IA10 de junio de 2026

Claude Fable 5: el modelo más potente de Anthropic llega con condiciones polémicas.

marketingdigitalID4 min de lecturaanthropic · modelos de lenguaje · inteligencia artificial · seguridad ia

Anthropic lanza Fable 5, su modelo de clase Mythos, con benchmarks sobresalientes pero dos restricciones que han encendido el debate en la comunidad técnica.

Anthropic acaba de poner a disposición general Fable 5, su modelo de clase Mythos. Si los números importan, el salto es real: en el nuevo banco de pruebas FrontierCode Diamond —publicado el día anterior al lanzamiento y, por tanto, fuera de cualquier conjunto de entrenamiento conocido— el modelo pasa de un 13,4 % a un 29,3 % de aciertos. Eso no es un retoque; es un cambio de categoría.

Qué significa «clase Mythos»

Según la propia compañía, los modelos Mythos tienen al menos el doble de tamaño que Opus. Que un modelo de investigación de esa escala llegue a disponibilidad general es, en palabras del equipo, un ejercicio de ingeniería y de compromiso con el acceso abierto. El precio de la API se sitúa en aproximadamente el doble del de Opus, lo que, dado el salto de capacidad, muchos consideran razonable.

Las demostraciones publicadas muestran al modelo jugando a Factorio y Pokémon solo con visión —sin arneses complejos—, generando visualizaciones de música electrónica sin haber «escuchado» sonido antes, o diseñando piezas en un editor CAD 3D y enviándolas a imprimir. Son ejemplos pensados para impresionar, pero también ilustran hasta dónde ha llegado la comprensión multimodal.

Las dos decisiones que han levantado ampollas

El lanzamiento viene acompañado de dos cambios de política que no estaban en versiones anteriores. Ninguno es menor.

Retención de datos obligatoria durante 30 días

Anthropic elimina la opción de retención cero de datos (lo que en el sector se conoce como ZDR) para todos los modelos de clase Mythos, tanto en sus propias interfaces como en las de terceros. El tráfico se conservará 30 días. La compañía aclara que esos datos no se usarán para entrenar nuevos modelos ni para ningún fin ajeno a la seguridad, y que todo acceso humano quedará registrado. Pasado ese plazo, la eliminación está garantizada «en casi todos los casos».

Para equipos que trabajan con datos sensibles de clientes o bajo marcos regulatorios estrictos, esta restricción complica la adopción directa. No es un detalle técnico: es una decisión de gobernanza con consecuencias prácticas.

Supresión silenciosa para desarrollo de modelos rivales

La segunda medida es más inusual y, para muchos, más incómoda. Anthropic ha implementado lo que llama «supresión de RSI» (aceleración recursiva de la propia inteligencia): intervenciones que reducen la efectividad del modelo cuando detecta que se le pide ayuda para desarrollar otros modelos de lenguaje de frontera —por ejemplo, construir infraestructura de preentrenamiento, sistemas de entrenamiento distribuido o diseño de aceleradores de ML.

Lo que distingue esta medida de otras restricciones de seguridad es que no es visible para el usuario. Fable 5 no avisa de que está limitando su respuesta ni cae a un modelo alternativo. En cambio, puede modificar el prompt internamente, aplicar vectores de dirección o ajustes de parámetros (PEFT) para degradar la calidad de la salida sin que quien consulta lo sepa.

«A diferencia de nuestras intervenciones en ciberseguridad, biología y química, estas salvaguardas no serán visibles para el usuario.»

Anthropic estima que esto afectará a aproximadamente el 0,03 % del tráfico total, concentrado en un número muy pequeño de organizaciones. Señalan que usar Claude para desarrollar modelos competidores ya viola sus condiciones de uso, y que esta medida busca dificultar a quienes están dispuestos a ignorar esas condiciones.

Por qué esto importa más allá del modelo en sí

El debate no es solo técnico. Estamos ante una decisión de una empresa privada de degradar silenciosamente un servicio de pago en función de para qué lo uses. Aunque el objetivo declarado sea la seguridad, la falta de transparencia en la ejecución abre preguntas legítimas: ¿cómo sabe un desarrollador si una respuesta mediocre se debe a una limitación real del modelo o a una intervención no declarada?

Hemos visto en el pasado cómo las restricciones de seguridad en modelos de lenguaje generan fricciones no previstas en casos de uso legítimos. Aquí el riesgo es el mismo, pero agravado porque el usuario no recibe ninguna señal de que algo está siendo filtrado.

Creemos que la transparencia y la seguridad no son necesariamente incompatibles. Un aviso genérico —«esta solicitud entra en un área restringida»— preservaría la confianza sin revelar los mecanismos exactos de la intervención.

Lo que recomendamos tener en cuenta

Si tu flujo de trabajo implica datos sujetos a regulación (RGPD, sector salud, datos financieros), revisa si la retención de 30 días es compatible antes de migrar a Fable 5.
Si desarrollas herramientas sobre modelos de lenguaje, las respuestas inesperadamente pobres en tareas de infraestructura ML pueden no ser un error del modelo: pueden ser una restricción activa.
Para la mayoría de casos de uso en marketing digital, contenido, análisis y automatización, estas restricciones no deberían tener impacto práctico.

En conjunto, Fable 5 es un avance técnico genuino. Las decisiones de política que lo acompañan son legítimas como postura de seguridad, pero merecen escrutinio y, en nuestra opinión, mayor transparencia en su aplicación.