
Claude Fable 5.2: el modelo de Anthropic para razonamiento exigente y agentes de horas
Qué es Claude Fable 5.2, qué benchmarks publicó Anthropic y cómo leerlos, cuánto cuesta (8/40 dólares) y cuándo elegirlo. Datos al 15 de noviembre de 2026.
¿Qué es Claude Fable 5.2 y cuándo salió?
Es la versión más reciente de la línea Fable, dentro de la familia Claude que completan Opus 5.5, Sonnet 5.5 y Haiku 5.5. Anthropic dice que sus respuestas salen hasta un 30 % más rápido que las de Fable 5.1. Piensa antes de responder, con razonamiento adaptativo que no se puede apagar (ver modelos de razonamiento).
| Dato | Valor |
|---|---|
| ID de API | claude-fable-5-2 |
| Lanzamiento | 9 de noviembre de 2026 |
| Contexto y salida | 1M de tokens de contexto; hasta 128K de salida |
| Precio | 8 dólares entrada / 40 dólares salida, por millón de tokens |
| Entrada y salida | Texto e imágenes, y responde en texto |
| Corte de conocimiento | Junio de 2026 |
| Abierto o cerrado | Cerrado: se usa por la API y plataformas en la nube |
Fable y Mythos son el mismo modelo con distintas salvaguardas. Si no perteneces a un programa de verificación, usas Fable.
¿Para qué sirve?
Anthropic lo describe para sesiones de agentes que duran horas, investigación profunda de varios pasos y análisis que termina en un documento, una hoja de cálculo o una presentación terminados. La propia Anthropic recomienda empezar con Opus 5.5 en la mayoría de tareas de código y conocimiento, y subir a Fable para lo más ambicioso o cuando tus pruebas con Opus 5.5 en esfuerzo alto sigan quedando cortas.
Para quien diseña, eso se traduce en trabajos largos y con muchas piezas: cruzar decenas de documentos de research, preparar un informe completo o dejar a un agente trabajando en Claude Code mientras haces otra cosa.
Tres detalles de uso que importan si llamas a la API, según la documentación: forzar una herramienta (tool_choice de tipo any o tool) devuelve un error 400; hay que omitir temperature, top_p y top_k; y exige retención de datos de 30 días.
¿Qué benchmarks publicó y cómo se leen?
Estos puntajes los reporta Anthropic en su anuncio, con las salvaguardas activas y, salvo indicación, en el máximo esfuerzo disponible de cada modelo; la metodología está en la ficha del sistema (system card). Son datos del laboratorio, no una medición independiente.
| Benchmark | Puntaje | Quién lo reporta | Qué mide, según la fuente |
|---|---|---|---|
| FrontierCode 2.0 | 49.1 % (esfuerzo Xhigh) | Anthropic | Si los cambios de código serían aceptados por mantenedores de código abierto |
| FrontierSWE v2 | 69.9 % | Anthropic | Programación con agentes; la página no lo describe |
| Terminal-Bench-Science 0.1 | 74.6 % | Anthropic | Investigación científica con agentes (categoría) |
| OSWorld 2.1 (conjunto sin conexión, parcial) | 89.3 % | Anthropic | Uso de una computadora real en tareas largas de varios pasos |
| Humanity’s Last Exam, con herramientas | 74.2 % | Anthropic | Conocimiento y razonamiento académico de nivel experto |
| Remote Labor Index | 41.3 % (esfuerzo High) | Anthropic | Trabajo de conocimiento; la página no lo describe |
Cómo leerlos:
- Mira el nombre completo y la configuración. FrontierCode 2.0 se midió en esfuerzo Xhigh y el Remote Labor Index en High. Con otro esfuerzo, el puntaje cambia: Anthropic reporta 45.3 % en FrontierCode con esfuerzo High, frente a 49.1 % con Xhigh.
- Compara solo dentro del mismo laboratorio y la misma tabla. En esa tabla, Fable 5.1 sacó 32.4 % en FrontierCode 2.0 y Fable 5.2 sacó 49.1 %. Esa comparación vale porque la hizo Anthropic en la misma prueba.
- No armes rankings contra modelos de otros laboratorios. Cada laboratorio ejecuta sus pruebas a su manera.
- Un puntaje no es tu caso. Para saber cómo se comporta con tus tareas, usa tu propia evaluación; la guía está en cómo leer benchmarks de IA.
¿Cuánto cuesta y qué contexto tiene?
A 15 de noviembre de 2026, la documentación de Anthropic lista estos precios por millón de tokens:
- Entrada: 8 dólares. Salida: 40 dólares.
- Lectura de caché: 0,20 dólares. Escritura de caché de 5 minutos: 10 dólares.
- Procesamiento por lotes (Batch API): 50 % de descuento en entrada y salida.
- Modo rápido (hasta 2,5 veces más velocidad de generación): 16 dólares entrada / 80 dólares salida.
Fable 5.1 figura a 10 / 50 dólares, así que 5.2 cuesta menos. El contexto de 1M de tokens equivale a unas 555.000 palabras, según la documentación. Si no sabes qué es un token, mira tokens y costo por token.
Ejemplo ilustrativo de cuenta: una tarea con 200.000 tokens de entrada y 20.000 de salida cuesta 1,60 + 0,80 = 2,40 dólares. El gasto real depende de cuánto produzca el modelo; con caché de prompts puedes bajar el costo de lo que repites.
¿Cuándo elegirlo y cuándo no?
Elígelo cuando:
- Una tarea difícil ya falló con Opus 5.5 en esfuerzo alto.
- El trabajo es largo, de muchos pasos, y el costo de un error es mayor que el de la llamada.
- Necesitas un entregable terminado (informe, hoja de cálculo, presentación) a partir de mucho material.
No lo elijas cuando:
- La tarea es de volumen alto y baja complejidad: clasificar, extraer o enrutar. Ahí encaja Haiku 5.5, que cuesta una fracción.
- Tu organización exige retención cero de datos.
- Necesitas controlar la temperatura o forzar el uso de una herramienta.
- Aún no mediste si Opus 5.5 ya te alcanza. Es lo que Anthropic recomienda probar primero.
Para ver todos los modelos juntos, mira modelos de IA actuales.
Ejemplo
Ejemplo ilustrativo: una diseñadora tiene 40 transcripciones anonimizadas de entrevistas y necesita un informe de hallazgos con citas y un mapa de problemas por pantalla. Primero corre la tarea con Opus 5.5 en esfuerzo alto y guarda el resultado. Revisa a mano diez citas contra el original y anota cuántas fallan. Si el informe omite temas o inventa citas, repite exactamente la misma tarea con Fable 5.2, compara ambos resultados con los mismos criterios escritos y calcula el costo de cada corrida.
Qué probar mañana: elige una tarea real que hoy te cuesta una tarde, escribe tres criterios de éxito y corre la misma tarea en los dos modelos. Compra Fable solo si la diferencia justifica el precio.
Errores comunes
- Empezar por el modelo más caro sin probar antes el anterior en esfuerzo alto.
- Tratar los puntajes de Anthropic como un ranking contra modelos de otros laboratorios.
- Presupuestar con el precio de un mes y no volver a mirarlo: cambian.
- Pasar
temperatureo forzar herramientas y recibir un error 400. - Subir datos de usuarios sin revisar la política de retención.
- Aceptar citas e informes sin verificarlos contra la fuente.