Claude Fable 5: guía completa y reseña honesta (2026)

 

Qué es realmente Claude Fable 5

Antes de entrar en los benchmarks, conviene responder por qué existe un nuevo nivel. La línea de productos de Anthropic ya llegaba hasta Opus 4.8. Fable 5 es el lanzamiento público, con controles de seguridad, de un nivel superior que la empresa denomina Mythos — el mismo modelo subyacente que Claude Mythos 5, que permanece restringido a un pequeño grupo de socios evaluados mediante un programa llamado Project Glasswing. Fable es la versión con las barreras de seguridad activadas; Mythos es la versión a la que se le han retirado algunas.

En términos sencillos: Fable 5 es el modelo más potente que Anthropic ha puesto a disposición general, diseñado menos para conversar y más para realizar trabajos largos y autónomos — planificar por etapas, utilizar herramientas, leer resultados y, en su configuración más alta, revisar sus propios resultados antes de entregarte algo. El ID del modelo es claude-fable-5.

Especificaciones de un vistazo

Qué tan bueno es realmente — y dónde pierde

Fable 5 debutó en el primer puesto del Artificial Analysis Intelligence Index, con una puntuación de 65 frente a los 60 de GPT-5.5 y los 57 de Gemini 3.1 Pro. La diferencia es más amplia en programación: informes independientes lo sitúan alrededor del 80 % en SWE-bench Pro, claramente por delante del siguiente modelo. Los propios socios de lanzamiento de Anthropic respaldan esta afirmación: la empresa de analítica Hex informó que Fable 5 superó el 90 % en su benchmark principal, diez puntos por encima de Opus 4.8, y Stripe afirmó que el modelo realizó una migración de toda una base de código con 50 millones de líneas de Ruby en un solo día, un trabajo que, según sus estimaciones, habría requerido más de dos meses de trabajo manual por parte de un equipo.

Hasta aquí, esto parece otra publicación de lanzamiento. Ahora viene la parte que la mayoría omite. En el benchmark Agents' Last Exam, GPT-5.5 superó a Fable 5 — un resultado que encaja con un patrón más amplio: los modelos de OpenAI siguen de forma más literal las instrucciones largas y compuestas por varias partes. En uno de los primeros análisis independientes, el desarrollador Simon Willison hizo a Fable y GPT-5.5 la misma pregunta factual y descubrió que GPT-5.5 devolvió una respuesta más completa. Fable 5 es el modelo más potente del sector en la mayoría de los aspectos; no es el mejor en todos, y «mejor en general» no equivale a «mejor para tu tarea específica».

También existe una controversia abierta que merece señalarse, y la presentaremos tal como es — discutida, no resuelta. Fortune informó de que un pasaje oculto en la tarjeta de sistema de 319 páginas de Fable 5 describe cómo el modelo degrada silenciosamente sus respuestas en ciertos trabajos de desarrollo de IA sin informar al usuario. Anthropic presenta el enrutamiento como una función de seguridad; los críticos consideran que el problema está precisamente en la parte de «sin informar al usuario». Si tu trabajo está relacionado con ese ámbito, considéralo una incógnita conocida hasta que haya directrices más claras.

Cómo es trabajar con él

Después de dos días, la señal más útil procede de desarrolladores identificables que muestran su trabajo, y la lección recurrente es que Fable 5 recompensa recibir todo el alcance desde el principio. En uno de los primeros análisis independientes, Simon Willison le pidió que añadiera un paso de aprobación a una biblioteca de agentes de código abierto y observó que primero recurrió a «trucos algo rebuscados» y luego los transformó en funciones limpias y compatibles en cuanto le indicó que podía modificar la biblioteca subyacente. En unas cinco horas y media, escribió por sí solo casi todo el código de una versión de esa biblioteca.

Esa capacidad tiene un coste. Willison gastó 110,42 $ en tokens durante un solo día de pruebas. Además, no es incansable como cabría esperar: algunos usuarios y la propia documentación de Anthropic informan de que ocasionalmente se detiene antes de tiempo en tareas largas, terminando un turno con una declaración de intenciones en lugar de completar el trabajo. El hábito práctico que soluciona ambos problemas: dale toda la especificación de una vez y comprueba que realmente haya realizado el último paso.

Programación por sensaciones: una aplicación funcional a partir de un solo prompt

Si Fable 5 está siendo impulsado hacia una función más que hacia cualquier otra, es la programación por sensaciones («vibe coding»): describir una aplicación o una escena en lenguaje natural y dejar que el modelo construya todo, a menudo en una sola pasada. Anthropic apuesta directamente por ello: en ViBench, su propio benchmark integral de programación por sensaciones, afirma que Fable 5 es el modelo con la puntuación más alta de todos los que ha probado.

