Claude Fable 5 y Mythos 5: qué significan los nuevos modelos de Anthropic para tu negocio
El 9 de junio de 2026, Anthropic lanzó dos modelos construidos sobre la misma base de clase Mythos: Claude Fable 5, disponible de forma general para todo el mundo, y Claude Mythos 5, restringido a programas verificados de acceso de confianza. Anthropic describe Fable 5 como el estado del arte en casi todos los benchmarks evaluados, y el cambio más destacado es cuánto tiempo puede trabajar de forma autónoma: planificando, delegando y comprobando su propio trabajo en tareas que duran días en lugar de minutos.
La mayor parte de la cobertura hasta ahora son comentarios sobre benchmarks dirigidos a ingenieros. Este post responde a las preguntas que realmente se hacen quienes dirigen un negocio y los equipos de compras.
Qué se ha lanzado realmente
Claude Fable 5 es el modelo de clase Mythos con clasificadores de seguridad incorporados. Ya está disponible en la API de Claude (`claude-fable-5`), Claude Code, AWS, Google Cloud y Microsoft Foundry, e incluido en los planes de pago de Claude sin coste adicional hasta el 22 de junio, fecha a partir de la cual pasa a créditos de uso.
Claude Mythos 5 es el mismo modelo subyacente con algunas salvaguardas retiradas, disponible solo para organizaciones preaprobadas, como los equipos de ciberdefensa del Project Glasswing de Anthropic, con un programa de investigación en biología previsto.
Para el trabajo comercial, Fable 5 es el modelo que importa. A menos que operes infraestructura crítica o un laboratorio biomédico, Mythos 5 no es algo que puedas comprar.
Las salvaguardas son un parámetro de diseño en producción, no una nota al pie
Fable 5 hace algo nuevo para un modelo de frontera: cuando una petición toca dominios restringidos (ciberseguridad ofensiva, partes de la biología y la química, o intentos de destilar el modelo), no la rechaza. Recurre silenciosamente a Claude Opus 4.8 y responde con el modelo anterior.
Anthropic informa de que más del 95 % de las sesiones no implican ningún fallback, y en los flujos de trabajo de negocio típicos (procesamiento de documentos, triaje de soporte, búsqueda de conocimiento, programación) el fallback prácticamente nunca se activará. Pero si tu flujo de trabajo vive cerca de un dominio sensible (herramientas de seguridad, farma, químicos), se derivan dos consecuencias prácticas:
Tu modelo efectivo es a veces Opus 4.8, así que tu set de evaluación debería probar ambos caminos.
Tus registros de auditoría deberían anotar qué modelo produjo cada salida. Si un regulador o un cliente pregunta "¿qué generó esta decisión?", "uno de dos modelos, no estamos seguros de cuál" no es una respuesta aceptable.
Este es el tipo de detalle que separa una demo de un sistema en producción, y es exactamente la razón por la que los pasos de revisión humana y el registro por cada salida no son extras opcionales en los flujos de trabajo con IA.
La pregunta que hará compras: retención de 30 días
Los modelos de clase Mythos vienen con una política obligatoria: Anthropic retiene los prompts y las salidas hasta 30 días para monitorización de seguridad, y después los elimina. Los datos no se usan para entrenar nuevos modelos, y el acceso queda registrado.
Para muchas empresas esto es aceptable. Pero si tu NDA, DPA o compromisos de residencia de datos asumen un uso de la API sin retención, Fable 5 cambia lo que cuentas sobre tus subencargados, y tu equipo de seguridad debería enterarse por ti antes de leerlo en otra parte. Opciones si la retención de 30 días es un bloqueo: mantener los pasos sensibles en modelos con términos de retención cero, enmascarar o tokenizar los campos sensibles antes de la llamada a la API, o dividir el flujo de trabajo para que solo el contexto no sensible llegue al modelo de frontera.
Precio: potente, y aproximadamente el doble
Fable 5 cuesta $10 por millón de tokens de entrada y $50 por millón de tokens de salida, aproximadamente el doble que Opus 4.8. Es barato para trabajo que sustituye días de atención sénior (los primeros usuarios reportan migraciones de código de varios meses comprimidas a días) y caro para pasos rutinarios de alto volumen como clasificación o extracción, que los niveles más baratos ya resuelven bien.
El modelo mental correcto: dirige cada paso de un flujo de trabajo al modelo más barato que pase tu set de evaluación, y reserva el modelo de frontera para los pasos donde la capacidad es el cuello de botella. Lo cubrimos en detalle en nuestro post complementario sobre cómo elegir el modelo adecuado para flujos de trabajo en producción.
Qué hacer este trimestre
1. No desmontes flujos de trabajo que funcionan. El lanzamiento de un modelo no invalida un sistema que pasa sus criterios de aceptación.
2. Vuelve a ejecutar tu set de evaluación contra Fable 5. Si no tienes uno, ese es el primer hueco que cerrar: es lo que convierte una actualización de modelo en una decisión de un día en lugar de una reconstrucción.
3. Recupera una idea aparcada. La noticia honesta de este lanzamiento es la autonomía de largo recorrido. Un flujo de trabajo que no pasó un análisis de viabilidad en 2025 (síntesis multidocumento, migraciones a gran escala, investigación dirigida por agentes) puede que ahora lo pase.
4. Informa a compras y seguridad sobre el comportamiento de fallback y la retención de 30 días antes de adoptarlo en flujos de trabajo regulados.
Si quieres un segundo par de ojos sénior sobre dónde Fable 5 cambia tu roadmap (y dónde no), un AI Workflow Teardown de alcance cerrado mapea tu candidato de mayor valor en tres días laborables.