Anthropic lanza Claude Fable 5.1. El nuevo modelo mejora la fiabilidad de los agentes en tareas largas

Una memoria más barata abre paso a los agentes autónomos

Anthropic lanza Claude Fable 5.1, una versión actualizada de su modelo de gama media. Comparte la misma base paramétrica, pero con una fuerte caída en los costes operativos. El precio de lectura de caché (reutilizar contexto ya procesado) se ha rebajado un 75 por ciento. Según la empresa, esto reduce el coste total hasta en un 45 por ciento para flujos de trabajo de agentes que consultan continuamente el mismo material base.

Junto a Fable 5.1, debuta Claude Mythos 5.1. Es técnicamente el mismo modelo, pero con barreras de seguridad más flexibles para ciberseguridad e investigación biológica. Mythos solo está disponible mediante un estricto proceso de aprobación para organizaciones verificadas (como aquellas con vínculos gubernamentales).

El agente no pierde el hilo tras los primeros errores

Para los desarrolladores, el cambio más importante es el comportamiento del modelo en tareas largas y autónomas. Los modelos anteriores solían alucinar a los pocos pasos, olvidaban lo que ya habían intentado y entraban en bucle. Fable 5.1, según las pruebas y los primeros socios (como Shopify o Datadog), logra mantenerse enfocado, llevar sus propios registros y corregir errores desde la raíz sin intervención humana.

En el benchmark Terminal-Bench 4.0 (que mide la capacidad de un agente para resolver problemas en una terminal), Fable 5.1 supera a su predecesor e iguala o derrota a modelos rivales más grandes, a un coste menor.

Las barreras de seguridad siguen siendo un reto comercial

El reality check se centra en la seguridad y el compliance. Aunque Anthropic ha reducido los falsos positivos de Fable 5.1 en un 60 por ciento, el modelo sigue rechazando numerosas peticiones legítimas por miedo a posibles abusos.

Esa es la razón por la que Anthropic tuvo que crear la rama cerrada Mythos. Demuestra que los filtros de seguridad universales son demasiado restrictivos para el trabajo especializado (como las pruebas de penetración o la investigación farmacéutica). Además, el despliegue de Enterprise Frontier Safeguards (EFS), diseñado para no retener datos y auditar en local, no arrancará hasta finales de otoño.

El ritmo de adopción dependerá de la estabilidad en producción

La señal definitiva no será cómo rinde Fable 5.1 en benchmarks aislados, sino su capacidad para no descarrilar cuando reciba acceso libre a bases de datos corporativas reales. Su rebaja de precio lo convierte en el candidato ideal para un rol de «orquestador» que delegue tareas en segundo plano.

La verdadera prueba será ver si las empresas despliegan Fable 5.1 directamente en producción para resolver tickets de forma autónoma, o si lo mantienen confinado como un autocompletado vitaminado en el editor de código.

El veredicto de Lilith

El problema de los modelos de agentes no era que no supieran escribir un script, sino que a los quince pasos olvidaban lo que estaban haciendo. El descuento en caché es solo un soborno para que los desarrolladores lo intenten de nuevo.