Claude Fable 5.2 y Mythos 5.2
El lanzamiento por parte de Anthropic de sus nuevos modelos insignia, Claude Fable 5.2 y Mythos 5.2, provoca reacciones encontradas sobre cuánto avanzan realmente más allá de Opus 5.5 en programación del mundo real, investigación y cargas de trabajo agénticas, especialmente dado su mayor coste y su elevado uso de tokens. Los comentaristas examinan de cerca los benchmarks cambiantes de Anthropic, la supuesta “nerfing” de modelos antiguos antes de nuevos lanzamientos y la limitación deliberada de ciertas capacidades de investigación en IA y optimización de hardware, lo que plantea dudas sobre la transparencia y la retención estratégica de sistemas de frontera antes de una salida a bolsa. Junto a las impresiones técnicas —fuerza en matemáticas, código, robótica y razonamiento formal— aparece una ansiedad más amplia sobre el estilo de escritura homogeneizado de los modelos, el rápido escalado de capacidades mediante enjambres multiagente y lo que ello implica para el trabajo de software, el progreso científico y la concentración del poder en IA.
Versionado, posicionamiento y momento
- A muchos les resulta confuso el branding “5.2” cuando Opus/Sonnet/Haiku están en 5.5; se especula con que un “Model 4” más potente luego se etiquetará como 5.5 o 6, posiblemente alrededor de la salida a bolsa o en respuesta a la competencia.
- Las referencias de la system card / METR sugieren que Fable 5.2 ≈ el interno “Model 3 early”, con un modelo interno aún mejor en uso.
- Algunos creen que Anthropic se está conteniendo; otros piensan que este lanzamiento muestra que todavía no tienen nada dramáticamente más fuerte que Opus 5.5.
Capacidades y benchmarks
- Anthropic afirma que Fable/Mythos 5.2 supera a Opus 5.5 en la mayoría de los benchmarks internos, y destaca:
- Formalizar el Último Teorema de Fermat con 1,000 agentes mucho más rápido que ejecuciones internas anteriores.
- Física teórica, modelado de proteínas, control robótico y diseño de PCB/electrónica.
- Grandes proyectos de software (p. ej., prototipo de SO, migraciones importantes).
- Los usuarios reportan:
- Fable 5.2 es claramente más rápido y menos “atascado” que 5.1; muy fuerte en auditorías profundas, arquitectura, SVG/gráficos y flujos de trabajo de electrónica/PCB.
- Para la programación del día a día, muchos ven solo mejoras marginales frente a Opus 5.5; algunos consideran que Opus 5.5 sigue siendo mejor en general, especialmente por dólar.
- Evaluaciones externas (Artificial Analysis, MacBook SVG, PacBench, etc.) suelen mostrar a Fable 5.2 ligeramente por delante o prácticamente empatado con Opus 5.5, pero con mayor esfuerzo/coste.
Coste, uso y planes
- Precio de la API: $8/M de entrada, $40/M de salida; algunos lo llaman “atraco en carretera” frente a modelos más baratos como GPT‑6.1 Sol o DeepSeek.
- Otros argumentan que el coste por tarea aún puede favorecer a Fable cuando un razonamiento mayor reduce los reintentos.
- Los usuarios de suscripción obtienen “resets” específicos de Fable, pero varios agotaron por completo sus cuotas semanales de Fable en minutos cuando generó grandes enjambres de agentes.
Estilo de escritura y UX
- Queja de larga data: la prosa de Claude/Fable es densa, cargada de anáforas y a veces críptica; el ajuste del estilo de salida solo ayuda parcialmente.
- Algunos sienten que Opus 5.5 mejoró brevemente y luego retrocedió en legibilidad; otros lo encuentran el modelo de frontera más legible.
- Los experimentos multiagente de Fable 5.2 a veces evolucionan hacia burocracias auto-generadas y expansivas (libros de reglas, capas de revisión), algo que la gente encuentra a la vez fascinante y preocupante.
Controversia del “nerfing”
- Un gran subhilo afirma que Opus 5.5 (y otros modelos de frontera) se degradan silenciosamente antes de nuevos lanzamientos, a menudo mediante cambios ocultos en el nivel de esfuerzo o en el harness.
- Contraargumentos:
- Algunos benchmarks independientes repiten pruebas antiguas y no ven caída de rendimiento, a veces incluso pequeñas mejoras y respuestas más rápidas.
- Otros subrayan la alta variación natural y las pruebas A/B como explicación; los “nerf trackers” centrados en cuantización son criticados por ser insensibles a cambios sutiles.
- Se plantean preocupaciones éticas y legales por cambiar silenciosamente el comportamiento del modelo a mitad de suscripción; se compara con escándalos de comida de “doble calidad” y con el “bait-and-switch”.
Seguridad, ciberseguridad y límites de AI-for-AI
- La system card dice que el entrenamiento limitó intencionalmente las capacidades de Fable/Mythos 5.2 en optimización de kernels de aceleradores y diseño de arquitectura LLM, para no acelerar demasiado la I+D de IA, con alternativas de respaldo a Opus 5 más antiguo en algunos dominios de kernels.
- Varios investigadores temen que este sea el primer paso para retener sistemáticamente del público capacidades avanzadas de comp-arch / EDA con el fin de preservar la ventaja competitiva.
- Mythos 5.2 se posiciona como el modelo ciber de mayor nivel, pero el acceso está restringido; algunos usuarios en ciber/cripto reportan negativas agresivas incluso bajo programas especiales.
- Un benchmark de “rediscovery” de CVE es criticado por probar principalmente la memorización de CVE publicados.
Implicaciones más amplias: agentes, trabajo y singularidad
- Debate amplio sobre enjambres de agentes (cientos a miles de instancias) como la nueva vía de escalado, con rendimientos decrecientes pero enorme potencial en tareas altamente paralelas.
- Algunos ven los resultados actuales en matemáticas, física, robótica y código como evidencia de que estamos entrando en una “singularidad” al estilo Kurzweil/Vinge; otros sostienen que estamos viendo sobre todo enorme cómputo + RL, no un punto de quiebre cualitativo.
- Fuerte preocupación de que la IA de frontera + robótica concentre drásticamente las ganancias en el capital, desplace grandes fracciones del trabajo y amplíe la desigualdad; los modelos locales/de código abierto se ven como una mitigación parcial.
- Reacciones emocionales mixtas: asombro ante las capacidades, ansiedad por la erosión de empleos y agotamiento al supervisar “vibecode” y salidas de agentes que se expanden sin control.