Claude Fable 5.2: capacidad freelance probada

Claude Fable 5.2 terminó trabajo que un cliente que paga aceptaría en el 41.3 por ciento de los proyectos del Remote Labor Index. Esa cifra es la razón por la que este modelo importa esta semana. Hace un año el mejor agente en el mismo índice terminó el 2.5 por ciento. El salto es grande, la prueba está construida desde trabajo pagado real y la mayoría de los trabajos todavía falló. Datos verificados el 12 de noviembre de 2026.

Anthropic lanzó Fable 5.2 el 9 de noviembre, junto a Claude Mythos 5.2. Los dos nombres describen el mismo modelo subyacente con salvaguardas distintas. Fable es la versión pública. Mythos está limitado a organizaciones aprobadas por programas de verificación para trabajo de ciberseguridad y ciencias de la vida. Esta reseña cubre Fable, la versión que un lector puede comprar en realidad, y juzga el modelo primero por el resultado freelance porque ese resultado afirma algo concreto sobre el trabajo pagado.

Qué es

Fable 5.2 es el modelo público más capaz de Anthropic para trabajo técnico exigente, en el propio marco de la empresa. Responde preguntas, escribe texto y código, trabaja con archivos y corre como un agente que puede usar herramientas durante una tarea larga. Anthropic dice que puede actuar como un asesor que otros modelos de Claude consultan o como un orquestador que entrega tareas más pequeñas a modelos más pequeños.

La afirmación freelance se sienta dentro de una tabla de lanzamiento más amplia. Anthropic reporta ganancias sobre Fable 5.1 en cada línea que publicó, desde la programación hasta la lectura de gráficos y la simulación robótica. Dos demostraciones de lanzamiento recibieron la mayor parte de la atención. En una, el modelo dirigió más de 1,000 subagentes durante ocho días para construir un prototipo de sistema operativo desde una carpeta vacía. En otra, 1,000 agentes formalizaron una prueba matemática famosa en un lenguaje comprobado por computadora en 30 horas. Ambas demostraciones son ejecuciones únicas reportadas por Anthropic y nadie fuera de la empresa ha reproducido ninguna de las dos. Trátalas como afirmaciones sobre lo que la empresa dice que pasó, no como resultados medidos alrededor de los que puedas planear.

El Remote Labor Index es distinto en clase. Lo construyeron el Center for AI Safety y Scale Labs, no Anthropic. Sus proyectos vinieron de fuera del laboratorio, sus calificadores son humanos y su puntuación se publicó en una tabla pública. Por eso esta reseña da al índice más peso que a las demostraciones, a la vez que todavía lee el índice con atención por lo que deja fuera.

Funciones y especificaciones

Los datos centrales no cambian desde Fable 5.1 en forma y cambian en precio y velocidad. La ventana de contexto, es decir, la cantidad de texto y material que el modelo puede mantener a la vista a la vez, se queda en un millón de tokens. La salida máxima se queda en 128,000 tokens. Anthropic dice que la salida llega hasta 30 por ciento más rápido que Fable 5.1 y un modo rápido opcional sube la velocidad de generación hasta 2.5 veces al doble del precio de tokens.

Los precios cayeron exactamente 20 por ciento en las líneas principales, de $10 y $50 en Fable 5.1 a $8 y $40 aquí. Ese recorte suena generoso hasta que lo colocas junto al resto de la gama Claude. Opus 5.5 cuesta $4 de entrada y $20 de salida, la mitad del precio de Fable. GPT 6 Astra se lista a $10 de entrada y $50 de salida en los reportes de comparación de esta semana de lanzamiento, así que Fable ahora se sienta por debajo de Astra por token y muy por encima del modelo que Anthropic llama su conductor diario.

El esfuerzo es el segundo dial de precio y importa más que la tarjeta de tarifas. Un ajuste de esfuerzo del modelo controla cuánto trabajo hace el modelo antes de responder. En FrontierCode 2.0, las cifras de la tarjeta de sistema de Anthropic reportadas esta semana colocan a Fable 5.2 en 34.2 por ciento en esfuerzo bajo por unos $2.10 por tarea, 45.3 por ciento en esfuerzo alto por unos $6.72 por tarea y 49.1 por ciento en el ajuste extra alto por unos $14.19 por tarea. En el ajuste máximo la puntuación cayó a 45.7 por ciento mientras el costo subió a unos $44.70 por tarea. Más esfuerzo compró más puntuación hasta un punto y luego compró una factura más grande por un resultado peor.

