Anthropic lanza Fable 5.2: precios de API 20% más bajos

Anthropic lanza Fable 5.2 y Mythos 5.2 con precios 20% más bajos

Anthropic presentó Claude Fable 5.2 y Claude Mythos 5.2, dos versiones del mismo modelo que reducen el precio de la API un 20% y generan respuestas hasta un 30% más rápido que sus predecesores. La tarifa base queda en 8 dólares por millón de tokens de entrada y 40 por millón de tokens de salida, frente a los 10 y 50 de la generación anterior.

El movimiento importa porque el costo de inferencia dejó de ser un detalle de laboratorio: es una línea del presupuesto de producto. Y porque, según Anthropic, Fable 5.2 alcanzó un 49,1% en la prueba de codificación FrontierCode 2.0 con el ajuste de esfuerzo Xhigh, frente al 32,4% de Fable 5.1. Esa prueba no mide elegancia de código: mide si los mantenedores de proyectos de código abierto aceptarían los cambios que genera la IA.

¿Qué diferencia hay entre Claude Fable 5.2 y Claude Mythos 5.2?

Fable y Mythos son el mismo modelo subyacente. Lo que cambia son las salvaguardas y quién puede entrar.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Fable 5.2 incorpora filtros reforzados de ciberseguridad y biología que bloquean usos de alto riesgo, y por eso está disponible de forma generalizada: en la API de Claude y en las plataformas de Amazon, Google Cloud y Microsoft. Se accede con el identificador de modelo claude-fable-5-2, soporta ventanas de contexto de un millón de tokens y hasta 128.000 tokens de salida (Brave New Coin).
Mythos 5.2 es el mismo motor sin esos límites. Su acceso directo está reservado a organizaciones de ciberseguridad y ciencias de la vida que hayan pasado por un programa de verificación.

La división responde a control de uso indebido, no a una gama más cara y otra más barata: ambos tienen el mismo precio. Los clientes de Claude Enterprise pueden usar las capacidades de detección de vulnerabilidades de Mythos a través de Claude Security sin entrar en esos programas.

Para el trabajo del día a día, Anthropic sigue recomendando Opus 5.5, al que describe como su \»caballo de batalla\», y sugiere escalar a Fable o Mythos solo cuando la tarea lo exija (Diario de Sevilla).

¿Cuánto cuesta realmente mover tus cargas a Fable 5.2?

Los precios base son la parte simple. La letra chica tiene tres aristas:

El modo rápido cuesta el doble. Anthropic ofrece un modo opcional que acelera la generación de tokens hasta 2,5 veces, a 16 dólares por millón de entrada y 80 por millón de salida (Brave New Coin).
Más esfuerzo no siempre significa mejor resultado. En FrontierCode 2.0, la configuración más cara de Fable 5.2 (Max) puntúa por debajo de Xhigh, según el análisis de Brave New Coin sobre los datos publicados por Anthropic.
El costo por tarea depende de tu carga. Anthropic sostiene que Fable 5.2, en su configuración de esfuerzo alto, logra un puntaje comparable al de Opus 5.5 en su nivel máximo a aproximadamente la mitad del costo por tarea. El ahorro real depende del tipo de trabajo y del ajuste elegido.

Sanchit Vir Gogia, analista jefe de Greyhound Research, lo resume sin adornos: \»Anthropic ha reducido el precio de un token, no el precio de una idea\». Su recomendación es que los CIO consideren el esfuerzo de procesamiento como un factor presupuestario y midan el costo en tareas completadas con éxito, no en tokens consumidos.

¿Qué dicen los benchmarks de agentes y programación?

Estos son los resultados que reporta la propia compañía:

Un ingeniero encargó a Fable 5.2 construir un prototipo de sistema operativo desde una carpeta vacía. El modelo coordinó más de 1.000 subagentes durante ocho días y produjo software capaz de arrancar en un portátil.
Un equipo de unos 1.000 agentes formalizó la demostración del último teorema de Fermat en 30 horas. El primer intento de Anthropic, con una versión de investigación no publicada, había tardado 11 días (Moneycontrol, Diario de Sevilla).
En el Remote Labor Index, que mide cuántos proyectos reales de trabajo remoto completa un modelo, Fable 5.2 llegó al 41,3%, frente al 21,3% de Opus 5.5 y el 20,8% de GPT-6 Astra (El Mundo).
En robótica simulada RoboDojo registró un 64,9% contra el 29,8% de GPT-6 Astra (Yahoo Finanzas).
En el benchmark interno de automatización de investigación de Jump Trading, la tasa de error fue un 10% inferior a la del siguiente mejor modelo; IMC, XTX Markets y Balyasny Asset Management también reportaron mejoras (Yahoo Finanzas).

