El 1 de septiembre de 2026 Anthropic lanzó dos modelos: Claude Fable 5.1, disponible de forma general, y Claude Mythos 5.1, disponible solo a través de programas de acceso de confianza. La compañía los describe sin rodeos como los modelos más avanzados del mundo para programación y trabajo del conocimiento.

La sorpresa es que el lanzamiento no trata solo de capacidad. Responde a tres quejas que, según Anthropic, escuchó de sus clientes: el precio, la retención de datos y unas salvaguardas demasiado sensibles. Son justamente las cosas que importan a quien usa un modelo en trabajo real y no en una demostración.

Las cifras: primer puesto en todos los benchmarks publicados

Estos son los resultados publicados por Anthropic, frente a su predecesor Fable 5 y sus rivales Opus 5 y GPT-5.6 Sol:

  • Investigación científica agéntica (Terminal-Bench-Science): 52,6% frente al 24,7% de su predecesor, el 29,0% de Opus 5 y el 22,4% de GPT-5.6 Sol, más del doble de su propia puntuación anterior.
  • Programación agéntica (Terminal-Bench 4.0): 55,8% frente al 42,0% de su predecesor y el 52,3% de Opus 5. La variante Mythos 5.1 alcanza el 60,9%.
  • Trabajo del conocimiento (GDPval-AA): 1853 frente a 1723 de su predecesor y 1824 de Opus 5.
  • Uso del ordenador (OSWorld 2.0): 77,9% en la medición parcial y 41,7% en la estricta, por delante del resto.
  • Razonamiento multidisciplinar (Humanity's Last Exam): 60,9% sin herramientas y 65,0% con ellas.
  • Flujos de trabajo empresariales (AutomationBench): 31,4% frente al 17,1% de su predecesor, casi el doble.

Para ser justos: son mediciones del propio proveedor, publicadas con un error estándar declarado de 3,5 a 4,5 puntos en el benchmark de investigación científica. La verificación independiente lleva semanas. Pero unas mejoras constantes en ocho benchmarks distintos dicen más que una ventaja en uno solo.

La novedad que notará su contable: más barato sin bajar el precio

El precio base por token no cambió. Aun así, Anthropic afirma que el coste real baja alrededor de un 25% en cargas de trabajo típicas y hasta un 45% en trabajo agéntico con muchos pasos, porque redujo un 75% el precio de las lecturas de caché.

Para quien no conozca la diferencia: cuando el modelo vuelve a leer un contexto que ya ha procesado (los archivos de su proyecto, sus instrucciones, la conversación hasta ese momento), antes se pagaba una tarifa relativamente alta por ello. El trabajo agéntico relee el mismo contexto decenas de veces dentro de una sola tarea, y por eso es el que más se beneficia. El descuento va a quien usa el modelo en serio, no a quien le hace una pregunta de paso.

Anthropic también añadió niveles de esfuerzo: bajo, medio y alto. Afirma que Fable 5.1 con esfuerzo bajo o medio iguala o supera a Fable 5 con un coste mucho menor. El nivel predeterminado es esfuerzo alto en Claude Code, y medio en Claude Cowork y en claude.ai.

Privacidad de los datos: el cambio que importa a las instituciones

Anthropic anunció un sistema llamado Enterprise Frontier Safeguards, que ofrece a los clientes una privacidad completa equivalente a una política de retención cero de datos sin dejar de impedir el uso malintencionado. Funciona almacenando los datos en una infraestructura en la nube que controla por completo el cliente, no Anthropic. El despliegue es gradual y empieza este otoño; hasta entonces, los clientes que cumplan los requisitos pueden usar el modelo con retención cero de datos.

Ese solo punto abre una puerta que estaba cerrada para sectores saudíes sensibles: organismos gubernamentales, financieros y sanitarios cuyas obligaciones de protección de datos les impiden enviar información a un servicio externo que la conserve.

Salvaguardas más precisas: menos rechazos de trabajo legítimo

Pocas cosas frustran más a un desarrollador que un modelo que rechaza una petición legítima porque parecía peligrosa. Anthropic afirma que las salvaguardas más recientes bloquean un 60% menos de falsos positivos en ciberseguridad. Fable 5.1 ya puede usarse para descubrir vulnerabilidades de software, aunque no para desarrollar exploits que las aprovechen; es una distinción que conviene mantener: encontrar una vulnerabilidad es trabajo defensivo, convertirla en arma no lo es.

¿Qué demuestra que esto va más allá de las puntuaciones?

Vale la pena citar tres resultados publicados porque son logros concretos y no porcentajes de pruebas:

  • En la firma de inversión Millennium, el modelo encontró la causa de un fallo poco frecuente en sistemas internos que sus ingenieros, y todos los demás modelos, no habían logrado explicar durante varios años.
  • Entrenó una red neuronal que produjo un nuevo mapa de elevación de un tercio de Venus a partir de imágenes de radar captadas por la misión Magellan de la NASA hace más de treinta años, con un detalle de dos o tres kilómetros en lugar de diez a veinte y alturas hasta un 25% más precisas. El mapa se publicó con una licencia Creative Commons.
  • En biología computacional, escribió kernels de GPU a medida que aceleraron siete modelos de código abierto hasta 2,5 veces con resultados idénticos, reduciendo los costes estimados de GPU entre un 30 y un 60%. Un trabajo que normalmente llevaría semanas a un equipo de ingenieros de rendimiento se hizo en días.

La visión de Origami

Para el dueño de un negocio en Arabia Saudí, la verdadera noticia no es la clasificación. Es que un solo lanzamiento reúne tres cosas: más capacidad, menor coste precisamente en el trabajo agéntico y una opción de privacidad que mantiene los datos en una infraestructura que usted controla. La capacidad por sí sola ya estaba disponible; el coste y la privacidad eran los dos obstáculos que impedían que estos modelos pasaran de los experimentos a los sistemas en producción.

Nuestro consejo práctico: no empiece por el modelo, empiece por la tarea. La mayor parte de lo que necesita hoy una empresa mediana funciona bien con esfuerzo medio y por menos dinero. Pruebe su tarea primero en el nivel más bajo y súbalo solo cuando pueda demostrar que hace falta: la diferencia en una factura mensual es mayor de lo que sugiere la tabla de precios.

Conclusión

Fable 5.1 lidera todos los benchmarks que publicó Anthropic, duplica con creces a su predecesor en investigación científica agéntica y cuesta menos para el trabajo serio. Más revelador aún es que el lanzamiento atendió las quejas de los clientes y no solo la capacidad: señal de un mercado que madura, donde la competencia ha pasado de quién obtiene la puntuación más alta a quién hace posible el despliegue dentro de una organización real.

Fuentes

  • Anthropic: el anuncio oficial de Claude Fable 5.1 y Claude Mythos 5.1, fuente de la tabla de benchmarks, de las afirmaciones sobre precios, privacidad y salvaguardas, y de los ejemplos científicos.
  • Anthropic: la nota publicada sobre el error estándar de Terminal-Bench-Science y las cifras de la clasificación pública.
  • The Verge, Decrypt y The New Stack: cobertura independiente del lanzamiento del 1 de septiembre de 2026 y de las cifras de precios.