Las comprobaciones independientes de costo apuntan en la misma dirección. Artificial Analysis, que ejecuta sus propias pruebas de modelos, clasificó a Fable 5.2 primero en su índice de inteligencia con una puntuación de 65, por delante de Gemini 4 Carbon con 60. Las mismas pruebas encontraron el costo por tarea menor que Fable 5.1 en esfuerzo medio y mayor en esfuerzo alto, porque el modelo nuevo usó más tokens en el ajuste mayor aunque cada token cueste menos. Un recorte de 20 por ciento en tokens no es una promesa de que tu factura caiga 20 por ciento.

Experiencia en el mundo real

Esta es una reseña de investigación. Dirty Static no contrató a Fable 5.2 para proyectos freelance y no volvió a ejecutar el índice. Lo que sigue se basa en la tabla y la documentación del índice de Scale Labs, el artículo que presentó el índice, el material de lanzamiento de Anthropic y la cobertura publicada que nombra sus fuentes. Las cifras de proveedores están etiquetadas como cifras de proveedores donde aparecen.

Empieza con cómo funciona el índice, porque el método es la parte más fuerte de la afirmación. Los constructores pagaron a 358 freelancers con cuentas verificadas de Upwork por muestras de trabajo que ya habían completado para clientes. De 550 proyectos recogidos, 240 pasaron la revisión. El conjunto abarca 23 tipos de trabajo, incluidos el desarrollo de juegos, el diseño de productos, la arquitectura, el análisis de datos y la animación de video. Cada proyecto lleva el encargo del cliente, los archivos de entrada y el trabajo terminado que el humano entregó.

Los trabajos no son tareas de juguete. En la mediana, un proyecto llevó a un humano 11.5 horas y valió $200. Los promedios corren más altos, en 28.9 horas y $632.60, porque el conjunto incluye trabajos por valor de más de $10,000 y trabajos que llevaron más de 100 horas. Juntos, los proyectos suman $143,991 en valor reportado. Las puntuaciones de la tabla corren en 230 proyectos mantenidos privados, lo que limita la posibilidad de que un modelo haya visto los trabajos exactos en el entrenamiento.

La calificación es humana y directa. Un evaluador capacitado abre los archivos del agente junto a los archivos del freelancer y puntúa el trabajo del agente con 1, 2 o 3. Una puntuación de 1 falla. Una puntuación de 2 cumple el nivel. Una puntuación de 3 lo supera. La tasa principal, llamada tasa de automatización, es la proporción de proyectos puntuados con 2 o 3. Tres evaluadores revisan cada entregable, el voto mayoritario cuenta y Scale Labs reporta un acuerdo del 94.4 por ciento entre evaluadores. El equipo del índice ha intentado automatizar esta calificación y reporta que los calificadores de IA puntuaron los modelos pasados demasiado alto, en parte porque no podían abrir bien las herramientas profesionales y pasaron por alto trabajo que parecía pulido pero estaba roto dentro del archivo.

Contra ese método, la tabla es dura. Fable 5.2 se sienta en 41.30 por ciento. Opus 5.5 es segundo con 21.25 por ciento. GPT 6 Astra es tercero con 20.83 por ciento. Fable 5.1 registra 17.92 por ciento y Gemini Argon 4 registra 17.08 por ciento. La tabla de lanzamiento de Anthropic imprime el mismo resultado de Fable en forma redondeada, 41.3 por ciento en esfuerzo alto, lo que coincide con la entrada de la tabla añadida el 9 de noviembre.

Scale Labs dijo que las ganancias más grandes para Fable 5.2 vinieron en trabajo de audio y música, arquitectura y diseño de interiores y modelado 3D. Casi 50 de los proyectos que completó nunca habían sido completados por un agente anterior. El sitio del índice describe el ritmo como una duplicación cada unos 3.3 meses durante el último año. De 2.5 por ciento en octubre de 2025 a 41.3 por ciento en noviembre de 2026 hay un poco más de cuatro duplicaciones en 375 días, así que la aritmética detrás de esa afirmación de ritmo se sostiene aproximadamente.

Un contexto de nuestra propia cobertura afila el punto. El trabajo de escritura ya siente esta presión, como mostró nuestro reporte sobre las ofertas de trabajo freelance de escritura que caen en un año. Un benchmark construido desde proyectos enteros habla a ese mercado de una forma que una puntuación de examen no puede. Un cliente no compra una respuesta de examen. Un cliente compra un archivo que puede usar.

