Anthropic presentó Claude Fable 5.2 y Mythos 5.2, con mejoras en programación, robótica y ciberseguridad frente a Opus 5.5 y sus rivales.
Creada con IA
Anthropic presentó Claude Fable 5.2 y Claude Mythos 5.2, dos versiones de su modelo de IA orientadas a resolver problemas complejos, con mejoras en programación, razonamiento, ingeniería electrónica y robótica. Ambos utilizan el mismo modelo base, aunque se diferencian por las restricciones de seguridad aplicadas a tareas y las condiciones de acceso mediante salvaguardias.
La firma publicó una serie de evaluaciones que comparan sus modelos con versiones anteriores de Claude con los desarrollos de OpenAI y Google, utilizando pruebas de programación, investigación científica, seguridad y control de dispositivos.
FrontierCode 2.0 es una prueba que evalúa si los responsables de proyectos de código abierto aceptarían las modificaciones realizadas por un modelo de IA. Claude Fable 5.2 obtuvo un 49.1% con el nivel de razonamiento Xhigh, frente al 32.4% de Fable 5.1 bajo las mismas condiciones de esfuerzo.
El gráfico también relaciona los resultados con el costo de ejecución de cada tarea, lo que permite comparar configuraciones que utilizan diferentes niveles de razonamiento. Con esfuerzo High, Fable 5.2 alcanzó un 45.3%, prácticamente igual al 45.5% de Opus 5.5 con su mejor configuración, pero con aproximadamente la mitad del costo por tarea.
La capacidad para buscar y recopilar información también fue evaluada mediante WANDR, un benchmark desarrollado por Perplexity que utiliza tareas extensas de recopilación de datos. Anthropic informa que Fable 5.2, con esfuerzo Medium, igualó el mejor resultado de Opus 5.5 utilizando aproximadamente el 40% de su costo por tarea.
En ingeniería electrónica, Anthropic utilizó BenchCAD 2.1 para comprobar la capacidad del modelo de generar diseños geométricos y circuitos que se aproximen a referencias previamente definidas. Fable 5.2 obtuvo 83.5 puntos sobre 100 con el máximo nivel de razonamiento, frente a 65.3 de Opus 5.5 y 44.4 de Fable 5.1.
La empresa también encargó al modelo desarrollar tres dispositivos electrónicos funcionales, incluyendo placas de circuito impreso de cuatro capas, carcasas diseñadas mediante CAD y el software necesario para su funcionamiento. La compañía Diode fabricó las placas y colaboró en el ensamblaje de los equipos, que funcionaron sin requerir modificaciones eléctricas.
En robótica, Anthropic utilizó RoboDojo Sim, una prueba donde los modelos deben controlar un robot simulado de dos brazos a partir de imágenes captadas por cámaras. Fable 5.2 consiguió una tasa de éxito del 64.9%, frente al 27.6% de Fable 5.1, al 39.4% de Opus 5.5, al 34.2% de Gemini 4 Argon y al 29.8% de GPT-6 Astra.
Los resultados proceden de ejecuciones internas de Anthropic utilizando el mayor nivel de razonamiento disponible para cada modelo. La comparación incluye a Gemini 4 Argon, evaluado con esfuerzo High, mientras los demás modelos de la figura utilizaron configuraciones Max.
La evaluación matemática incluyó la formalización del último teorema de Fermat mediante Lean, un lenguaje que permite verificar demostraciones matemáticas paso a paso utilizando un computador. Anthropic comparó dos equipos de aproximadamente 1000 agentes, uno basado en Fable 5.2 y otro en Opus 5.5, para medir cuánto avanzaban en la formalización durante 30 horas.
Fable 5.2 completó el trabajo en ese periodo, mientras que Opus 5.5 alcanzó aproximadamente el 27% de la formalización. Anthropic señala que el equipo de Fable necesitó un tercio de los tokens de acción utilizados en su primer intento de formalización, realizado anteriormente con una versión de investigación no publicada de Claude, que tardó 11 días y contó con la guía de un investigador humano.
Claude Mythos 5.2 utiliza el mismo modelo base que Fable 5.2, pero está destinado a organizaciones verificadas que desarrollan investigaciones de ciberseguridad y ciencias de la vida. Fable incorpora clasificadores que bloquean determinadas actividades de riesgo, como la generación de exploits y las pruebas de penetración, mientras que las consultas bloqueadas pueden recibir respuestas de Opus 4.8 para ciberseguridad y Opus 5 para biología.
En CVE Rediscovery, una evaluación interna que comprueba si el modelo puede descubrir vulnerabilidades conocidas antes de que hayan sido corregidas, Anthropic obtuvo un 89.6% con Mythos 5.2 y un 78.3% con Mythos 5.1. La prueba realizada en octubre de 2026 utilizó 1829 vulnerabilidades registradas como CVE y mostró resultados superiores para Mythos 5.2 en todos los niveles de razonamiento evaluados.
Brian Grinstead, ingeniero distinguido de Mozilla, describió los resultados obtenidos durante las campañas de revisión de seguridad de Firefox realizadas con distintas generaciones de Claude y destacó la diferencia observada frente a Mythos 5.1.
“[…] Aun así, Mythos 5.2 prácticamente duplicó las métricas de descubrimiento de vulnerabilidades de Mythos 5.1 en las respectivas campañas de análisis”.
Brian Grinstead, ingeniero distinguido de Mozilla
En ciencias de la vida, Mythos 5.2 también desarrolló un procedimiento para predecir la estructura completa de cápsides virales, utilizando modelos de plegamiento de proteínas y las simetrías conocidas de estas estructuras. En las pruebas descritas por Anthropic, el método consiguió representar correctamente 28 de las 34 cápsides evaluadas.
Anthropic también realizó una auditoría de comportamiento mediante aproximadamente 1900 escenarios diseñados para detectar respuestas engañosas, acciones no deseadas y otros problemas de seguridad. En esta evaluación, donde un puntaje menor es mejor en una escala de 1 a 10, Mythos 5.2 obtuvo 2.67 puntos, frente a 3.28 de Mythos 5.1, 2.79 de Opus 5.5 y 3.10 de Sonnet 5.5.
Anthropic informa que Fable 5.2 y Mythos 5.2 generan respuestas hasta un 30% más rápido que sus respectivas versiones 5.1, además de incorporar un modo rápido opcional que aumenta hasta 2.5 veces la velocidad de generación de tokens. Este incremento corresponde a la velocidad de salida del modelo y no representa necesariamente una reducción equivalente del tiempo necesario para completar cualquier tarea.
El precio estándar de ambos modelos es de USD 8 por millón de tokens de entrada y USD 40 por millón de tokens de salida, mientras que el modo rápido eleva esas tarifas a USD 16 y USD 80, respectivamente. Un token es una unidad de procesamiento de texto utilizada para contabilizar la información enviada al modelo y la que este genera como respuesta.