En ciberseguridad, Mythos 5.2 identificó el 89,6% de las vulnerabilidades de la evaluación interna CVE Rediscovery, frente al 78,3% de Mythos 5.1, sobre una base de 1.829 vulnerabilidades ya reveladas.

Conviene leer esto como lo que es: pruebas elegidas y ejecutadas por la propia compañía. Anthropic admite que construir evaluaciones capaces de detectar todos los fallos antes del lanzamiento sigue siendo un problema sin resolver, y que los nuevos modelos sospechan con más frecuencia que se los está evaluando, lo que complica saber cómo actuarán en el mundo real.

Los frenos que siguen ahí: fiabilidad, retención y migración

Lian Jye Su, analista jefe de Omdia, sostiene que el rendimiento mejorado y los precios más bajos podrían hacer viables los agentes de IA de funcionamiento prolongado para migraciones de software e investigación científica, y que tasas más altas de finalización reducirían aún más los costos de implementación. Pero añade una advertencia: la fiabilidad sigue siendo un problema sin supervisión humana.

A eso se suman dos fricciones concretas:

Coordinación entre herramientas. Orquestar múltiples agentes a través de las herramientas corporativas y los equipos internos sigue siendo difícil. La recomendación de Anthropic es supervisar la actividad, correr los agentes en entornos aislados y dejar los cambios críticos bajo aprobación humana.
Sistemas heredados. Pareekh Jain, director ejecutivo de Pareekh Consulting, señala que los sistemas legacy complejos y los requisitos de cumplimiento limitan cuánto puede delegarse a un agente. Y advierte el efecto espejo de la detección de vulnerabilidades: los atacantes también la usan, lo que crea, en sus palabras, una \»carrera impulsada por la IA entre atacantes y defensores\».

Está además el frente de los datos. Los clientes que califiquen para retención cero pueden seguir usando Fable 5.2 y Mythos 5.2 bajo esos acuerdos; el resto queda sujeto a un periodo de retención de 30 días con fines de supervisión de seguridad. Gogia advierte que ese requisito puede pesar más que el ahorro de precio para una empresa regulada, y recomienda a los equipos de compras obtener confirmación por escrito del acuerdo de retención cero antes de conectar los modelos a cargas sensibles. Anthropic presentó también Enterprise Frontier Safeguards, en beta privada, para ejecutar supervisión de seguridad automatizada sobre prompts y respuestas almacenados en la infraestructura del cliente.

Y si vienes de la generación 5.1, migrar no es solo cambiar el nombre del modelo: según la documentación de actualización recogida por Brave New Coin, editar historial de conversación anterior puede invalidar bloques de razonamiento retenidos, y la interfaz antigua de uso de computadora falla en la mayoría de las plataformas, con la excepción de Amazon Bedrock.

¿Qué significa esto para tu startup?

La rebaja del 20% es real, pero no convierte automáticamente tu factura de IA en un 20% menos. Estas son las acciones que sí mueven la aguja:

Mide por tarea completada, no por token. Antes de migrar, define dos o tres flujos reales de tu producto (un refactor, un agente de soporte, una migración de servicio) y calcula cuánto cuesta cada uno de principio a fin con el modelo viejo. Si el modelo nuevo resuelve la tarea en menos intentos, ganas; si no, el ahorro unitario no aparece en tu P&L.
Corre tu propia evaluación antes de tocar producción. Los números de FrontierCode, RoboDojo y Remote Labor Index son de Anthropic, y más esfuerzo no siempre rinde mejor. Un set de 50 tareas propias con criterios de aceptación claros vale más que cualquier leaderboard.
Negocia la retención de datos por escrito. Si tu producto toca datos de salud, financieros o de clientes regulados, el periodo de retención de 30 días es un bloqueador de cumplimiento, no un detalle. Consigue la confirmación documental de retención cero antes de conectar el modelo a sistemas internos.
Prueba las integraciones en staging. Si usas historial de conversación persistente o interfaces de uso de computadora, la actualización puede romper cosas que hoy funcionan.

Un dato de contexto ayuda a leer el anuncio: según El Mundo, Anthropic lanza esta familia cinco meses después de haber propuesto públicamente una pausa en el desarrollo de modelos de frontera, y lo hace en plena preparación de su salida a bolsa. El precio más bajo también es un movimiento comercial.

Conclusión

Fable 5.2 y Mythos 5.2 son un buen recordatorio de que en IA el precio unitario es la métrica más fácil de mostrar y la menos útil para decidir. La pregunta que importa no es cuánto cuesta un millón de tokens, sino cuánto cuesta una tarea terminada que un humano acepte sin rehacerla. Si tu equipo todavía no tiene esa métrica, este lanzamiento es una buena excusa para construirla.