Lo que funciona

La primera fortaleza es el tamaño y la forma del liderazgo. Esto no es una victoria de un punto en una tabla llena. Fable 5.2 lidera al siguiente modelo por unos 20 puntos, que es más que toda la ganancia que la tabla registró desde su mejor de lanzamiento hasta el líder anterior. En la tabla de Anthropic el patrón se repite en otras medidas de tareas largas, con FrontierSWE v2 en 69.9 por ciento frente a 65.5 por ciento de GPT 6 Astra y 62.3 por ciento de Opus 5.5 y Terminal Bench Science en 74.6 por ciento frente a 58.7 por ciento de Opus 5.5. Esas cifras más amplias son cifras reportadas por Anthropic, no resultados independientes, y esta reseña las trata como evidencia de apoyo y no como prueba.

La segunda fortaleza es que la prueba castiga los trucos usuales de los agentes. Un resumen bonito no pasa. El calificador abre los archivos reales en herramientas como Blender para trabajo 3D o software de diseño para planos y luego compara el resultado con trabajo que un profesional vendió. Los proyectos que necesitan que muchos archivos coincidan entre sí exponen rápido a los agentes débiles. Pasar cuatro de cada diez de esos trabajos es una señal real de capacidad, incluso con cada advertencia de las secciones siguientes adjunta.

La tercera fortaleza es la franqueza en el consejo de compra, que es rara en un lanzamiento. Anthropic dice a la mayoría de los usuarios que empiecen con Opus 5.5 para trabajo de programación y conocimiento y que suban a Fable solo para el trabajo más ambicioso. Ese consejo coincide con el precio y las puntuaciones. También da a esta reseña una prueba limpia para su veredicto. Si el fabricante dice que el modelo más barato es el por defecto, un comprador necesita una razón específica para pagar el doble. El resultado freelance es la primera razón pública que es fuerte en sus propios términos.

Para una idea de dónde se sienta Fable en el uso diario de Claude, compara las herramientas de oficina en nuestra reseña de Claude Sheets y Whiteboards y la configuración de agente en nuestra reseña de Claude in Chrome y Cowork. Esos productos tratan de quedarse dentro de un archivo con un equipo. Fable trata de entregar un trabajo entero al modelo y juzgar lo que vuelve.

Lo que no funciona

La tasa de falla es el titular que nadie pone en una diapositiva de lanzamiento. Fable 5.2 falló el 58.7 por ciento de los proyectos de este conjunto. Si contrataras a un freelancer que fallara la mayoría de los encargos, dejarías de contratarlo. Un agente es más barato de reintentar que una persona y un intento fallido desperdicia tiempo y tokens y no una cuota por trabajo terminado. Aun así, cualquier flujo de trabajo construido sobre este modelo necesita un humano que compruebe cada entregable y un plan para el caso mayoritario, que es la falla.

El propio análisis del equipo del índice sobre el trabajo fallido, del artículo que lanzó la prueba, muestra por qué las fallas importan. De los entregables fallidos, el 45.6 por ciento fue de calidad pobre o amateur. Un 35.7 por ciento más fue incompleto, como un video mucho más corto de lo que el encargo pedía. Las fallas técnicas y de archivo contaron el 17.6 por ciento y el 14.8 por ciento se contradijo entre archivos, como un diseño de casa que cambiaba entre vistas. Un entregable podía fallar en más de una forma, así que esas proporciones se solapan. Describen a los agentes de la era del lanzamiento y no a Fable 5.2 solo, pero Scale Labs todavía nombra el diseño de productos industriales y la animación como áreas que se quedan lejos de resueltas.

Dos cifras ausentes limitan cuánto puede confiar un comprador en la puntuación. Scale Labs declara que no hay ninguna cifra de margen de error para la tasa de automatización, así que los lectores no pueden decir cuán amplia corre la incertidumbre alrededor del 41.3 por ciento. La tabla también da una puntuación por modelo, sin ninguna tasa publicada de con qué frecuencia el mismo proyecto pasa en una segunda ejecución. Un modelo que pasa un trabajo una de cada tres veces cuesta una cantidad distinta de un modelo que lo pasa cada vez y el registro público no separa esos casos.

