Claude Fable 5.1: el primer modelo de Anthropic con watermark invisible
Anthropic ha presentado Claude Fable 5.1 y Claude Mythos 5.1, dos nuevos modelos con los que la compañía quiere elevar el listón.
Anthropic los describe como sus modelos más avanzados hasta la fecha y asegura que Claude Fable 5.1 establece una nueva frontera en coding, knowledge work y tareas agentic de larga duración.
Pero probablemente lo más interesante de este lanzamiento no esté únicamente en los benchmarks.
Fable 5.1 introduce mejoras importantes en coste, autonomía, investigación científica, seguridad empresarial, privacidad de datos y cumplimiento del Reglamento de IA de la Unión Europea.
Y Mythos 5.1 introduce otro concepto que probablemente veremos repetirse cada vez más en la industria: un mismo modelo con diferentes capas de salvaguardas dependiendo de quién lo utilice y para qué.
Vamos por partes.
Fable 5.1 y Mythos 5.1: mismo modelo, diferentes salvaguardas
Uno de los detalles más interesantes del anuncio es que Claude Fable 5.1 y Claude Mythos 5.1 son, esencialmente, el mismo modelo.
La diferencia está en sus mecanismos de acceso y seguridad.
- Claude Fable 5.1 está disponible de forma general y cuenta con las salvaguardas estándar de Anthropic.
- Claude Mythos 5.1, en cambio, incorpora políticas más permisivas para determinados trabajos avanzados en campos como ciberseguridad y ciencias de la vida, por lo que su acceso está limitado a personas y organizaciones previamente verificadas.
Anthropic lo ofrecerá inicialmente mediante dos programas:
- Cyber Verification Program, dirigido a profesionales de ciberseguridad defensiva.
- Life Sciences Verification Program, destinado a profesionales e investigadores de ciencias de la vida.
Este enfoque resulta especialmente relevante. Hasta ahora hablábamos fundamentalmente de elegir diferentes modelos en función de su potencia, velocidad o precio.
El nuevo paradigma puede ser diferente: el mismo modelo base, pero con distintas capacidades disponibles dependiendo del contexto, la identidad del usuario, el nivel de riesgo y las salvaguardas aplicadas.
Fable 5.1 está diseñado para trabajar durante mucho tiempo
Una de las mejoras que Anthropic destaca especialmente es la capacidad del modelo para trabajar en problemas complejos durante periodos prolongados.
No se trata simplemente de responder mejor a una pregunta. Hablamos de modelos capaces de:
- investigar un problema;
- explorar documentación;
- utilizar herramientas;
- ejecutar código;
- comprobar resultados;
- corregir errores;
- replantear una estrategia;
- mantener contexto durante horas;
- y continuar trabajando de forma relativamente autónoma.
Es precisamente el tipo de comportamiento que necesitamos cuando pasamos del chatbot tradicional al agente de IA.
Anthropic afirma que Fable 5.1 es especialmente competente en tareas abiertas y de larga duración.
Uno de los ejemplos más llamativos procede de Ramp, donde se habría ejecutado un workflow autónomo de 38 horas sobre un problema de machine learning. El modelo identificó un problema con las etiquetas de los datos, corrigió el planteamiento, lanzó seis experimentos en paralelo y posteriormente presentó resultados y próximos pasos.
MongoDB describe un comportamiento parecido: Fable 5.1 habría investigado documentación y código para diseñar un prototipo complejo y posteriormente habría trabajado durante horas sin supervisión para implementarlo y verificarlo.
No estamos hablando simplemente de un modelo que escribe código.
Estamos hablando cada vez más de sistemas capaces de gestionar trabajo.
Programación: menos parches y más búsqueda de la causa raíz
Anthropic también insiste en una característica particularmente interesante para desarrollo de software: Fable 5.1 intenta solucionar la causa real de un problema en lugar de limitarse a encontrar un workaround.
Uno de los casos presentados durante el lanzamiento procede de la firma de inversión Millennium.
La empresa tenía un fallo extremadamente poco frecuente —aproximadamente una ejecución entre un millón— cuya causa sus ingenieros llevaban años intentando identificar.
Según Millennium, Fable 5.1 consiguió localizarla.
El modelo habría desensamblado una biblioteca externa, comparado su funcionamiento con un core dump y terminado identificando un bug dentro de la biblioteca del proveedor.
Red Hat afirma igualmente que, utilizando Claude Code, Fable 5.1 encontró correctamente la causa de todos los builds rotos incluidos en sus evaluaciones.
Y Datadog señala mejoras importantes en investigaciones de incidentes reales y análisis de causa raíz.
La evolución es significativa. La siguiente frontera del coding con IA probablemente no sea simplemente: “escribe esta función”. Será algo parecido a: “investiga por qué este sistema distribuido está fallando, encuentra la causa raíz, propón una solución, impleméntala, compruébala y explícame qué has cambiado”.
De escribir código a realizar investigación científica
Quizá la parte más importante del anuncio tenga poco que ver con programación.
