Anthropic presentó el 9 de noviembre Claude Fable 5.2 y Claude Mythos 5.2. Según la compañía, ambos se basan en el mismo modelo: Fable 5.2 está abierto a todos los usuarios e incorpora clasificadores de ciberseguridad y bioseguridad, mientras que Mythos 5.2 relaja parte de las restricciones y solo se ofrece a instituciones de investigación en ciberseguridad y biomedicina que hayan pasado una verificación.
El precio estándar de la API de Fable 5.2 es de 8 dólares de entrada y 40 de salida por millón de tokens, un 20 % menos que los 10 y 50 dólares de Fable 5.1. El modo rápido cuesta el doble, 16 dólares de entrada y 80 de salida, y la empresa asegura que la generación es hasta 2,5 veces más veloz; en modo estándar, la velocidad de salida también es hasta un 30 % superior a la de 5.1. El modelo ya está disponible en la plataforma propia de Claude y en AWS, Google Cloud y Microsoft Azure, con el nombre de API claude-fable-5-2.
Dónde más suben las puntuaciones
En la tabla comparativa oficial, los mayores avances se dan en pruebas de cadenas largas y más cercanas al trabajo real. El Remote Labor Index (RLI) pasa del 17,9 % al 41,3 %; en la misma tabla, Opus 5.5 obtiene un 21,3 % y GPT-6 Astra un 20,8 %. La simulación de robots RoboDojo Sim sube del 27,6 % al 64,9 %, y la prueba de procesos de negocio AutomationBench, del 31,4 % al 51,4 %.
En las dos pruebas de programación la diferencia es menor: FrontierSWE v2 marca un 69,9 % frente al 65,5 % de GPT-6 Astra; FrontierCode 2.0 alcanza un 49,1 % en el nivel Xhigh, y Opus 5.5 un 45,5 %. También hay pruebas que Fable 5.2 no gana. En AutomationBench, Gemini 4 Carbon logra un 53,9 %, 2,5 puntos porcentuales por encima de Fable 5.2; en la puntuación Elo de AA-Briefcase, Fable 5.2 tiene 1785 y Opus 5.5, 1800.
La página del lanzamiento añade varios casos. Un equipo de unos 1000 agentes Fable 5.2 completó en 30 horas la formalización de la demostración del último teorema de Fermat, con un tercio de los tokens de acción de la primera formalización y una demostración reducida a la séptima parte de su longitud; en la misma tarea, Opus 5.5, tras 18 horas, solo había completado el 26 %. En otro caso, el modelo colaboró con la empresa de hardware Diode Computers y recorrió todo el camino, desde las especificaciones, el esquemático, el cableado y la carcasa hasta el firmware, para crear tres prototipos funcionales: un altavoz de conferencias, un concentrador de asistente de voz y una mascota electrónica de bolsillo. En su nota sobre hardware, Anthropic deja claro que ninguno de los tres pasó validación eléctrica, pruebas térmicas ni certificación, y que tampoco fueron diseñados para producción en serie.
Mythos 5.2 y los clasificadores
Mythos 5.2 obtiene un 76,3 % en CyScenarioBench y un 89,6 % en la reproducción de CVE, dos pruebas de ciberseguridad; su predecesor, Mythos 5.1, logró un 61,7 % y un 78,3 %. Las vías de solicitud son el Cyber Verification Program y el Life Sciences Verification Program, y los clientes empresariales pueden usarlo a través de Claude Security.
Lo que afecta de forma más directa al usuario común son los clasificadores. Cuando Fable 5.2 se topa con solicitudes de ciberseguridad de alto riesgo, como pruebas de penetración o generación de exploits, las pasa a Opus 4.8 para que responda; la mayoría de las tareas de investigación biológica van a Opus 5. La compañía afirma que los bloqueos erróneos son un 55 % menos que en Fable 5.1, de los cuales alrededor de un 60 % menos en ciberseguridad y un 40 % menos en biología. En la prueba de escape de sandbox, la tasa de éxito de Mythos 5.2 es del 3,1 %, frente al 39 % que tenía entonces Mythos 5.
Las tres versiones, en conjunto
De Fable 5 a 5.2, Anthropic ha tocado un aspecto distinto en cada versión. Cuando Fable 5 se abrió, costaba el doble que Opus; en 5.1 los precios de entrada y salida no se movieron y solo la lectura de caché bajó a 0,025 veces el precio base de entrada; no es hasta 5.2 cuando el precio estándar se reduce directamente por primera vez. En cuanto a las puntuaciones, 5.1 cubrió puntos débiles como los agentes de investigación científica, con Terminal-Bench-Science subiendo del 24,7 % al 52,6 %; 5.2 marca distancia en tareas largas como RLI y robótica, que ahora está en el 74,6 %.
También hay cambios en las suscripciones. En los puestos estándar de Pro y Team, el uso de Fable puede ocupar hasta el 50 % de la cuota semanal, y algunos planes de pago ofrecen de 1 a 3 reinicios del uso adicional de Fable. Anthropic recomienda además usar primero Opus 5.5 para la programación diaria y las tareas de conocimiento, y reservar Fable 5.2 para trabajos técnicos complejos y abiertos.
Todas las puntuaciones anteriores proceden de la propia página de lanzamiento de Anthropic, y varias pruebas indican el nivel de razonamiento y el criterio de puntuación; por ejemplo, OSWorld 2.1 usa una configuración sin conexión y con puntuación parcial. Por ahora no se ha publicado una reevaluación completa por parte de terceros.
Fuentes: página oficial de lanzamiento de Anthropic, CocoLoop, nota de Anthropic sobre investigación en diseño de hardware; el precio estándar de la API y el del modo rápido, las puntuaciones de las pruebas y la proporción de escape de sandbox se contrastaron con la página de lanzamiento.