Hace poco, Anthropic lanzó su último modelo: Claude Fable 5.2. Trae mejoras en prácticamente todas las áreas donde el modelo ya era bueno.
Pero lo que más ha llamado la atención es que ahora es muy bueno con el hardware: diseña placas y controla robots.
Y aun así, con todas estas mejoras, honestamente, probablemente no lo vas a notar.
Y no porque el modelo sea malo. Al contrario: está mucho más optimizado, supera a Opus en los benchmarks más difíciles y ahora mismo es el modelo más potente que existe. Es el número uno en Artificial Analysis, y lo puedes usar con tu suscripción de Claude. Además, comparado con Fable 5.1, cuesta un 20 % menos y es hasta un 30 % más rápido.
Entonces, con todo esto, ¿por qué no lo usarías en el día a día?
Porque es un modelo pensado para tareas complejas y, obviamente, es más caro. Mira lo que se puede hacer con él.
Primero: mil agentes formalizaron el Último Teorema de Fermat. El teorema ya estaba demostrado, pero convertir esa prueba en una versión que una computadora pueda verificar línea por línea es muchísimo trabajo. Lo hicieron en treinta horas.
Segundo: coordinó a más de mil subagentes para construir un sistema operativo. Anthropic le dio una carpeta vacía y de ahí salieron el bootloader, el kernel, los drivers y la shell.
Tercero, el hardware: diseñó desde cero tres dispositivos electrónicos completos a partir de un prompt corto. No solo dibujó las placas: también modeló las carcasas en 3D y escribió el firmware. Al final quedaron tres productos terminados, y los tres funcionaron a la primera.
Y por último, un equipo de agentes migró un servicio crítico de Anthropic de Python a Rust, y ahora arranca veintiséis veces más rápido.
Así que no, no es un modelo para el uso diario. Tu CRUD, tu API, tus componentes de React: eso ya estaba resuelto hace meses. Incluso la propia Anthropic lo dice: para el día a día, sigue usando Opus 5.5, que cuesta la mitad y te va a resolver el trabajo igual de bien.
A Fable 5.2 úsalo para otra cosa: para el problema que hoy no puedes resolver. Migrar un monolito gigante, montar un sistema de agentes que trabaje treinta horas sin supervisión, formalizar un modelo matemático o diseñar un hardware que nadie ha inventado todavía. Ahí sí puede ser tu mejor ayuda.
Así que la pregunta ya no es qué tan bueno es el modelo, sino si de verdad tienes un problema que necesite un modelo tan grande.