Anthropic anunció el lanzamiento de Claude Fable 5.2 y Mythos 5.2, dos modelos de inteligencia artificial diseñados para ejecutar tareas técnicas complejas, especialmente en desarrollo de software y ciberseguridad. La actualización combina mejoras de rendimiento con una reducción del 20% en los precios de su API. Sin embargo, para las empresas, el menor costo por token no garantiza necesariamente una disminución equivalente en el gasto de automatización.
Ambos modelos tienen un precio de US$ 8 por millón de tokens de entrada y US$ 40 por millón de tokens de salida, frente a los US$ 10 y US$ 50 de sus versiones anteriores. Según Anthropic, también pueden generar respuestas hasta un 30% más rápido.
El principal avance se encuentra en las tareas de programación. En FrontierCode 2.0, una evaluación que mide la capacidad de los modelos para producir modificaciones de código que serían aceptadas por los responsables de proyectos de software abierto, Fable 5.2 alcanzó un resultado de 49.1%, frente al 32.4% de su antecesor, utilizando en ambos casos la configuración de máximo esfuerzo evaluada.
La compañía también reportó que Fable 5.2, utilizando una configuración de esfuerzo alto, obtuvo resultados comparables con los de Opus 5.5 en su configuración máxima, pero con aproximadamente la mitad del costo por tarea.
El costo por tarea completada, la nueva variable
La reducción de tarifas podría facilitar el uso de agentes de IA para proyectos de modernización tecnológica, migraciones de software y desarrollo de aplicaciones. Sin embargo, el costo final dependerá de cuántas operaciones necesite ejecutar cada modelo para entregar un resultado satisfactorio.
Sanchit Vir Gogia, analista principal de Greyhound Research, advirtió a Computerworld que las empresas no deberían confundir una reducción del precio por token con un ahorro real en procesamiento. Su recomendación es evaluar el gasto en función de las tareas completadas exitosamente, en lugar de utilizar únicamente el volumen de tokens consumidos como referencia.
Esta diferencia es relevante en sistemas que emplean múltiples agentes, realizan sucesivas iteraciones o requieren configuraciones de mayor esfuerzo para resolver una misma solicitud. El costo unitario puede disminuir mientras el consumo total aumenta.
Por ejemplo, Anthropic incorporó una modalidad opcional de mayor velocidad, capaz de generar tokens hasta 2.5 veces más rápido, pero cuyo precio asciende a US$ 16 por millón de tokens de entrada y US$ 80 por millón de tokens de salida. Es decir, el doble de la tarifa estándar de los nuevos modelos.
Esta evolución plantea la necesidad de incorporar indicadores más precisos en sus evaluaciones económicas: costo por tarea completada y validada, número de intentos necesarios, tiempo dedicado a revisar resultados y ahorro efectivo frente a los procesos tradicionales de desarrollo.
La comparación también debe considerar la complejidad de las tareas. De hecho, Anthropic recomienda utilizar Opus 5.5 para la mayoría de las actividades habituales de programación y reservar Fable y Mythos para trabajos técnicos de mayor exigencia.
Mayor autonomía, pero todavía con supervisión humana
Una de las demostraciones más ambiciosas de Anthropic consistió en encargar a Fable 5.2 la construcción de un prototipo de sistema operativo. Durante ocho días, el modelo coordinó más de 1,000 subagentes que escribieron, probaron y revisaron código hasta producir un sistema capaz de arrancar en una computadora portátil. El experimento ilustra el potencial de la IA para gestionar procesos prolongados con numerosas tareas interdependientes.
No obstante, trasladar estas capacidades a sistemas empresariales en producción introduce exigencias adicionales. Lian Jye Su, analista jefe de Omdia, señaló a Computerworld que la confiabilidad continúa siendo un problema cuando estos sistemas operan sin supervisión humana. Asimismo, alertó sobre las dificultades de coordinar múltiples agentes a través de herramientas corporativas y equipos internos.
Desde Pareekh Consulting, su CEO, Pareekh Jain, agregó que la complejidad de los sistemas heredados y la necesidad de cumplir requisitos específicos del negocio pueden limitar el volumen de desarrollo que las organizaciones están en condiciones de delegar a la IA.
En ese contexto, la automatización requiere mecanismos de control proporcionales a la criticidad del software. Entre ellos destacan la ejecución de agentes en entornos aislados, el registro de sus actividades y la aprobación humana de cambios que puedan afectar operaciones esenciales.
Ciberseguridad y datos: factores que también condicionan la adopción
La actualización incorpora avances en identificación de vulnerabilidades. En la evaluación interna CVE Rediscovery, Mythos 5.2 logró identificar el 89.6% de las vulnerabilidades consideradas, frente al 78.3% de Mythos 5.1.
La prueba utilizó 1,829 vulnerabilidades previamente divulgadas y buscó determinar si los modelos podían redescubrirlas de manera independiente en versiones de software anteriores a su corrección. Estos resultados no equivalen a una tasa de detección garantizada en sistemas empresariales reales.
La mayor capacidad también introduce riesgos. Herramientas capaces de identificar fallas más rápidamente pueden beneficiar a los equipos defensivos, pero sus capacidades podrían utilizarse con fines maliciosos.
Por ello, aunque Fable 5.2 está disponible de forma general, el acceso directo a Mythos 5.2 exige ingresar a programas de verificación destinados a organizaciones de ciberseguridad y ciencias de la vida. Los clientes de Claude Enterprise también pueden acceder a capacidades del modelo mediante Claude Security.
Otra consideración es el tratamiento de información corporativa. Anthropic confirmó que los clientes elegibles pueden mantener acuerdos de retención cero de datos, mientras que para otros establece un periodo de retención de 30 días destinado al monitoreo de seguridad.
La empresa presentó además Enterprise Frontier Safeguards, una solución en fase beta privada que permite ejecutar controles automatizados sobre solicitudes y respuestas almacenadas en la infraestructura de los propios clientes. anthropic.com
La evolución de Claude refleja que los modelos pueden ejecutar tareas cada vez más complejas a precios unitarios menores, pero el retorno empresarial dependerá de su capacidad para producir resultados verificables, controlar el gasto total y operar bajo condiciones adecuadas de seguridad.
