Hasta el 16 de noviembre de 2026, abrimos los anuncios oficiales, la documentación actual de Claude Code, las evaluaciones independientes originales y debates públicos contrapuestos. No llamamos a modelos de pago, iniciamos sesión ni medimos cuotas reales. Los prompts y el registro son ejemplos sintéticos originales; el cálculo local comprueba aritmética, no rendimiento. Seleccionamos deliberadamente casos positivos, negativos y fallos concretos, por lo que no permiten estimar satisfacción.
El modelo actual y las tareas que justifican cambiar
El último lanzamiento general verificado es Fable 5.2, anunciado el 9 de noviembre. Anthropic sigue recomendando empezar con Opus 5.5 para la mayoría del trabajo cotidiano de programación y conocimiento, y recurrir a Fable en proyectos más difíciles y abiertos. Visitar las noticias el 16 de noviembre no convierte esa fecha en un lanzamiento.
Anthropic: anuncio de Fable y Mythos 5.2 · Noticias de Anthropic
Para comprar o migrar, pregunta si el nuevo modelo reduce tus fallos más caros: una restricción de compatibilidad olvidada al migrar varios módulos, un objetivo perdido durante una tarea larga o un arreglo entregado sin comprobar el comportamiento anterior. Estas pérdidas suelen aparecer al final. Una conversación más fluida no demuestra una entrega más fiable. Empieza por trabajos que se atascan, exigen rehacerse o necesitan la intervención de alguien experimentado: así obtendrás una referencia útil.
| Candidato | Posición oficial o límite | Pregunta de aceptación propia |
|---|---|---|
| Opus 5.5 | Punto de partida cotidiano | ¿Terminan las tareas actuales de forma fiable? |
| Fable 5.2 | Trabajo técnico más ambicioso | ¿Reduce retrabajo en tareas difíciles? |
| Mythos 5.2 | Mismo modelo subyacente, otras salvaguardas y acceso | Verificar el programa de investigación aparte del acceso a Fable |
Conserva la identidad de la ejecución antes de comparar
El alias fable no siempre apunta a la misma versión; Claude apps gateway tiene una asignación independiente. Registra el model ID completo, proveedor, versión del cliente, esfuerzo efectivo y fallback. El catálogo de modelos y la configuración de Code describen superficies distintas.
Claude Code: configuración de modelos · Resumen de modelos Claude
Incluye estos datos en el comprobante de cada ejecución, en lugar de confiar en un título que diga «último». Fija también commit, archivos visibles, permisos de herramientas, prompt, tiempo máximo y aportaciones humanas. Todo cambio merece una fila nueva, conservando los fallos. Si el comprobante no confirma el modelo, marca la identidad como no confirmada en vez de atribuir el resultado a una versión concreta. Cuando no esté disponible, diagnostica primero superficie y acceso; no relajes la seguridad para completar la comparación.
task_id,arm,model_id,effort,provider,toolset,commit,attempt,status,api_usd,review_min,fallback
fixture-01,A,claude-opus-5-5,medium,synthetic,offline,fixture-v1,1,accepted,0.40,6,none
fixture-01,B,claude-fable-5-2,high,synthetic,offline,fixture-v1,1,accepted,0.80,3,noneEl esfuerzo es una variable experimental; max no es la respuesta universal
La documentación actual de Code indica medium como esfuerzo predeterminado de Fable 5.2 y advierte del razonamiento excesivo con max. Artificial Analysis publica capacidad y tiempo para distintos niveles en la misma página del modelo.
