Fable 5.2 de Anthropic supera a Opus en coste, pero recomienda seguir usando Opus
Anthropic ha lanzado Fable 5.2, un modelo que iguala a Opus 5.5 en las pruebas de referencia de programación con la mitad del coste por tarea, aunque aconseja a los desarrolladores mantenerse en Opus para el trabajo diario.
Traducido automáticamente del original en inglés.
Anthropic ha lanzado Fable 5.2, un nuevo modelo de IA diseñado para migraciones complejas de software y sistemas multiagente. A pesar de superar al insignia Opus 5.5 en las principales pruebas de referencia de programación con aproximadamente la mitad del coste por tarea, la empresa recomienda explícitamente que la mayoría de los desarrolladores sigan utilizando Opus 5.5 para su programación diaria y trabajo de conocimiento.
Qué ha pasado
El lanzamiento de Fable 5.2 introduce una paradoja en la selección de modelos. En la prueba de referencia FrontierCode 2.0, Fable 5.2 operando con alto esfuerzo logró una puntuación del 45,3%, casi idéntica al mejor resultado de Opus 5.5, que fue del 45,5%. Sin embargo, Fable completó estas tareas a aproximadamente la mitad del coste de Opus. Esta ganancia de eficiencia se produce a pesar de que el precio base de Fable es significativamente más alto, cobrando $8 por millón de tokens de entrada y $40 por millón de tokens de salida, frente a los $4 y $20 de Opus, respectivamente.
Anthropic atribuye esta eficiencia de costes a la capacidad de Fable para resolver problemas difíciles con menos tokens totales o mediante rutas más directas, reduciendo la carga computacional global a pesar de la mayor tarifa por token. En un experimento interno que involucró a 1.000 agentes formalizando el Último Teorema de Fermat, Fable 5.2 completó la tarea en 30 horas. En contraste, Opus 5.5 con la misma configuración solo alcanzó un 26% de finalización después de 18 horas y hizo un progreso mínimo adicional hasta la marca de las 30 horas. Esto sugiere que Fable está optimizado para tareas de investigación de larga duración y alta complejidad, en lugar de bucles de desarrollo estándar.
A pesar de estas métricas, Anthropic mantiene que Opus 5.5 sigue siendo el "mejor conductor diario" para la mayoría de los usuarios. La empresa posiciona a Fable no como un reemplazo para la programación de propósito general, sino como una herramienta especializada para cambios arquitectónicos a gran escala, orquestación multiagente e investigación profunda donde los modelos convencionales se estancan.
Cómo funciona
Fable 5.2 está diseñado para funcionar como un orquestador dentro de una arquitectura multimodelo. En lugar de manejar cada paso de un flujo de trabajo él mismo, Fable puede delegar subtareas más simples a modelos más baratos como Opus 5.5 o Sonnet 5.5. Actúa como un planificador de alto nivel que analiza dependencias y mapea cambios entre servicios, asignando luego los detalles de implementación a modelos menos costosos. Cuando esos modelos encuentran dificultades, pueden escalar el problema de vuelta a Fable para un razonamiento más profundo.
Esta estrategia de delegación busca reservar capacidades de razonamiento costosas solo para las partes más desafiantes de un proyecto. Por ejemplo, durante una migración importante de software, Fable podría planificar la estructura general mientras Opus escribe los módulos de código individuales. Este enfoque refleja la infraestructura ya adoptada por empresas como Coinbase, que enruta tareas basándose en la complejidad y redujo su gasto interno en IA casi a la mitad a pesar del aumento en el uso de tokens.
Sin embargo, cambiar entre modelos introduce un "impuesto por cambio de contexto". Fable 5.2 puede leer los bloques de pensamiento generados por Opus 5.5, lo que le permite entender el proceso de razonamiento del modelo más barato. Lo inverso no es cierto: Opus no puede leer los bloques de pensamiento de Fable. Esta asimetría significa que pasar el contexto de ida y vuelta puede requerir tokens adicionales y una ingeniería cuidadosa para asegurar que el modelo más barato retenga suficiente información para proceder sin recálculos redundantes.
Detalles clave
- Fable 5.2 obtuvo un 45,3% en FrontierCode 2.0, igualando casi el 45,5% de Opus 5.5.
- Los costes por tarea de Fable fueron aproximadamente la mitad de los de Opus en las pruebas de referencia, a pesar de tener precios por token más altos.
- Fable cuesta $8 por millón de tokens de entrada y $40 por millón de tokens de salida; Opus cuesta $4 y $20.
- En una prueba de 30 horas, 1.000 agentes de Fable formalizaron el Último Teorema de Fermat, mientras que los agentes de Opus solo alcanzaron un 26% de finalización.
- Fable puede leer los bloques de pensamiento de Opus, pero Opus no puede leer los de Fable, creando un intercambio de contexto asimétrico.
- Anthropic recomienda comenzar con Opus y cambiar a Fable solo cuando fallen las evaluaciones de alto esfuerzo de Opus.
Por qué importa
Para los líderes de ingeniería y arquitectos, este lanzamiento desafía la suposición de que los precios por token más bajos siempre equivalen a costes totales más bajos. Los datos sugieren que para tareas complejas y de múltiples pasos, un modelo más caro que resuelve problemas de manera más directa puede ser más barato que un modelo más económico que requiere iteraciones extensas. Esto desplaza el enfoque del precio unitario al coste total de la tarea, requiriendo que los equipos evalúen los modelos basándose en la eficiencia de extremo a extremo, y no solo en las tarifas de la API.
La introducción de Fable como orquestador también señala un movimiento hacia sistemas de IA heterogéneos. Los desarrolladores necesitarán cada vez más construir infraestructuras que puedan enrutar tareas dinámicamente entre modelos de diferentes capacidades. Esto requiere estrategias robustas de gestión de contexto para manejar las asimetrías en cómo los modelos comparten datos de razonamiento. No gestionar eficientemente estos traspasos podría borrar los ahorros de costes obtenidos al delegar a modelos más baratos.
Además, la recomendación de Anthropic de quedarse con Opus para el trabajo diario, a pesar de la superioridad de Fable en las pruebas de referencia, destaca una brecha entre el rendimiento en benchmarks y la usabilidad práctica. Sugiere que para la programación rutinaria, las ganancias marginales en profundidad de razonamiento proporcionadas por Fable no justifican la complejidad operativa de integrar un nuevo modelo en el flujo de trabajo diario. Los ingenieros deben equilibrar la capacidad bruta contra la fricción de adopción e integración.
Qué puedes hacer
- Audita tus flujos de trabajo actuales de IA para identificar tareas largas y de alta complejidad que se estancan o requieren iteraciones excesivas.
- Prueba Fable 5.2 en proyectos específicos de migración o investigación donde Opus 5.5 haya fallado previamente en alcanzar la finalización.
- Calcula los costes totales de la tarea, y no solo los precios por token, al comparar la eficiencia de los modelos para agentes complejos.
- Diseña tu arquitectura de agentes para permitir que Fable delegue tareas simples a Opus o Sonnet, reservando Fable para escalaciones.
- Implementa mecanismos robustos de paso de contexto para manejar la visibilidad unidireccional de los bloques de pensamiento entre Fable y Opus.
- Comienza con Opus para la programación diaria e introduce Fable solo cuando no se cumplan requisitos específicos de alto esfuerzo.