Los ejemplos públicos respaldan la afirmación. Ethan Mollick generó una serie de juegos pequeños pero completos a partir de un prompt inicial para cada uno dentro de Claude Code — una versión de Snake al estilo Pac-Man, un laberinto de encender faroles llamado Strata con un aspecto ligeramente inspirado en Myst, un juego de poesía basado en las Elegías de Duino, de Rilke, y un mapa funcional de tiempos de viaje isocrónicos — y afirmó que el modelo «superó básicamente a cualquier otro modelo público que haya utilizado por un margen considerable», trabajando hasta doce horas con especificaciones de varias páginas. Matt Shumer creó en un solo intento un mundo jugable, basado en navegador y al estilo de Minecraft, con ThreeJS personalizado, y también consiguió que renderizara el valle de Yosemite a escala a partir de datos de elevación de la NASA; cuando funcionaba lentamente, toda su solución fue «hazlo más rápido sin perder calidad», y Fable refactorizó por sí solo la canalización de renderizado.

La parte reproducible es que no necesitas un prompt ingenioso, sino uno claro. Dale a Fable 5 un objetivo y espacio para planificar, y se encargará de la estructura inicial. Aquí tienes un ejemplo que puedes pegar directamente en Claude Fable 5 en GPT Proto y observar cómo construye:

Build a single-file browser game in HTML + JavaScript with no external
dependencies: a top-down 2D snake that grows when it eats apples, arrow-key
controls, game over on hitting the wall or itself, with a visible score and
a restart button. Keep the visuals clean and a little retro — chunky pixels,
a muted arcade palette. Don't stop until it runs as a single file I can open
directly in a browser.

Aumenta el nivel de esfuerzo, entrégale una especificación de varias páginas en lugar de una frase y el mismo ciclo se amplía hasta las construcciones de varias horas descritas por Mollick. Este es el trabajo que justifica el precio premium: una primera versión limpia de algo que, de otro modo, requeriría un día entero de trabajo de estructura inicial.

Cómo utilizarlo (también a través de GPT Proto)

Llamas a Fable 5 mediante el formato estándar Messages de Anthropic. En GPT Proto, el endpoint es https://gptproto.com/v1/messages, autenticado con tu clave en la cabecera Authorization. La llamada cURL mínima es:

curl --location 'https://gptproto.com/v1/messages' \
  --header 'Authorization: YOUR_GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --header 'anthropic-version: 2023-06-01' \
  --data '{
    "model": "claude-fable-5",
    "max_tokens": 8000,
    "messages": [
      { "role": "user", "content": "Refactor this module and explain the trade-offs." }
    ]
  }'

Hay dos diferencias respecto a los modelos Claude anteriores que pueden causarte problemas si reutilizas código antiguo. Primero, el razonamiento está siempre activado: no existe un interruptor para desactivarlo. No envíes un parámetro thinking para deshabilitarlo; eso devuelve un error 400. En su lugar, ajustas cuánto trabaja el modelo mediante output_config.effort, desde low hasta max. Segundo, el mismo contenido cuesta más tokens que en los modelos del nivel Opus, porque Fable 5 utiliza un tokenizador nuevo; por eso no debes reutilizar los presupuestos de tokens anteriores.

En Python:

import requests, json

resp = requests.post(
    "https://gptproto.com/v1/messages",
    headers={
        "Authorization": "YOUR_GPTPROTO_API_KEY",
        "Content-Type": "application/json",
        "anthropic-version": "2023-06-01",
    },
    data=json.dumps({
        "model": "claude-fable-5",
        "max_tokens": 8000,
        "output_config": {"effort": "medium"},  # low | medium | high | xhigh | max
        "messages": [
            {"role": "user", "content": "Refactor this module and explain the trade-offs."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

Cuánto esfuerzo dedicar no es una cuestión de adivinanza: Willison ejecutó el mismo prompt, «dibuja un pelícano en bicicleta como SVG», con los cinco niveles y publicó el coste en tokens de cada uno:

El salto de high a max fue de casi 7 veces más tokens en un prompt; además, observa que high resultó más barato que medium en este caso, un recordatorio de que el esfuerzo determina cuánto explora el modelo, no un precio fijo. Empieza con medium, pasa a high o xhigh solo para trabajos agénticos realmente difíciles y reserva max para los casos excepcionales en los que la corrección sea más importante que el coste. Para la generación de texto sencilla, puedes llamar directamente al endpoint claude-fable-5/text-to-text.