Claude Code: configuración de modelos · Artificial Analysis: Fable 5.2
| effort | Puntuación del índice | Minutos por tarea del índice |
|---|---|---|
| low | 54 | 5.5 |
| high | 62 | 15.3 |
| max | 65 | 41.8 |
Son registros públicos de las configuraciones correspondientes, incluidas sus etiquetas Default Fallback. Una puntuación de inteligencia no es una tasa de éxito cotidiana, y el tiempo de max no permite calcular mensajes de suscripción. Recomendamos comenzar con un nivel aceptable y aumentarlo solo en tareas fallidas. Más razonamiento sin mejora de la aceptación externa añade espera sin valor demostrado. Fija el modelo al comparar esfuerzo; fija el esfuerzo al comparar modelos y prueba después la configuración preferida de cada uno. Son preguntas distintas.
Artificial Analysis: Fable 5.2 · Artificial Analysis: metodología de inteligencia
Cuatro resultados independientes miden cuatro objetos diferentes
| Fuente | Objeto medido | Límite de lectura |
|---|---|---|
| Artificial Analysis | Capacidad general y eficiencia | Conservar versión y etiqueta fallback |
| Snorkel | Trabajo difícil en terminal | Tareas emparejadas y selección de ejecuciones limpias |
| Vals | Ámbitos profesionales ponderados | Pesos e incertidumbre afectan al puesto |
| Plotly | Flujo de un agente analítico | Una ejecución y un entorno específico |
Artificial Analysis: Fable 5.2 · Snorkel: evaluación de tareas terminales · Vals Index: metodología y resultados · Plotly: evaluación de análisis de datos
Estas fuentes se complementan, pero no pueden sumarse en una tasa global. Un índice amplio cubre más tipos de trabajo; una prueba de producto de extremo a extremo se aproxima mejor a sus herramientas. Primero pregunta si el examen se parece a tu trabajo, después si la diferencia importa. Parámetros, caché y presupuestos temporales no publicados deben permanecer desconocidos. Completarlos con suposiciones crea una comparabilidad ficticia.
AA Coding Agent Index v2.1 tiene tres componentes y reglas propias, distintas de Intelligence Index v5.0.1. Incluso una misma entidad puede mantener varios «índices». Conserva el nombre completo al compartir un gráfico para no tratar razonamiento general, uso de terminal y cambios de código aceptables como una única magnitud intercambiable.
Snorkel: mejor ejecución sin eliminar regresiones estratégicas
El 12 de noviembre, Snorkel informó de un aumento de pass@1 ponderado por tarea del 53.1% al 71.4% en 26 tareas emparejadas. Incluyó 106 y 121 ejecuciones limpias respectivamente, excluyendo fallos del entorno o del endpoint.
Dividir intentos exitosos entre intentos totales no necesariamente reproduce la cifra ponderada: las tareas tienen distintos números de repeticiones válidas. La distinción útil es entre menos errores mecánicos y entender correctamente el objetivo. El análisis de fallos aún muestra agentes que comprueban diligentemente soluciones basadas en una interpretación equivocada. Si implementación y autopruebas comparten esa premisa, repetirlas puede seguir confirmando un estándar incorrecto.
En una migración, la persona responsable debe definir invariantes antes y verificarlas con una batería independiente, en vez de pedir solamente al agente que confirme que todo está bien. Conserva tareas que antes pasaban y después fallan. Elegir solo victorias del nuevo modelo oculta regresiones. La selección de ejecuciones limpias y la configuración incompleta publicada limitan la generalización a otros proyectos.
Vals: liderar un índice no resuelve los ámbitos ni la incertidumbre
| Configuración u objeto | Lectura publicada | Matiz que debe conservarse |
|---|---|---|
| Fable 5.2 high | 71.31 ±0.96 | Resultado compuesto de Vals Index |
| Sonnet 5.5 max | 70.85 ±0.93 | Un margen pequeño requiere más que el puesto |
| Mezcla de ámbitos | Finanzas, código, derecho, impuestos | Ponderar por PIB es una hipótesis metodológica |
Vals: página de Fable 5.2 · Vals Index: metodología y resultados · Vals: página de Sonnet 5.5
Un índice ponderado decide primero qué trabajo importa y después quién lidera. Un equipo de software debe examinar sus fallos relevantes antes de adoptar pesos de sectores económicos. Cuando los resultados son cercanos importa la incertidumbre: el puesto por sí solo no demuestra una ventaja estable entre cargas de trabajo. Tampoco demuestra equivalencia por sí solo. Aquí Fable usa high y Sonnet max: no es un experimento con igual esfuerzo que aísle el efecto del modelo.
