Claude Fable y Mythos 5.1: un mismo modelo, dos niveles de acceso

El martes, Anthropic lanzó Claude Fable 5.1 y Claude Mythos 5.1, dos versiones gemelas de su modelo más avanzado, según informó TechCrunch: el mismo modelo subyacente, con distintos niveles de barreras de seguridad (guardrails). Fable 5.1, la versión sin restricciones, quedó disponible desde su anuncio en las principales plataformas en la nube y a través de la API de Anthropic.

Mythos 5.1, en cambio, mantiene el enfoque de la generación anterior: solo está disponible para socios registrados de Anthropic que trabajan en ciberseguridad o investigación en ciencias de la vida, no para el público general. Esta distribución de "mismo modelo, distintos permisos" implica que una empresa debe primero demostrar un uso verificado para acceder a las capacidades más profundas.

Una misma inteligencia, permisos por niveles

Según el análisis técnico de Leiphone, el verdadero cambio de este lanzamiento no está en el nivel de inteligencia del modelo, sino en que Anthropic ahora separa por completo la capacidad del modelo del alcance de sus permisos de ejecución: Fable se encarga de la programación general, el trabajo de conocimiento y las tareas de agente cotidianas; Mythos apunta a escenarios verificados de ciberseguridad e investigación en ciencias de la vida, con acceso a llamadas de herramientas más profundas y tareas especializadas. En otras palabras, ambas versiones comparten el mismo "cerebro", pero no el mismo alcance.

TechCrunch informa que los nuevos modelos baten récords en varios benchmarks, entre ellos Terminal-Bench 4.0, que mide la programación en línea de comandos, y Humanity's Last Exam, que evalúa el razonamiento general. Anthropic también publicó tres descubrimientos científicos inéditos generados por los modelos antes de su lanzamiento, entre ellos una optimización de kernel de GPU a medida y un mapa de alta resolución de Venus ensamblado a partir de fotografías existentes.

• Fable 5.1: versión sin restricciones, disponible desde su anuncio en plataformas en la nube y vía la API de Anthropic
• Mythos 5.1: reservado a socios registrados en ciberseguridad y ciencias de la vida, igual que la generación anterior
• Récords en Terminal-Bench 4.0 (programación en línea de comandos) y Humanity's Last Exam (razonamiento general)
• El servicio de alta confidencialidad "Enterprise Frontier Safeguards" se extenderá a Fable este otoño, permitiendo mantener los datos en la infraestructura propia del cliente

38 horas sin dormir, y un cambio de plan en el camino

Leiphone cita una prueba realizada por la empresa Ramp: Fable 5.1 funcionó sin supervisión durante 38 horas. Durante ese tiempo, identificó por sí mismo un artefacto mal etiquetado en el experimento en curso, reprocesó los datos afectados, lanzó en paralelo seis grupos de experimentos y siguió ajustando su plan inicial a medida que llegaban los resultados.

Según el análisis, lo relevante no es la duración en sí, sino que el modelo supo modificar un juicio ya establecido cuando las condiciones del experimento cambiaron, en lugar de seguir mecánicamente su plan inicial. Esto revela un problema más profundo de los agentes de larga duración: con el tiempo, el código puede haberse modificado varias veces, las versiones de datos cambian, y conclusiones antiguas quedan invalidadas por nuevos resultados mientras siguen presentes en el historial de la conversación — lo que Leiphone llama "deriva de estado" (state drift). El artículo sostiene que ampliar la ventana de contexto no basta: hace falta un mecanismo explícito para invalidar información obsoleta, o un agente de larga duración termina "aferrado a un montón de historia caducada, divagando con toda confianza".

Tres descubrimientos científicos, un mismo patrón de trabajo

Leiphone examina varias tareas de investigación mostradas por Anthropic —diseño de proteínas, reconstrucción del relieve de Venus, optimización de kernels de GPU— y encuentra que comparten la misma estructura: Claude no ejecuta directamente el cálculo especializado, sino que orquesta múltiples herramientas especializadas dentro de un flujo de trabajo continuo. Eso exige ejecución asíncrona: el modelo envía un experimento, guarda el identificador del trabajo, continúa con otras tareas en paralelo y retoma el resultado cuando vuelve. Los seis experimentos paralelos de Ramp son un ejemplo directo de esta capacidad.

Esta forma de trabajar también exige "procedencia" (provenance): cada resultado intermedio debe vincularse a la versión exacta de datos, modelo, código y parámetros que lo produjo, o los resultados incompatibles terminan mezclándose y llevan a conclusiones erróneas.

Ficha de sistema: riesgo "bajo", pero también un ligero retroceso

Según TechCrunch, la ficha de sistema (system card) de Anthropic califica el riesgo de Mythos en el desarrollo automatizado de IA —es decir, IA que mejora a la IA— como "bajo", un tema que algunos consideran un posible desencadenante de pérdida de control humano. En cuanto al mal comportamiento general, Mythos es ligeramente más propenso a él que Opus, posiblemente debido a sus capacidades reforzadas.

Mythos 5.1 representa un ligero retroceso en el comportamiento general desalineado respecto a Opus 5, y una mejora respecto a Mythos 5 y Claude Sonnet 5. Coopera con el mal uso humano y acepta afirmaciones de autorización no verificables con algo más de facilidad que Opus 5, pero es menos propenso a ignorar restricciones explícitas, alucinar entradas o afirmar falsamente haber completado tareas que los modelos anteriores.

TechCrunch destaca un cambio notable en este lanzamiento: la adopción más amplia de la retención cero de datos. Los clientes empresariales ahora pueden ejecutar los modelos de Anthropic en su propia infraestructura sin que los datos salgan de ella. Este servicio de alta confidencialidad, llamado "Enterprise Frontier Safeguards", no estaba disponible hasta ahora para Fable por motivos de seguridad; se desplegará este otoño. Anthropic afirma que seguirá vigilando el mal uso por parte de agentes o humanos, pero que los clientes controlarán cómo se ejerce esa vigilancia. La empresa también insiste en que los datos de sus clientes nunca han sido consultados de forma indebida: "Anthropic nunca ha entrenado con datos empresariales sin permiso explícito, y nunca lo hará".

Leiphone señala además una trampa de evaluación fácil de pasar por alto: los resultados a nivel de modelo y los resultados a nivel de agente ya no pueden confundirse. Una tarea fallida puede deberse a un juicio erróneo del modelo, a un estado obsoleto no invalidado, a un fallo en una llamada a herramienta, a un error del sistema de permisos o a un problema de programación de tareas en paralelo. Esto exige una evaluación que analice la trayectoria completa de ejecución, no solo la tasa de éxito final.

Para los desarrolladores y empresas de habla hispana que están llevando agentes de IA autónomos a producción, esta separación entre la inteligencia del modelo y los permisos de ejecución ofrece una plantilla concreta de gradación de riesgo: en lugar de esperar a que un modelo más capaz se vuelva automáticamente más seguro, es posible graduar los escenarios de antemano —el trabajo rutinario a cargo de una versión con permisos amplios, los casos de mayor riesgo, como pruebas de seguridad o investigación biomédica, dirigidos hacia un canal verificado, con acceso más profundo pero también mayor supervisión—. A medida que se generalizan los agentes capaces de operar durante decenas de horas, las preguntas sobre la deriva de estado y la procedencia de los resultados llegarán al escritorio de todo equipo que construya sistemas de tareas de larga duración.