Claude Fable 5.2 salió el 9 de noviembre y el titular no es el benchmark: es el precio. Anthropic lo presentó junto con Mythos 5.2 —el mismo modelo por debajo, con distintos guardrails— y lo dejó en 8 dólares por millón de tokens de entrada y 40 por millón de salida. Si vienes usando Claude para programar todos los días, esto te toca la factura antes que el flujo de trabajo.
Los números que publicó Anthropic
En FrontierCode 2.0, el benchmark de código con el que Anthropic se mide, Fable 5.2 marcó 49.1% con esfuerzo XHigh. Opus 5.5 había llegado a 45.5% y GPT-6 Astra a 42.8%. El salto interno es todavía más llamativo: Fable 5.1 se quedaba en 32.4%. Pasar de 32 a 49 en una sola generación no es afinar el modelo, es otra cosa.
Lo demás que trae el anuncio, en corto:
- ▸Genera hasta 30% más rápido que la versión anterior.
- ▸Con esfuerzo High iguala el puntaje de Opus 5.5 por aproximadamente la mitad del costo.
- ▸Las mejoras no son solo de código: Anthropic habla de robótica y de trabajo científico.
- ▸Mythos 5.2 comparte el modelo base y cambia las barreras de seguridad, pensado para usos más sensibles.
Un apunte antes de que rehagas tu presupuesto de tokens: estos benchmarks los corre quien vende el modelo. Sirven bastante para comparar generaciones de la misma casa (5.1 contra 5.2, que es la comparación honesta aquí) y bastante menos para decidir entre proveedores. Cuando salen las evaluaciones independientes, casi siempre le bajan un par de puntos a todo el mundo por igual.
Lo de Fermat es un hito, pero léelo con cuidado
La demo que se llevó los titulares: alrededor de mil agentes de Fable 5.2 trabajando en paralelo formalizaron por completo la prueba del Último Teorema de Fermat, traduciéndola al lenguaje Lean. Anthropic también reporta que el modelo resolvió dos problemas abiertos de física teórica.
Formalizar no es demostrar desde cero. La prueba de Andrew Wiles existe desde 1995; lo que se hizo fue traducirla a un lenguaje que una computadora verifica línea por línea, un trabajo que a equipos humanos les toma años de paciencia. Que mil agentes coordinados lo terminen dice menos sobre el genio matemático del modelo y mucho más sobre lo que ya se puede orquestar: tareas largas, divididas entre muchos agentes, con verificación automática al final. Esa es justo la forma de trabajo que está entrando a las empresas.
El modelo que escribe mejor código no es necesariamente el que escribe mejor. Un reviewer le puso nota máxima en programación y a la vez dijo que en redacción no está en la frontera. Vale la pena recordarlo antes de mover todo tu stack a un solo modelo.
Qué cambia de verdad en tu día a día
El cambio real no es que el modelo responda mejor una pregunta suelta. Es que deja de doler dejarlo trabajando. Cuando una tarea larga costaba lo que cuesta Opus 5.5, uno la pensaba dos veces; a la mitad de precio, correr un agente que revisa todo un repositorio, propone la migración y la ejecuta en una rama aparte pasa de ser un lujo a ser rutina. Lo mismo con Claude Code: las sesiones largas con muchos archivos abiertos son precisamente las que se llevaban el presupuesto.
Tres consecuencias prácticas que ya estamos viendo en los equipos con los que trabajamos:
- ▸Se vuelve razonable tener varios agentes corriendo en paralelo sobre el mismo proyecto, cada uno con su rama y su revisión.
- ▸El cuello de botella se mueve del modelo a ti: si tu repo no tiene tests ni convenciones escritas, el agente barato produce basura barata, y más rápido.
- ▸La elección deja de ser un modelo para todo: Fable 5.2 para código y tareas largas, algo más liviano para clasificaciones y resúmenes donde pagar por razonamiento es tirar plata.
Cómo probarlo esta semana sin romper nada
No migres tu producción un viernes. Lo que sí puedes hacer en una tarde: toma una tarea que hoy resuelves con el modelo anterior, córrela con los dos y compara tres cosas concretas —cuántos intentos necesitó, cuánto costó en tokens y cuánto tuviste que corregir a mano. Esa tercera columna es la que casi nadie mide y es la que decide.
Si tienes agentes en producción, revisa el esfuerzo que les pusiste. Mucho equipo deja todo en XHigh por defecto y paga razonamiento profundo para resolver un formato de fecha. Con la relación precio/puntaje de esta versión, bajar a High en los pasos simples y reservar XHigh para el paso que de verdad decide suele recortar la cuenta sin que el resultado se note peor.
Fable o Mythos: cuál de los dos te toca
Anthropic lanzó los dos el mismo día y la diferencia no está en la capacidad: comparten el modelo base. Lo que cambia es el conjunto de barreras con el que viene cada uno. Fable 5.2 es el de uso general, el que vas a usar si construyes producto o escribes código. Mythos 5.2 apunta a contextos donde el filtrado por defecto estorba más de lo que ayuda, como investigación científica o análisis de contenido delicado, y por eso su acceso es más acotado.
Para la enorme mayoría de los casos la respuesta es Fable. Si estás evaluando Mythos, probablemente ya sabes por qué lo necesitas; y si no sabes por qué, no lo necesitas.
Cómo cuadrar esto en un presupuesto real
Un detalle práctico para equipos en LATAM: el precio va en dólares por millón de tokens y la factura llega en dólares. Ocho dólares por millón de entrada suena a nada hasta que corres un agente que vuelve a leer un repositorio de 300 archivos en cada iteración. Lo que de verdad mueve la aguja no es el precio por token, es cuántos tokens le mandas.
- ▸Activa el caché de prompts para el contexto que se repite llamada tras llamada. El mismo código base enviado cincuenta veces se paga cincuenta veces si no lo cacheas.
- ▸Recorta el contexto antes de mandarlo. Un agente que recibe los tres archivos relevantes en vez del repositorio entero cuesta una fracción y suele acertar más, porque tiene menos ruido donde perderse.
- ▸Pon un tope de gasto por proyecto en la consola desde el primer día, antes de la primera prueba.
Esa última la aprendimos a los golpes: un agente que se queda en un bucle no avisa, y puede gastarse en una noche lo que habías presupuestado para el mes. El tope no es desconfianza, es higiene.
Dónde aprender a usar esto en serio
Si recién estás entrando, empieza por lo básico bien hecho: el curso de Claude cubre Chat, Cowork, Code y Design, que es el recorrido completo de la herramienta y no solo el chat. Si ya programas y lo que quieres es sacarle horas al día, Claude Code for Developer va directo a eso.
Y si lo que te llamó la atención es la parte de los mil agentes coordinados, ese es un oficio propio: arquitectura de agentes, memoria, verificación y puesta en producción. La ruta AI Agentic Engineer está armada alrededor de eso, y termina con algo funcionando, no con un certificado y nada más.
Mira el catálogo completo de cursos si quieres comparar antes de decidir. Y si prefieres practicar con gente que está en lo mismo, cada semana hacemos un taller en vivo en la Comunidad AI Builders desde 19 USD al mes: ahí se prueban estos lanzamientos a los pocos días de salir.
Una última cosa, por si estás decidiendo si vale la pena cambiar: lo que cambió aquí no es la inteligencia del modelo, es el precio al que puedes dejarlo pensar un rato largo. Quien tenga el repositorio ordenado y los tests puestos va a aprovechar eso de inmediato. Quien no, va a generar más código roto que antes y más rápido.
