By submitting, you consent to our use of your data. Privacy Policy.
Categoría
Agentes de IA
Compartir artículo
Cincuenta dólares por millón de tokens de salida. Eso es lo que paga ahora una empresa por ejecutar el modelo más potente de Anthropic, aproximadamente tres veces lo que costaba esa misma carga de trabajo en Opus 4.8 hace una semana. La pregunta que todo director de IA debería hacerse esta mañana no es si Claude Fable 5 es mejor. Obviamente lo es. La pregunta es si el flujo de trabajo al que va a dirigirlo supera el nuevo listón.
Anthropic lanzó Claude Fable 5 y Mythos 5 el 9 de junio. Comparten los mismos pesos subyacentes, pero se distribuyen con diferentes configuraciones de protección: Fable 5 para disponibilidad general con sistemas de seguridad alternativos que recurren a Opus 4.8 en menos del 5% de las sesiones, y Mythos 5 con las protecciones desactivadas y acceso restringido a los socios del Project Glasswing y a los defensores de ciberseguridad del gobierno de EE. UU. Ambos tienen el mismo precio: 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida, lo que duplica el coste de entrada y multiplica aproximadamente por tres el coste de salida de Opus 4.8.
Ese es el nuevo listón. Las pruebas de rendimiento justifican el listón en algunos casos y en otros no. Aquí tiene los números, los flujos de trabajo que lo superan y los que no.
Las pruebas de rendimiento son reales
Antes de los números de costes, hablemos de la capacidad. Fable 5 y Mythos 5 lideran las clasificaciones en todas las pruebas de rendimiento relevantes para agentes de IA empresariales.
En GDPval-AA, la prueba de rendimiento para trabajos de conocimiento empresarial, los nuevos modelos obtienen 1932 puntos frente a los 1890 de Claude Opus 4.8, los 1769 de GPT-5.5 y los 1314 de Gemini 3.1 Pro. En GDPpdf, la prueba de razonamiento con documentos visuales, obtienen un 29,8% sin uso de herramientas frente al 22,5% de Opus 4.8, el 24,9% de GPT-5.5 y el 16,7% de Gemini 3.1 Pro. En SWE-bench Pro, la compleja prueba de ingeniería de software, alcanzan un 80,3% frente al 58,6% de GPT-5.5. En FrontierCode Diamond de Cognition para programación agéntica mantenible, obtienen un 29,3% frente al 13,4% de Opus 4.8 y al 5,7% de GPT-5.5.
Esa última brecha (29,3% frente a 13,4%) es el mayor salto en capacidad de programación agéntica en un solo lanzamiento en dos años. Las victorias en las listas de rendimiento son reales, son importantes y son la razón por la que existe esa tarifa premium.
Los números puros, por flujo de trabajo
Una tarea agéntica empresarial típica consume en torno a 50.000 tokens de entrada (contexto, documentos recuperados, turnos anteriores) y 5.000 tokens de salida (la respuesta del agente y las llamadas a herramientas). Con las tarifas de Fable 5, eso supone 0,50 $ por la entrada más 0,25 $ por la salida: unos 0,75 $ por tarea. Con las tarifas de Opus 4.8 (unos 3 $ por millón de entradas y 15 $ por millón de salidas), la misma tarea cuesta unos 0,15 $ más 0,075 $, es decir, 0,23 $.
Por tarea, la diferencia parece insignificante. En volumen de producción, no lo es en absoluto.
Un agente de conciliación que ejecuta 10.000 tareas al día en Opus 4.8 cuesta unos 2.300 $ diarios. El mismo agente en Fable 5 cuesta unos 7.500 $ al día. Eso supone una diferencia anual de 1,6 millones de dólares en un único flujo de trabajo, sin contar el crecimiento de las entradas, los reintentos ni ninguno de los patrones de contexto largo que elevan el recuento de tokens. Multiplique esto por los entre cinco y diez flujos de trabajo de agentes en producción que ejecuta hoy una empresa estándar, y la diferencia anual supera rápidamente las ocho cifras.
La respuesta por defecto a "¿deberíamos migrar esta carga de trabajo a Fable 5?" no debe ser un sí. Debe ser: "Muéstreme qué flujos de trabajo superan realmente el nuevo listón".
