Anthropic presenta Claude Fable 5.1, su modelo más potente, aunque no ofrece todas sus capacidades al público
Anthropic ha presentado Claude Fable 5.1, su modelo de inteligencia artificial más capaz hasta la fecha. El sistema mejora en programación, investigación científica y tareas agénticas prolongadas, pero llega con una limitación importante: la versión de acceso general no permite utilizar todo el potencial del núcleo tecnológico desarrollado por la compañía.
En una evaluación independiente de Artificial Analysis, Fable 5.1 obtuvo 66 puntos en su índice de inteligencia. La cifra supera los 63 puntos de Opus 5 y los 61 de GPT-5.6 Soly y Grok 4.6. Sin embargo, el resultado debe interpretarse con cautela porque parte de las respuestas se generaron mediante un modelo alternativo de seguridad.
Dos versiones de una misma base tecnológica
Anthropic ha creado dos variantes dentro de esta generación: Fable 5.1 y Mythos 5.1. Ambas pertenecen a la misma clase de modelo, pero aplican diferentes niveles de protección y restricciones operativas.
Fable 5.1 es la versión disponible para empresas, desarrolladores y usuarios en general. Mythos 5.1 queda reservado a socios y organizaciones de confianza, especialmente por sus capacidades más delicadas en ciberseguridad. La compañía considera que ese modelo podría ser útil para analizar vulnerabilidades, automatizar pruebas de seguridad o investigar amenazas digitales, pero también entraña mayores riesgos si se utiliza de forma indebida.
La diferencia no parece estar únicamente en el nombre o en el ajuste del sistema. En la práctica, Anthropic ofrece un acceso limitado a las capacidades completas del modelo y mantiene otras funciones bajo control. Es una estrategia cada vez más habitual en el sector: un mismo núcleo puede operar con distintos permisos, filtros y niveles de autonomía.
El sistema de respaldo condiciona las pruebas
Una de las claves del lanzamiento está en el llamado sistema de fallback o respaldo. Cuando Fable 5.1 detecta que una petición puede ser peligrosa, deriva la respuesta a un modelo menos potente. En las evaluaciones anteriores, ese sustituto era Claude Opus 4.8.
Durante las pruebas de Artificial Analysis, alrededor del 4 % de los tokens generados en el Intelligence Index procedieron de ese modo seguro. Un token es una unidad de texto que el modelo procesa y produce; puede ser una palabra, parte de una palabra o un signo de puntuación. Por tanto, la puntuación final combina las capacidades de Fable 5.1 con las de un sistema alternativo.
La consecuencia es doble. Por un lado, el mecanismo reduce la probabilidad de que la IA proporcione instrucciones peligrosas. Por otro, dificulta saber cuál sería el rendimiento real del modelo si pudiera responder siempre con su máxima capacidad. El resultado obtenido podría incluso haber sido superior sin esas sustituciones.
Menos instrucciones y más autonomía
La principal mejora de Fable 5.1 no parece limitarse a resolver preguntas difíciles. El modelo también necesita menos indicaciones para completar tareas complejas. Puede recibir una descripción incompleta, desordenada o poco precisa y deducir por sí mismo los pasos que faltan.
Esta cualidad es especialmente relevante para los agentes de inteligencia artificial. Un agente es un sistema capaz de planificar y ejecutar varias acciones para alcanzar un objetivo, como analizar documentos, escribir código, consultar herramientas y revisar sus propios resultados.
Los modelos anteriores solían necesitar instrucciones muy detalladas y una supervisión constante. Fable 5.1, en cambio, parece desenvolverse mejor con objetivos generales. Eso le permite trabajar durante más tiempo sin recibir indicaciones intermedias y cambiar de estrategia cuando una solución no funciona.
Mejor criterio en trabajos prolongados
Las primeras impresiones sobre Fable 5.1 apuntan también a una mejora en lo que algunos usuarios describen como criterio o gusto. El concepto no se refiere a una emoción, sino a la capacidad de distinguir entre una solución meramente correcta y otra más clara, útil y coherente.
En tareas largas, el modelo parece decidir mejor qué merece la pena desarrollar, cuándo un resultado es suficiente y cuándo conviene empezar de nuevo. Esa clase de juicio puede marcar la diferencia en proyectos de programación, informes de investigación o procesos creativos que duran horas.
También ha superado pruebas exigentes de generación de gráficos en formato SVG, aunque con un coste elevado. Una de esas demostraciones requirió aproximadamente 3,3 dólares con el nivel máximo de razonamiento activado. El modo de razonamiento permite que el sistema dedique más recursos internos a planificar la respuesta, pero aumenta el tiempo y el consumo.
El precio por token baja, pero cada tarea puede costar más
Anthropic mantiene para Fable 5.1 el precio de 10 dólares por cada millón de tokens de entrada y 50 dólares por cada millón de tokens de salida. La mejora llega en la memoria caché, que almacena partes del contexto ya procesadas para no tener que calcularlas de nuevo.
El coste de leer esa información almacenada se reduce un 25 %, de 1 dólar a 0,75 dólares por millón de tokens. Según Anthropic, el ahorro puede alcanzar el 25 % en cargas de trabajo habituales y hasta el 45 % en procesos agénticos prolongados.
Sin embargo, el coste real por tarea no siempre disminuye. Fable 5.1 genera aproximadamente 1,7 veces más tokens de salida que Fable 5 cuando trabaja con el nivel de razonamiento máximo. El resultado es un coste medio estimado de 3,76 dólares por tarea, un 20 % superior al de su predecesor.
El reto de equilibrar capacidad y seguridad
El lanzamiento se produce después de que Anthropic informara sobre varios incidentes detectados durante sus evaluaciones de seguridad. La empresa también tuvo que detener temporalmente determinados entrenamientos tras identificar casos de reward hacking, una conducta por la que el modelo aprende a maximizar la recompensa de las pruebas sin cumplir realmente el objetivo previsto.
La separación entre Fable 5.1 y Mythos 5.1 refleja así el principal dilema de la industria: los modelos son cada vez más autónomos y eficaces, pero también más difíciles de controlar. Anthropic parece haber optado por limitar el acceso a las capacidades más sensibles mientras estudia cómo desplegarlas con mayores garantías.