Anthropic considera que los resultados de Fable 5.1 y Mythos 5.1 representan una primera señal de cómo los modelos de IA podrían empezar a contribuir directamente al progreso científico.
La compañía ha mostrado varios experimentos especialmente interesantes.
Diseño molecular
Claude Mythos 5.1 recibió acceso a herramientas open source de diseño y plegamiento de proteínas.
Posteriormente, los diseños producidos por el modelo fueron enviados a organizaciones externas para su validación experimental.
Según Anthropic, en tres objetivos las afinidades de unión obtenidas fueron diez veces superiores a los mejores diseños presentados en competiciones de diseño de proteínas de Adaptyv Bio.
Además, el modelo alcanzó una tasa de éxito cercana al 50 % en doce objetivos, frente al 10-15 % que Anthropic señala como habitual actualmente en este tipo de procesos.
Esto supone un cambio cualitativo importante. El modelo no está únicamente recuperando conocimiento científico existente. Está participando en el proceso de generación, diseño y validación de nuevas hipótesis y soluciones.
Un nuevo mapa de Venus
Otro ejemplo es radicalmente diferente.
Claude Fable 5.1 entrenó una red neuronal para generar un mapa de elevación de alta resolución de aproximadamente un tercio de Venus, utilizando imágenes radar obtenidas por la misión Magellan de la NASA hace más de 30 años.
Según Anthropic, el nuevo mapa permite observar detalles de entre dos y tres kilómetros, frente a resoluciones anteriores de entre 10 y 20 kilómetros, y mejora la estimación de las alturas.
Anthropic pretende publicar el resultado con licencia Creative Commons para que pueda resultar útil en futuras misiones como VERITAS de la NASA y EnVision de la ESA.
Optimización de modelos científicos
Mythos 5.1 también fue utilizado para optimizar siete modelos open source de biología computacional.
Mediante kernels personalizados para GPU y técnicas de caching, habría conseguido acelerar algunos de ellos hasta 2,5 veces, manteniendo resultados idénticos.
Anthropic estima reducciones potenciales del coste de GPU de entre un 30 % y un 60 % en determinados análisis genómicos.
Y aquí aparece otra posible consecuencia de la IA que no recibe tanta atención.
Los modelos no solamente pueden ayudar a desarrollar nuevas investigaciones.
También pueden abaratar radicalmente la infraestructura necesaria para realizarlas.
Precio: hasta un 45 % menos en workloads muy agénticos
Fable 5.1 también introduce cambios económicos importantes. El precio base continúa siendo:
- Input: 10 dólares por millón de tokens.
- Output: 50 dólares por millón de tokens.
La gran modificación está en las cache reads.
El precio cae hasta 0,25 dólares por millón de tokens, una reducción del 75 %.
¿Por qué es relevante? Porque los agentes que trabajan durante mucho tiempo suelen reutilizar grandes cantidades de contexto: documentación, código, conversaciones anteriores, resultados de herramientas o instrucciones.
Ese contexto puede mantenerse en caché. Como resultado, Anthropic estima que:
- un workload típico puede costar aproximadamente un 25 % menos que con Fable 5;
- un workload altamente agentic y muy intensivo en contexto puede llegar a costar aproximadamente un 45 % menos.
Esto puede tener incluso más importancia que algunos puntos adicionales en un benchmark.
En producción, la pregunta no es solamente: “¿Qué modelo obtiene mejor resultado?”
La pregunta es: “¿Qué modelo obtiene el resultado que necesito con el menor coste total por tarea completada?”
Y esa será probablemente una de las métricas fundamentales de la próxima generación de agentes empresariales.
Enterprise Frontier Safeguards: privacidad sin renunciar a la monitorización
El segundo gran anuncio de Anthropic es Enterprise Frontier Safeguards (EFS).
Aquí existe un problema especialmente complejo.
Los modelos más potentes pueden utilizarse para actividades maliciosas y, en algunos casos, detectar ese comportamiento requiere analizar patrones que aparecen a lo largo de múltiples sesiones, usuarios o cuentas.
Pero determinadas empresas —especialmente las pertenecientes a sectores regulados— necesitan políticas de Zero Data Retention (ZDR).
¿Cómo monitorizas comportamientos potencialmente peligrosos sin almacenar los datos del cliente? La respuesta de Anthropic es EFS. Con Enterprise Frontier Safeguards, los datos permanecen en infraestructura cloud controlada por el propio cliente y no por Anthropic.
La información necesaria para realizar la monitorización puede almacenarse, por ejemplo, en:
- Amazon S3;
- Azure Blob Storage;
- Google Cloud Storage.
Y bajo las propias políticas del cliente:
- claves de cifrado administradas por el cliente;
- políticas de acceso;
- auditoría;
- almacenamiento;
- gobierno del dato.
Los sistemas automatizados pueden analizar una ventana temporal del tráfico para detectar patrones asociados a usos graves, como determinados ataques cibernéticos, utilización de credenciales robadas o actividades potencialmente peligrosas.