Encontramos una subpuntuación de migración distinta entre la página del modelo y el desglose del índice del mismo sitio, así que no la reproducimos. Comprobar la coherencia interna es más útil que añadir decimales que aparenten precisión. Conserva instantáneas fechadas ante un conflicto y espera aclaraciones; elegir la cifra mayor convertiría una discrepancia abierta en una afirmación.
Vals: página de Fable 5.2 · Vals Index: metodología y resultados
Plotly: una puntuación perfecta puede costar más en total
| Modelo | Preguntas superadas | Coste de la ejecución completa USD |
|---|---|---|
| Fable 5.2 | 43/43 | 35.74 |
| Opus 5.5 | 41/43 | 13.31 |
| GPT-6.1 Sol | 43/43 | 2.61 |
Es una ejecución con un proveedor y unas herramientas concretas. El autor señala variación al repetir. Dos preguntas de diferencia no establecen superioridad estable, y la factura de un examen no es el precio de un mensaje. La enseñanza práctica: un precio de token menor puede coexistir con una tarea más cara si aumentan contexto, escrituras de caché o razonamiento generado.
Separa dos decisiones de compra. Un análisis donde equivocarse es caro puede justificar más revisión y una mayor tasa de finalización. Los informes rutinarios masivos y fáciles de inspeccionar priorizan el coste por resultado aceptado. En ambos casos conserva la ejecución y comprueba el significado del gráfico: renderizarlo solo prueba que el programa creó un gráfico, no que filtros, unidades o conclusiones sean correctos.
Por qué conviven entusiasmo y decepción en la comunidad
| Fuente original | Experiencia relatada | Límite de evidencia |
|---|---|---|
| Post positivo de Reddit | Buenos resultados en max y consumo rápido | El autor dice después que no ha usado Code; no es una prueba CLI |
| Post negativo de Reddit | Conclusiones apresuradas y planes superficiales | Sin comparación controlada con igual configuración |
| Comentario técnico en HN | Problemas de límites y complejidad en regex | No reproducido independientemente; no es una vulnerabilidad confirmada |
| Juego de NotesByLex | Herramientas entregaron un proyecto largo jugable | Prototipo anterior, pruebas humanas posteriores e iteraciones |
Reddit: experiencia positiva en max · Reddit: experiencia negativa de planificación · Hacker News: comentario sobre regex · NotesByLex: proyecto de videojuego
Los cuatro casos difieren en tarea, superficie y criterio de finalización. Plantean hipótesis comprobables, pero no estiman cuántas personas mejoraron ni demuestran que se debilitara el modelo. El autor del juego admite que no comparó Opus 5.5. Terminar un proyecto y demostrar que solo el modelo nuevo podía hacerlo son conclusiones distintas. Las edades relativas de un foro no fijan una hora UTC exacta; usamos la fecha de recogida sin inventar horas de publicación.
Convierte adjetivos en preguntas observables. ¿«Vago» significa requisitos omitidos, herramientas fallidas, parada temprana o huecos en la aceptación final? ¿«Impresionante» incluye muchas llamadas, reintentos y cambios humanos? Registrar estas variables convierte una descripción emocional en material para el siguiente experimento.
Advisor y fallback cambian el sistema realmente evaluado
Advisor es experimental, lee la conversación completa y añade llamadas facturables; el soporte depende del proveedor. Activarlo convierte la comparación en una de sistemas compuestos, por lo que no puedes atribuir el resultado solo al modelo principal.