Dónde compensa asumir el coste adicional de 3 veces más
Tres categorías donde la rentabilidad matemática es clara:
Agentes de ingeniería de software de alta complejidad. Este es el caso de uso más sólido. Un 80,3% en SWE-bench Pro frente al 58,6% de GPT-5.5 se traduce en unas 22 solicitudes de incorporación de cambios (pull requests) correctas adicionales por cada 100 intentos. Con una tarifa de ingeniero de 90 $ por hora y dos horas ahorradas por cada PR combinada, se recuperan 3.960 $ de tiempo de ingeniería por cada 100 ejecuciones de Fable 5, frente a un coste incremental de tokens de aproximadamente 48 $. Relación de recuperación de costes: unas 80 veces. Los equipos de ingeniería que despliegan agentes internos de programación, automatización de revisión de código o herramientas de migración verán amortizado Fable 5 en un solo sprint.
Razonamiento de documentos visuales para decisiones críticas. Un 29,8% en GDPpdf frente al 22,5% de Opus 4.8 representa un salto relativo del 32%. Esto tiene un impacto directo en la revisión de contratos (donde una sola cláusula omitida cuesta más que un año de consumo de tokens premium), el triaje de reclamaciones de seguros (donde un error de clasificación se multiplica en miles de casos) y el análisis de informes financieros (donde las sanciones por incumplimiento de la SEC eclipsan cualquier coste de modelo imaginable). El sobrecoste es razonable siempre que una única decisión del agente afecte a activos financieros clave o a normativas regulatorias.
Planificación a largo plazo y razonamiento de varios pasos. Los flujos de trabajo en los que el agente debe planificar, ejecutar y autocorregirse a lo largo de varios turnos se benefician enormemente de la calidad de razonamiento de frontera. Un flujo de trabajo con ocho pasos de razonamiento y un 5% de error por paso en Opus 4.8 falla de extremo a extremo aproximadamente el 34% de las veces. El mismo flujo de trabajo con un 2% de error por paso (la ventaja típica de Fable 5 en pruebas de rendimiento de contexto largo) solo falla el 15% de las veces. El coste de asegurar que estos flujos de trabajo funcionen correctamente es insignificante comparado con el impacto de sus errores.
Dónde el coste premium no justifica el cambio
Tres categorías donde migrar a Fable 5 es un gasto innecesario:
Clasificación, enrutamiento y triaje de gran volumen. Flujos de trabajo orientados a categorizar, etiquetar o redirigir a escala. La mayoría de los tickets, correos electrónicos y categorización de documentos. Opus 4.8 ya cumple con los objetivos de precisión requeridos en estos entornos. El salto del 1890 al 1932 en GDPval-AA representa una mejora relativa del 2,2% en tareas de conocimiento empresarial, y una mejora del 2,2% en precisión no justifica multiplicar por tres el coste por token cuando el resultado es una simple etiqueta de una frase que apenas cuesta céntimos. Mantenga estas tareas en Opus 4.8, Haiku o modelos de código abierto más ligeros.
Chat e interacción con el cliente y resúmenes. El volumen es muy elevado, la precisión requerida ya la cubren los modelos de gama media y el valor marginal de cada palabra correcta adicional es mínimo. El uso de modelos premium aquí es ineficiente.
Flujos de trabajo donde el cuello de botella no es el modelo. La mayoría de los fallos de agentes de producción en entornos empresariales no son fallos de razonamiento. Son fallos de integración, problemas de calidad de datos, un diseño de prompts deficiente o vacíos de gobierno. Destinar un modelo más caro a resolver un problema ajeno al modelo no solucionará nada, salvo encarecer su factura de tokens. Diagnostique el origen real del fallo antes de dar el salto a Fable 5.
La ventana de 13 días
Desde el 9 de junio hasta el 22 de junio, Fable 5 se incluye de forma gratuita en los planes Pro, Max, Team y planes Enterprise por licencias de Anthropic. Este es un periodo de prueba de 13 días durante el cual los equipos corporativos pueden realizar pruebas A/B reales frente a los registros de Opus 4.8 sin ningún coste incremental.
