llm-anthropic 0.31 añade Fable 5.2. Max effort gastó 128 000 tokens y no produjo imagen

Simon Willison añadió Claude Fable 5.2 a llm-anthropic 0.31 y mostró una trampa: max effort consumió 128 000 thinking tokens en una prueba SVG sin entregar la imagen. Effort es un parámetro de fiabilidad, no un simple regulador de calidad.

El plugin llevó el modelo al terminal el día de su lanzamiento

Tras actualizarlo se puede llamar a claude-fable-5.2 con low, medium, high, xhigh y max. Willison probó un SVG de un pelícano en bicicleta. Xhigh dio el mejor resultado y max agotó 128 000 thinking tokens. Fable 5 y 5.1 sí completaron antes la misma prueba.

Un adaptador pequeño convierte el anuncio en una prueba reproducible

El plugin no mejora el modelo. Acorta el camino desde la nota de lanzamiento hasta una medición propia y mantiene varios modelos en el mismo entorno. Así se puede comparar la versión con datos propios antes de rehacer el workflow de producción.

La configuración más cara no entregó el artefacto en una ejecución

Fue un solo prompt de un desarrollador, no un benchmark sistemático. Aun así muestra un riesgo: una llamada terminada puede carecer del archivo. El precio de $8 por millón de tokens de entrada y $40 por millón de salida no evita el desperdicio si reasoning agota el presupuesto.

Los evals propios deben medir resultado, coste y respuestas vacías

Los equipos deberían repetir cada nivel de effort, fijar límites de tokens y comprobar el artefacto. Completar el mismo conjunto de tareas de forma estable importará más que otra imagen atractiva.

El veredicto de Lilith

Un grifo marcado como max puede soltar más tokens y dejar vacío el cubo. La pipeline debe inspeccionar el artefacto final, no solo el indicador verde de la llamada API.