Registra también los cambios por seguridad o disponibilidad. La ficha de sistema oficial y la documentación de Code describen salvaguardas y comportamientos relacionados. Seleccionar un modelo principal no prueba que haya realizado cada paso. Esos eventos ayudan a explicar finalización, tiempo y rechazos; eliminar un «factor de confusión» no justifica intentar eludir protecciones.
Claude Code: configuración de modelos · Ficha de sistema Fable/Mythos 5.2
El contexto mínimo necesario para un asesor debe mantenerse dentro de tu autorización. La conversación completa puede contener salidas de herramientas y material empresarial; anonimiza y reduce antes de incorporar otro lector. Una secuencia útil es modelo único, mayor esfuerzo del mismo modelo y, después, asesor. Cambia una variable cada vez para saber qué compra el gasto adicional. Si faltan comprobantes transparentes, archiva aparte los resultados compuestos.
Práctica uno: un contrato de aceptación para un repositorio local
Usa este prompt solo con una copia propia o autorizada. No debe conectar con producción, servicios remotos ni datos reales de clientes. Fija el commit y crea datos sintéticos mínimos; la persona responsable conserva por separado la batería de aceptación. El modelo ve contrato y ejemplos de desarrollo. La primera ronda puede limitarse a un plan de solo lectura, seguido de permiso explícito para editar una rama desechable.
Trabajas en un repositorio Python desechable y sin conexión. No accedas a la red, instales dependencias ni leas fuera de la copia.
Objetivo: implementar normalize_rows(rows). Los elementos contienen sku y quantity.
Reglas: recortar espacios exteriores de sku conservando mayúsculas y minúsculas; quantity debe ser texto de un entero no negativo. Rechazar filas inválidas, no omitirlas silenciosamente.
Sumar cantidades de sku idénticos, conservar el orden de primera aparición y no mutar la entrada.
Primero inspecciona la implementación en solo lectura. Enumera incertidumbres, archivos afectados y un plan mínimo; espera permiso para editar.
Entrega explicación de cambios, comprobaciones realmente ejecutadas y riesgos sin cubrir. No modifiques las pruebas de aceptación ni declares superadas pruebas no ejecutadas.Esto demuestra diseño de especificaciones, no rendimiento medido de Fable. En una comparación real, ambos grupos reciben contrato, archivos y herramientas idénticos; ejecuta pares en orden aleatorio. Registra tiempos agotados, rechazos y fallos de herramientas por separado, con reglas de entrega fallida definidas antes. Si un grupo recibe tareas más fáciles, sus costes y tasas de éxito pierden interpretación.
Práctica dos: separar la aceptación de la confianza del agente
| Área | Característica de entrada | Comprobación necesaria |
|---|---|---|
| Especificación | Espacios y sku de distinta capitalización | Recortar solo espacios, no fusionar identificadores distintos |
| Errores | Cantidades negativas, decimales o vacías | Fallo explícito sin salida parcial silenciosa |
| Invariantes | Duplicados y objetos reutilizados | Orden de fusión estable y entrada intacta |
| Escala | Más filas sintéticas gradualmente | Observar recursos con umbral de parada previo |
Revisa solo contrato, parche candidato y salida de pruebas independientes. No leas la autoevaluación del primer agente.
Relaciona cada requisito con una ruta de código y una aserción de prueba.
Distingue fallos observados, hipótesis reproducibles e incógnitas actuales.
Comprueba entradas inválidas absorbidas en silencio, mutación de entrada, capitalización y orden de primera aparición.
Describe contraejemplos sintéticos mínimos. Sin evidencia de ejecución no digas que se reprodujo un problema.
No adaptes los criterios de aceptación a la implementación. Sigue siendo necesaria la revisión humana.Un modelo revisor también puede omitir defectos, por lo que el control final necesita aserciones deterministas e inspección humana por muestreo. Superar pruebas solo cubre ese conjunto; una tendencia de recursos no demuestra por sí sola una vulnerabilidad. Si el modelo nuevo explica mejor cuestiones abiertas pero falla los mismos límites, mantener el enfoque actual suele ser más razonable.