Aprovéchelo. Seleccione los tres flujos de trabajo donde sospeche que la calidad del razonamiento avanzado de frontera es más decisiva: la auditoría financiera de mayor impacto, la automatización de ingeniería más compleja o el proceso de contratos o reclamaciones donde los errores se acumulan. Desvíelos a Fable 5 durante todo el periodo de prueba. Registre cada decisión que tome el agente junto con la que habría tomado en Opus 4.8. Compare los resultados. Para el 22 de junio, sabrá con certeza qué flujos de trabajo mantener en Fable 5 asumiendo el coste total y cuáles revertir.
No aprovechar este periodo de prueba significa tener que tomar decisiones a ciegas después del día 23. Esa será, sin duda, la opción más costosa.
Por qué la atribución de costes auditable decide si el departamento de compras aprueba la inversión
Un aumento de costes de 3 veces en cualquier partida operativa activa un proceso de compras. Finanzas preguntará, con razón, qué llamadas específicas a Fable 5 generaron qué resultados comerciales concretos. "Actualizamos el modelo y la precisión aumentó un 4%" no es un argumento sólido para justificar una partida anual de 1,6 millones de dólares. La respuesta sólida es: "Estas 14.000 llamadas a Fable 5 en mayo procesaron contratos por valor de 2.400 millones de dólares. Detectaron 412 cláusulas de riesgo omitidas por el modelo anterior, tres de las cuales nos habrían costado más que todo el presupuesto anual de Fable 5 de haberse aprobado".
Ofrecer esa respuesta requiere atribución paso a paso: cada llamada al modelo registrada junto con el paso del flujo de trabajo al que sirvió, los datos de entrada consumidos, la decisión generada, el visto bueno humano que satisfizo y el impacto comercial resultante. Muchas arquitecturas de agentes empresariales hoy en día carecen de este nivel de detalle en sus registros. Sin embargo, las plataformas de agentes de producción que integran la atribución auditable como una característica nativa (y no como una idea secundaria) sí lo hacen, marcando la diferencia entre validar la inversión complementaria en la próxima revisión financiera o verse obligado a dar marcha atrás.
El coste extra de Fable 5 no es una decisión del modelo. Es una decisión de plataforma. El modelo es lo suficientemente robusto como para justificar su coste en los flujos de trabajo clave. La plataforma es la herramienta que demuestra cuáles son esos flujos.
Qué hacer esta semana
Tres pasos estratégicos antes del 22 de junio:
Uno. Seleccione los tres flujos de trabajo más críticos de su arquitectura de agentes en producción. Desvíelos a Fable 5 durante la ventana de prueba gratuita. Regístrelo todo.
Two. Configure (o verifique que dispone de) atribución de costes paso a paso. Si no puede demostrar a finanzas qué flujo de trabajo ejecutó cada llamada a Fable 5 esta semana, no podrá defender los presupuestos para continuar el próximo mes.
Three. Defina su política de enrutamiento antes del 22 de junio. Los flujos de trabajo con retorno de inversión óptimo se mantendrán en Fable 5. Los que no demuestren ese valor volverán a Opus 4.8 o se derivarán a Haiku o modelos de código abierto cuando corresponda. La plataforma de desarrollo de IA debe permitir cambiar esta lógica de enrutamiento con total facilidad por cada flujo de trabajo y sin necesidad de reescribir el agente.
Después del 22 de junio, el debate ya no será si Fable 5 es el mejor modelo del mercado. Claramente lo es. El reto es si la infraestructura de sus agentes en producción es capaz de demostrar, flujo por flujo, dónde aporta valor la inversión en este nuevo nivel. Los equipos que lo consigan dispondrán del modelo de razonamiento más potente en producción avalado por finanzas. Aquellos que no, infrautilizarán la tecnología o incurrirán en costes excesivos.
La salida a bolsa de Anthropic, valorada en 965.000 millones de dólares la semana pasada, representó un punto de inflexión en la concentración de proveedores para los compradores corporativos de agentes. Fable 5 es el reto de adquisición que sigue a este hito. Ambas decisiones se simplifican cuando la capa de plataforma que soporta el sistema gestiona la atribución que justifica cada inversión.
