Claude Fable, el modelo por encima de Opus

Anthropic explica el nombre con sus propias palabras: «Fable viene del latín fabula, “lo que se cuenta”, emparentado con el griego mythos». Mythos es el modelo que Anthropic se guardó en abril por lo que es capaz de hacer en ciberseguridad. Fable es el mismo modelo con salvaguardas, la versión que está dispuesta a contar a todo el mundo.

Fable 5 llegó el 9 de junio y Fable 5.1, el 1 de septiembre. Repasamos dónde se sitúa, para qué sirve, cuánto cuesta, qué velocidad tiene y dónde se queda corto.

Dónde se sitúa

Anthropic tiene ahora cuatro líneas de Claude: Haiku, Sonnet y Opus y, por encima de ellas, la clase Mythos, que se vende en dos formas. «Claude Fable 5.1 y Claude Mythos 5.1 son el mismo modelo, pero con distintos niveles de salvaguardas». Fable 5.1 está a la venta para todos. Mythos 5.1 solo está abierto a organizaciones verificadas a través de los programas de Anthropic para ciberseguridad y ciencias de la vida, por ahora en Estados Unidos.

La documentación de Anthropic describe Fable 5.1 como el modelo «para el razonamiento exigente y el trabajo agéntico de largo recorrido», y lo sitúa como más lento que el resto de la gama. Lee texto e imágenes, admite un millón de tokens de contexto, escribe hasta 128'000 tokens en una respuesta y piensa antes de cada respuesta, por defecto con un esfuerzo alto. Funciona en la plataforma de Anthropic, Amazon Bedrock, Google Cloud y Microsoft Foundry.

También viene con reglas adicionales. Amazon señala que Anthropic ha designado Fable 5.1 como Covered Model, lo que conlleva políticas adicionales de retención de datos, revisión de seguridad y acceso allí donde se ofrezca. Hasta que se despliegue, a partir de este otoño, un esquema que mantiene los datos en un entorno de nube controlado por el cliente, los clientes que cumplan los requisitos pueden usarlo con retención de datos cero.

Para qué sirve

Fable está hecho para trabajos largos que avanzan sin una persona en cada paso. Amazon lo describe desarrollando funciones a lo largo de toda una base de código, revisando código y mejorando el rendimiento en sesiones que duran horas, con menos respuestas equivocadas dadas con aplomo que Fable 5. Una frase de ese anuncio importa más que cualquier benchmark: «Si se atasca, lo dice en lugar de informar de un éxito».

Las cifras de la propia Anthropic muestran el salto respecto a Fable 5. En Terminal-Bench 4.0, trabajo en una línea de comandos, pasó del 42,0 al 55,8 por ciento; en AutomationBench, del 17,1 al 31,4 por ciento; en tareas científicas en la terminal, del 24,7 al 52,6 por ciento. En el lanzamiento de Fable 5, Anthropic contó que Stripe completó en un día una migración de 50 millones de líneas de Ruby, un trabajo que, según dijo, habría llevado a un equipo más de dos meses.

También se está usando para investigar. Anthropic dice que Fable 5.1 entrenó una red neuronal para construir un mapa de elevación nuevo y más nítido de un tercio de Venus a partir de datos de radar recogidos hace 30 años, y publicó el mapa con una licencia Creative Commons.

Precio y velocidad

Fable 5.1 cuesta 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida, lo mismo que Fable 5 y dos veces y media el precio de Opus 5.5. Lo que cambió es la entrada en caché, que bajó un 75 por ciento, hasta 0,25 dólares por millón de tokens. Anthropic calcula un ahorro de alrededor del 25 por ciento en el trabajo habitual y de hasta cerca del 45 por ciento en el trabajo muy agéntico.

Es lento y es minucioso. Artificial Analysis lo sitúa en quinto lugar de 216 modelos en su índice de inteligencia, pero midió unos 71 tokens por segundo con esfuerzo máximo, por debajo de la mediana de su categoría, y una larga espera hasta el primer token mientras piensa. Además, usó 190 millones de tokens de salida para completar el índice, frente a una mediana de 85 millones. Zvi Mowshowitz, que sigue de cerca estos lanzamientos, reunió testimonios de un consumo elevado de tokens y sugiere bajar el ajuste de esfuerzo para controlarlo.

Dónde se queda corto

Las salvaguardas forman parte del producto. Unos clasificadores vigilan las peticiones sobre ciberataques, biología y química, así como los intentos de copiar el modelo, y se las pasan a un modelo más antiguo. Con la 5.1, Anthropic dice que las salvaguardas de ciberseguridad generan un 60 por ciento menos de falsas alarmas, y Fable ya puede ayudar a encontrar vulnerabilidades de software, pero no a escribir exploits para ellas. Algunos usuarios siguen contando que los pasan al modelo más antiguo en mitad de una sesión.

La disponibilidad tiene su propio riesgo. El 12 de junio, el Departamento de Comercio de Estados Unidos exigió una licencia de exportación para que cualquier persona extranjera usara Fable 5, y Anthropic desactivó el modelo para todos sus clientes hasta el 1 de julio. Para una empresa que había construido su trabajo sobre Fable, eso supuso casi tres semanas sin su mejor modelo.

Y su ventaja se ha reducido deprisa. Tres semanas después de Fable 5.1, Opus 5.5 lo superó en la mayoría de las pruebas de la propia Anthropic por menos de la mitad del precio, aunque Anthropic dice que, en su propio uso, la distancia es menor de lo que sugieren las puntuaciones.

Nuestro veredicto

Fable 5.1 es un modelo excelente para un conjunto reducido de trabajos: una migración en una base de código grande, una tarea de investigación larga, una auditoría que no puede pasar nada por alto, trabajo que dura horas y en el que una respuesta equivocada cuesta más que la espera. Para el día a día, el consejo de la propia Anthropic es el acertado: empieza con Opus 5.5 y sube de nivel solo donde tus propias pruebas muestren que se queda corto.

Gane el modelo que gane, el conocimiento debería quedarse en la empresa. Twin da a Claude, ChatGPT, Codex o a un modelo privado el conocimiento, las reglas y los skills de la empresa, de modo que pasar de Opus a Fable es un ajuste, no un proyecto. Para el trabajo que no debe salir del edificio en absoluto, Eigna, construido por nuestro socio Eigna Labs, es un modelo privado entrenado con el propio trabajo de la empresa y que funciona en su propia nube o en sus propios servidores. Está diseñado para funcionar sin conexión, así que la decisión de un proveedor no puede apagarlo sin más.