El Claude más inteligente de Anthropic es el que no puedes usar

Anthropic anunció dos modelos Claude 5 el 9 de junio de 2026. La misma clase de modelo subyacente, dos productos, dos puertas.

Claude Fable 5 es el público, a $10 por millón de tokens de entrada y $50 por millón de tokens de salida. Claude Mythos 5 está restringido a los socios de Project Glasswing, colaboradores gubernamentales y futuros programas de acceso de confianza. Los datos mapeados de BenchLM sitúan a ambos en lo más alto de las filas actuales de Anthropic, por delante de Claude Opus 4.8 y del grupo circundante de GPT y Gemini. Las puntuaciones son la parte fácil. La parte interesante es lo que Anthropic construyó alrededor del modelo.

Hace dos meses, esta clase de modelo era demasiado capaz para distribuirse ampliamente. Anthropic lo dijo. Ahora se lanzó de todos modos, en una forma en la que algunas solicitudes nunca llegan a él. Fable 5 mantiene salvaguardas en el trabajo de ciberseguridad, biología, química y destilación; en algunos clientes de Claude, las solicitudes de alto riesgo se enrutan a Claude Opus 4.8, y en la API de Messages se bloquean a menos que el desarrollador opte por el respaldo. Anthropic dice que el enrutamiento debería afectar a menos del 5% de las sesiones. El producto público ya no es un modelo. Es un modelo más un clasificador, una política de enrutamiento, un respaldo y un régimen de acceso. La IA de frontera, como nuestro análisis de lanzamiento lo planteó, se está convirtiendo en enrutamiento de capacidades en lugar de un único endpoint universal.

Dos productos, una clase de modelo

Anthropic describe a Fable 5 como un modelo de clase Mythos hecho seguro para uso general, con su mayor fortaleza en ingeniería de software, trabajo de conocimiento, visión, investigación científica y tareas de larga duración. Se distribuye como claude-fable-5 a través de la API de Claude y los principales marketplaces de la nube, incluidos Amazon Web Services, Google Cloud y Microsoft Foundry. Los tokens de entrada en caché obtienen un 90% de descuento; la inferencia solo en EE. UU. se ejecuta a 1.1x el precio indicado.

Mythos 5, según la versión de Anthropic, es el mismo modelo subyacente con algunas restricciones levantadas para usuarios verificados. La diferencia es el despliegue, no la inteligencia.

Durante años, el nombre de un modelo implicaba una superficie de capacidades uniforme. Fable y Mythos rompen eso. La misma inteligencia ahora aparece como múltiples productos con diferentes políticas, y el enrutamiento es parte del lanzamiento.

Lo que los benchmarks realmente muestran

Tenga en cuenta una advertencia para cada fila a continuación: la mayoría son publicadas por Anthropic, y la cobertura independiente de terceros es escasa el primer día. Trate las cifras como serias, no definitivas.

SWE-bench Verified con 95.5 y 95.0 está cerca del techo del stack público actual de programación. SWE-bench Pro es la fila más reveladora porque es más difícil y está menos saturada. Terminal-Bench 2.1 muestra lo que cuesta la capa de salvaguardas: Mythos alcanza 88.0; el Fable público, 84.3. OSWorld-Verified empata en 85.0.

Las brechas que importan son las agentivas. SWE-bench Pro, Terminal-Bench y OSWorld plantean la misma pregunta: ¿puede un modelo mantener en marcha un proyecto desordenado cuando el éxito requiere muchas pequeñas decisiones? Ahí es donde los sistemas de clase Fable tienen un margen real sobre el resto de la cohorte.

De la contención de abril al enrutamiento de junio

En abril, la historia de Mythos era la contención. El modelo superó a Claude Opus 4.6 por amplios márgenes en benchmarks de programación y agentivos, y Anthropic decidió no lanzarlo. Las razones eran prácticas. Un modelo de propósito general bueno en programación, razonamiento y uso de herramientas también es bueno para encontrar vulnerabilidades, y una vez que el modelo es lo bastante bueno, ninguna línea limpia separa la investigación defensiva de la ofensiva.

Fable 5 es la respuesta de Anthropic. En lugar de esperar salvaguardas perfectas, dividió el despliegue. El riesgo no desapareció. Se trasladó a la arquitectura del producto. Dividir en dos el modelo más potente cambia la forma en que se despliega la IA, y Anthropic no está solo: OpenAI presentó una vista previa de GPT-5.6 Sol, Terra y Luna a la mitad de precio, limitada a unos 20 socios aprobados por el gobierno. La brecha de 17 días entre los dos lanzamientos es la lectura más clara de hacia dónde se dirige el mercado de 2026.

La historia de autonomía debajo de los modelos

Las afirmaciones más importantes de Fable no son sobre el chat. Son sobre el trabajo de larga duración. El anuncio de lanzamiento de Anthropic cita a Stripe, señalando que Fable ayudó a migrar una base de código Ruby de 50 millones de líneas en aproximadamente un día, frente a una estimación manual interna de unos dos meses. Las anécdotas de los proveedores merecen escepticismo; están seleccionadas para lograr el máximo impacto. La dirección, aun así, coincide con el perfil de los benchmarks.

El análisis de acceso temprano de Ethan Mollick en One Useful Thing muestra cómo se siente el cambio. Probó Fable fuera del dominio de la ciberseguridad. El modelo creó juegos jugables a partir de indicaciones vagas, generando arte y activos 3D a partir de código y matemáticas porque no había ningún generador de imágenes disponible. Produjo un mapa isócrono enviando subagentes para recopilar horarios de vuelos, datos ferroviarios y velocidades de carretera mientras seguía programando. Corrió nueve horas y media de forma ininterrumpida construyendo Concord, una herramienta de calibración para juicios humanos y de IA en distintos conjuntos de datos de investigación. El resultado fue imperfecto, y Mollick encontró errores y vacíos. Pero el alcance superó lo que había visto en modelos anteriores, y enmarcó la limpieza como un trabajo que un ingeniero podría terminar, no como un proyecto para desechar.

El flujo de trabajo cambia con ello. El experto deja de supervisar cada paso y comienza a encargar trabajo, revisar el artefacto y corregir el resultado. La preocupación más fuerte de Mollick es el precio de eso: cuanto más larga es la ejecución, menos visible es el proceso. Cientos de pequeñas decisiones ocurren mientras nadie mira y luego quedan incorporadas en el resultado. El modelo gana apalancamiento. El humano sigue siendo dueño de las consecuencias.

Para los compradores, la métrica cambia de dólares por millón de tokens al costo por tarea completada y revisada. Un modelo al doble del precio por token puede igualmente ganar si necesita menos reintentos y menos reparación humana. Para todos los demás, la lectura estructural importa más. El modelo mejoró. El límite a su alrededor se volvió más importante. La mayoría de los usuarios nunca tocarán Claude Mythos 5; recibirán una versión enrutada y protegida de la misma inteligencia, y trabajar dentro de ese límite ahora es parte de usar la frontera.