Calcula por resultado aceptado en vez de por respuesta
Los dos grupos siguientes son hipotéticos, con 10 tareas cada uno. A acepta 8, cuesta 4 USD de API y exige 60 minutos de revisión. B acepta 9, cuesta 8 USD y exige 30 minutos. Valorar la revisión a 30 USD/hora es un parámetro ilustrativo, no asesoramiento salarial ni medición de un modelo.
runs = [
{"arm": "A", "tasks": 10, "accepted": 8, "api_usd": 4, "review_min": 60},
{"arm": "B", "tasks": 10, "accepted": 9, "api_usd": 8, "review_min": 30},
]
hourly_usd = 30
for run in runs:
accepted = run["accepted"]
api = run["api_usd"] / accepted
total = (run["api_usd"] + run["review_min"] / 60 * hourly_usd) / accepted
print(run["arm"], f"{api:.2f}", f"{total:.2f}")A imprime 0.50 USD de API por resultado aceptado y 4.25 USD incluyendo revisión; B imprime 0.89 y 2.56 USD. Solo demuestra que el criterio puede invertirse al cambiar la definición del coste. El registro real debe incluir todos los fallos y reintentos en el gasto, contando únicamente resultados aceptados independientemente en el denominador. Reentregar una tarea no crea varios éxitos. Separa espera y plazos, sin facturar automáticamente todo tiempo transcurrido como trabajo humano.
Comprar o ampliar: verifica primero carga y derechos de acceso
La página oficial actual de planes personales incluye Fable en Pro mediante usage credits y un sublímite de Fable equivalente a la mitad del límite semanal en Max y Ultra. La eliminación del límite de cinco horas en Ultra exige cuenta verified. No implica Fable ilimitado ni saldo común en todas las superficies.
Si tu trabajo cotidiano ya pasa, conserva esa configuración y utiliza Fable en los fallos más caros. Si el límite es la cuota, registra consumo real y superficie antes. Si faltan acceso o aprobación, una ampliación de plan no garantiza resolverlo. Comprueba por separado facturación API, uso incluido y condiciones de entrega de este sitio. La página de producto en vivo define precio, existencias y alcance actuales del sitio.
| Cuello de botella observado | Primer experimento | Umbral para ampliar |
|---|---|---|
| Interpretación o errores entre módulos | Iguales entradas y aceptación, distintos modelos | Menos retrabajo sustancial sin regresiones críticas |
| Falta de profundidad | Niveles de esfuerzo en un modelo | Mejora externa suficiente para justificar gasto |
| Calidad inestable en tareas largas | Fijar herramientas y plazo; registrar fallback | Entrega fiable en tareas repetidas |
| Cuotas o superficies | Plan oficial y comprobantes reales | Cobertura clara de la superficie prevista |
Convierte la actualización en un ciclo reversible
Usa este ciclo. Amplía a otra carga solo cuando aceptación externa y coste total cumplan umbrales previos. Conserva modelo anterior, entradas y fallos. Ante una versión nueva, repite primero los casos difíciles conocidos y las regresiones. Los tests públicos orientan el experimento; tus tareas emparejadas deciden si ampliar el uso.
- Fijar tareas, commit, herramientas y aceptación
- Registrar modelo completo, esfuerzo, superficie y fallback
- Aleatorizar pares y cambiar una variable
- Evaluar independientemente y guardar fallos y reintentos
- Calcular coste aceptado y plazos
- Ampliar tras el umbral o conservar la referencia
Alcance comprobable: páginas oficiales actuales, evaluaciones independientes originales y casos públicos citados. No muestreamos el sentir comunitario ni repetimos benchmarks de pago. Siguen abiertos ajustes no publicados, puntuaciones contradictorias y disponibilidad de una cuenta concreta; actualiza conclusiones con configuraciones conservadas y aceptación externa.