La configuración detrás de las puntuaciones también cambió durante el año en que la tabla subió. Los agentes tempranos corrieron en configuraciones estándar con un presupuesto ajustado por proyecto. Las ejecuciones posteriores usaron software de agente más fuerte para cada familia de modelos, una computadora de escritorio con más de 30 aplicaciones profesionales, hasta 24 horas por proyecto y un segundo agente que criticaba el trabajo antes de la entrega. Eso es justo como prueba de capacidad máxima y el equipo del índice lo describe abiertamente. También significa que la subida de 2.5 por ciento a 41.3 por ciento mezcla modelos mejores con un arnés mejor. Las puntuaciones publicadas no separan los dos, así que no acredites al modelo solo por toda la subida.

El costo es el último límite y es el que un comprador siente primero. Fable 5.2 cuesta el doble que Opus 5.5 por token. Sus salvaguardas bloquean la mayoría del trabajo de ciberseguridad y mucho trabajo de investigación en biología en la versión pública y Anthropic reporta que las consultas de ciberseguridad bloqueadas se enrutan a un modelo Opus más viejo. El acceso en plan pagado lleva límites semanales y reglas de reinicio de lanzamiento que varían según el plan y la edad de la cuenta. Nada de eso hace malo al modelo. Lo hace una compra de especialista, no una actualización por defecto.

Competencia

La elección rara vez es Fable o nada. Para la mayoría de los compradores el concurso real es Fable contra Opus dentro de la misma cuenta y luego contra el mejor agente de un laboratorio rival para el mismo trabajo.

Un resultado rival merece una nota justa. En AutomationBench, una prueba de flujo de trabajo empresarial en la tabla de Anthropic, Gemini 4 Carbon puntuó 53.9 por ciento frente a 51.4 por ciento de Fable 5.2. En una clasificación de trabajo de conocimiento en la misma tabla, Opus 5.5 mantuvo un liderazgo Elo de 1800 a 1785. Fable no gana cada línea y un equipo cuyo trabajo se parece a la automatización de flujos de oficina debe pesar esa línea antes de pagar la tarifa Fable para cada tarea.

Veredicto final

Usa Fable 5.2 cuando el trabajo se parezca a los trabajos de este índice. El encargo está escrito, los archivos de entrada existen, el entregable es un conjunto de archivos que una persona puede abrir y juzgar y el trabajo es lo bastante duro para que Opus 5.5 se atasque o produzca trabajo que tienes que rehacer. En ese caso estrecho y valioso, el resultado freelance es la mejor evidencia pública que cualquier modelo actual ha producido y el precio puede pagarse solo en un proyecto aceptado que de otro modo llevaría a un humano un día o más.

Empieza con Opus 5.5 para todo lo demás, exactamente como Anthropic aconseja. Ejecuta el mismo trabajo en ambos modelos una vez, compara los archivos tú mismo y cuenta los tokens que cada ejecución usó en el ajuste de esfuerzo que en realidad planeas conservar. Esa única comprobación te dice más sobre tu factura y tu tasa de aprobación que cualquier tabla, porque tus encargos, tus archivos y tu nivel de aceptación son la prueba que importa para tu trabajo.

El resumen honesto son dos cifras sostenidas a la vez. 41.3 por ciento es un salto genuino en una prueba construida desde trabajo pagado real y calificada por personas. 58.7 por ciento es la proporción que todavía falló. Un comprador que planea para ambas cifras obtendrá un valor real de este modelo. Un comprador que planea solo para la primera cifra está comprando una diapositiva de lanzamiento, no un trabajador.

Esta es una reseña de investigación. Se basa en la tabla y la documentación del índice del Remote Labor Index de Scale Labs, el artículo que presentó el índice, el material de lanzamiento de Anthropic para Fable 5.2 y Mythos 5.2 y las pruebas de costo publicadas de Artificial Analysis según se reportaron esta semana, todo verificado el 12 de noviembre de 2026. No se realizó ninguna prueba práctica.

Fuentes

• Anthropic: Introducing Claude Fable 5.2 and Claude Mythos 5.2
• Scale Labs: Remote Labor Index leaderboard
• Center for AI Safety and Scale AI: Remote Labor Index project site
• Mazeika et al.: Remote Labor Index, Measuring AI Automation of Remote Work, arXiv 2510.26787
• MACCUS: On a test of real freelance projects, the best AI agent now completes 41 percent of them
• Devlery: Claude Fable 5.2 doubles real freelance task completion to 41 percent and costs 20 percent less
• Imágenes: ilustraciones de estilo propio de Dirty Static