disponible de inmediato vía la Claude API (identificador claude-fable-5), Claude Code, los planes Enterprise por consumo, y los marketplaces de AWS, Google Cloud y Microsoft Foundry.

Para suscripciones, el despliegue es escalonado y conviene anotarlo. Hasta el 22 de junio, Fable está incluido sin costo adicional en los planes Pro, Max, Team y Enterprise por asiento. El 23 de junio se retira de esos planes y usarlo pasará a requerir créditos de uso, hasta que la capacidad permita restaurarlo como parte estándar. Esperan un apetito altísimo por el modelo y prefieren dar acceso temprano aunque toque racionarlo después.

Hay un cambio que pasó casi inadvertido: para los modelos de clase Mythos, Anthropic exigirá retener todo el tráfico durante 30 días por motivos de seguridad —sin usarlo para entrenar, con registro de cada acceso y borrado posterior—. La lógica es defendible, pero quien adopte estos modelos en producción debería leer esa cláusula con cuidado. La frontera de la capacidad viene acompañada de una frontera de la vigilancia.

El telón de fondo

Nada de esto ocurre en el vacío. El lanzamiento llega mientras Anthropic se prepara para salir a los mercados públicos, en una ventana que comparte con OpenAI y SpaceX. Y guarda una ironía difícil de ignorar: ocurre días después de que la propia compañía pidiera a los grandes laboratorios un «freno coordinado» sobre el desarrollo de la IA de frontera. Soltar el modelo más capaz jamás disponible al público, justo después de pedir prudencia colectiva, es una contradicción aparente que Anthropic resolvería diciendo que precisamente por eso lo hace con salvaguardas. Cada quien juzgará si el argumento cierra.

Queda también la pregunta incómoda: si los filtros bloquean menos del 5% de las sesiones, ¿alcanzan para frenar la clase de ataques que motivaron restringir Mythos en primer lugar? Anthropic no la responde del todo. Lo que tenemos es una apuesta explícita: que el beneficio de poner esta capacidad en manos de defensores e investigadores supera, asimétricamente, el daño que se cuele por las rendijas.

Mi lectura

Me quedo con tres ideas. La primera: el verdadero salto de Fable no está en ser más inteligente en una sola respuesta, sino en sostener la inteligencia a lo largo del tiempo. Trabajar por días, delegar, recordar, verificarse. El modelo dejó de ser la pieza frágil del sistema.

La segunda: separar capacidad de permisos —un solo modelo, dos juegos de llaves— es elegante, y probablemente sea el patrón que veamos repetirse. Pero esconde una dependencia incómoda: la seguridad del sistema ya no vive en el modelo, vive en los clasificadores. Y los clasificadores, como todo software, tienen rendijas.

La tercera es la más simple. Llevábamos un par de años hablando de la IA como un autocompletado sofisticado. Esa metáfora ya no alcanza. Lo que estamos viendo se parece menos a una herramienta y más a un colaborador, y cómo lo gobernemos —qué le confiamos y qué no— va a definir buena parte de la próxima década.

Anthropic eligió abrir la caja, pero con la mano puesta en el freno. Hoy nos toca, a quienes trabajamos con estas herramientas todos los días, descubrir qué se puede construir cuando el modelo más capaz del mundo está, por fin, a un par de líneas de código de distancia.

—