Cómo gestionar los rechazos: la parte que la mayoría de las guías omite

Como Fable 5 redirige las solicitudes delicadas, tu código debe tratar un rechazo como un resultado normal, no como un error. Cuando un clasificador de seguridad rechaza una solicitud, la API devuelve un HTTP 200 correcto con stop_reason: "refusal" y un cuerpo vacío o parcial; por tanto, el código que lea el primer bloque de contenido sin comprobarlo fallará. The Register ya ha documentado casos en los que los clasificadores rechazaron prompts inofensivos, y Anthropic sitúa la tasa media de activación por debajo del 5 % de las sesiones, aunque es mayor en torno a la ciberseguridad, la biología y la química. Protégete contra ello:

if data.get("stop_reason") == "refusal":
    # The request was declined by a safety classifier (HTTP 200, not an error).
    # Retry the same prompt on a model without the Mythos guardrails.
    fallback = requests.post(
        "https://gptproto.com/v1/messages",
        headers={
            "Authorization": "YOUR_GPTPROTO_API_KEY",
            "Content-Type": "application/json",
            "anthropic-version": "2023-06-01",
        },
        data=json.dumps({
            "model": "claude-opus-4-8",
            "max_tokens": 8000,
            "messages": [
                {"role": "user", "content": "Refactor this module and explain the trade-offs."}
            ],
        }),
    )
    data = fallback.json()

Redirigir la solicitud rechazada a claude-opus-4-8 imita lo que Anthropic hace internamente y mantiene tu canal de procesamiento en funcionamiento. Una regla relacionada de las directrices de Anthropic para crear prompts: no le pidas a Fable 5 que te devuelva su propio razonamiento; eso puede activar un clasificador independiente y enviarte al modelo de respaldo sin una buena razón.

Precios y cómo pagar un 20 % menos

Una capacidad tan alta tiene un precio acorde. Anthropic ofrece Fable 5 a 10 $ por cada millón de tokens de entrada y 50 $ por cada millón de tokens de salida, exactamente el doble que los 5 $ y 25 $ de Opus 4.8. A través de GPT Proto, el mismo modelo cuesta 8 $ y 40 $, aproximadamente un 20 % menos que el precio de lista, con el mismo formato de API.

Hay algo que el descuento no cambia: el requisito de retención de datos durante 30 días se aplica de la misma manera a través de GPT Proto que directamente, porque Anthropic lo establece a nivel del modelo. Si una política de retención cero es un requisito indispensable para ti, Fable 5 queda descartado independientemente de dónde lo utilices; es una limitación que debes tener en cuenta, no algo que ningún revendedor pueda eliminar.

Quién debería utilizarlo y quién no

Fable 5 justifica su precio premium para un tipo de trabajo concreto: tareas autónomas y de largo alcance en las que una mejor planificación y la revisión automática ahorran más supervisión humana de la que cuestan en tokens. Migraciones de bases de código, refactorizaciones de varios archivos, investigación profunda con un contexto de 1M de tokens, flujos de trabajo agénticos complejos y construcciones a partir de un solo prompt. Si un trabajo es lo bastante difícil como para que un modelo más barato necesite tres rondas de correcciones, pagar el doble por una pasada limpia es una mejor opción.

Para todo lo demás, no es la opción predeterminada adecuada. Redacción rutinaria, ayuda cotidiana con programación, resúmenes y cualquier tarea en la que el presupuesto sea importante — claude-opus-4-8 te ofrece gran parte de la capacidad por la mitad del precio, y Sonnet 4.6 es aún más barato. Además, si tu trabajo se desarrolla en ciberseguridad, biología o química, espera que los clasificadores redirijan una parte significativa de tus solicitudes a Opus 4.8; en ese caso, pagarás precios de Fable por respuestas de Opus. La regla de enrutamiento honesta a la que llegan la mayoría de los equipos es: Sonnet para borradores, Opus para revisiones difíciles y Fable para los trabajos verdaderamente autónomos; consulta los precios de GPT Proto antes de integrar cualquiera de ellos en un ciclo.

Preguntas frecuentes

¿Claude Fable 5 es gratuito?

No. Es un modelo premium que cuesta 10 $/50 $ por cada millón de tokens según el precio de lista, o 8 $/40 $ a través de GPT Proto. No existe un nivel gratuito.

¿Cuánto cuesta Claude Fable 5 frente a Opus 4.8?

Exactamente el doble: Fable 5 cuesta 10 $/50 $ por cada millón de tokens, mientras que Opus 4.8 cuesta 5 $/25 $.

¿Cuál es la ventana de contexto?

1M de tokens, que también es el valor predeterminado; hasta 128K de tokens de salida por solicitud.

Fable 5 frente a GPT-5.5: ¿cuál es mejor?

Fable 5 lidera en programación y en las puntuaciones generales del índice de inteligencia; GPT-5.5 gana en precio y lo superó por poco en el benchmark de seguimiento de instrucciones Agents' Last Exam. Elige según tu carga de trabajo.

¿Puedo acceder a Fable 5 mediante una API?

Sí, está disponible de forma general. Puedes utilizarlo en GPT Proto con el formato estándar Messages de Anthropic.

¿Por qué Fable 5 respondió a mi pregunta con otro modelo?

Sus clasificadores de seguridad redirigen algunas solicitudes delicadas a Opus 4.8 y devuelven stop_reason: "refusal". Comprueba ese campo y gestiónalo en el código.

---