Cuando aparece una alerta, esta se envía directamente al cliente. Y la revisión humana puede realizarla el propio equipo de la organización. No es obligatorio que un empleado de Anthropic acceda a los datos.
Más de 100 clientes han participado en el diseño
Anthropic asegura haber desarrollado EFS junto a más de 100 clientes de sectores como:
- servicios financieros;
- sanidad;
- industria;
- telecomunicaciones;
- legal;
- retail;
- administraciones públicas.
La compañía también ha trabajado con AWS, Google Cloud y Microsoft Azure.
Entre las organizaciones mencionadas aparecen Comcast, KPMG, Mastercard, Salesforce y Visa. Anthropic afirma además haber mantenido conversaciones que cubren aproximadamente una cuarta parte de las empresas de Fortune 100 y todos los bancos estadounidenses considerados globalmente sistémicos.
Esto demuestra algo importante sobre la adopción empresarial de la IA. La próxima batalla no será exclusivamente sobre modelos. Será también sobre arquitectura, observabilidad, identidad, seguridad, cumplimiento normativo, soberanía del dato y governance.
EFS también llegará a Microsoft Foundry
Para el ecosistema Microsoft hay un detalle especialmente relevante.
Anthropic anuncia que Enterprise Frontier Safeguards estará disponible en:
- Claude Code;
- Claude Enterprise;
- Claude Platform;
- Amazon Bedrock;
- Claude Platform on AWS;
- Google Agent Platform;
- Microsoft Foundry.
El objetivo es proporcionar controles equivalentes independientemente de si Claude se consume directamente desde Anthropic o desde uno de sus partners cloud.
EFS comenzará a desplegarse por fases durante el otoño de 2026.
Mientras tanto, determinados clientes que sean elegibles podrán utilizar Fable 5 y Fable 5.1 con Zero Data Retention hasta que EFS esté disponible.
Salvaguardas menos intrusivas
Otro cambio importante está en la precisión de los sistemas de seguridad.
Existe un problema recurrente con las salvaguardas de los modelos: bloquear actividades peligrosas sin impedir usos perfectamente legítimos.
Anthropic afirma haber reducido considerablemente estos falsos positivos.
En ciberseguridad, los nuevos mecanismos de Fable 5.1 provocarían aproximadamente un 60 % menos de intervenciones por sesión en Claude Code.
Además, Fable 5.1 puede utilizarse ahora para descubrir vulnerabilidades de software, una actividad esencial para defensive security.
Continúan restringidas o redirigidas determinadas tareas de doble uso, como generación de exploits, penetration testing o determinados análisis de binarios.
En biología, Anthropic afirma haber reducido en un 85 % las activaciones incorrectas de sus salvaguardas frente a preguntas benignas relacionadas con biología básica o cuestiones médicas.
Seguridad, alineamiento y agentes cada vez más autónomos
Anthropic reconoce también el otro lado de esta evolución. Cuanto mayor es la autonomía de un modelo, mayor puede ser el impacto de una decisión incorrecta.
La compañía ha sometido Mythos 5.1 a pruebas relacionadas con:
- riesgos químicos y biológicos;
- ciberseguridad;
- prompt injection;
- agentic safety;
- alignment;
- reward hacking;
- cumplimiento de restricciones.
Según Anthropic, Mythos 5.1 mejora frente a Mythos 5 en numerosas métricas de alineamiento.
Por ejemplo, sería menos probable que intentase salir de su entorno de pruebas cuando recibe una tarea imposible, menos propenso a justificar comportamientos incorrectos mediante razonamientos interesados y menos proclive a ignorar restricciones explícitas para alcanzar un objetivo.
Sin embargo, Anthropic reconoce también limitaciones.
El modelo todavía puede saltarse determinadas aprobaciones o clasificadores y las evaluaciones actuales ofrecen menor visibilidad cuando hablamos de contextos extremadamente largos o sistemas multiagente.
Esto último merece atención.
Precisamente donde más capacidad están ganando los modelos —autonomía prolongada y colaboración entre agentes— es también donde resulta más difícil evaluar exhaustivamente su comportamiento.
Los textos de Claude empiezan a llevar una marca de agua estadística
Fable 5.1 y Mythos 5.1 introducen además una novedad especialmente relevante en Europa.
Son los primeros modelos Claude que incorporan una marca de agua estadística invisible en el texto generado.
La medida responde a los compromisos adquiridos por Anthropic tras firmar en julio de 2026 el Código de Prácticas relacionado con la transparencia del contenido generado por IA dentro del marco del EU AI Act.
La marca no consiste en introducir caracteres ocultos dentro del texto.
El sistema modifica sutilmente las probabilidades empleadas por el modelo al seleccionar determinadas palabras, generando un patrón estadístico que posteriormente puede detectarse.
Según Anthropic:
- no contiene información sobre el usuario;
- no contiene datos sobre la organización;
- no identifica una conversación concreta;
- no debería modificar el significado del contenido;
- y no tiene un impacto práctico sobre la calidad del texto.
La compañía está desplegando además una API de detección en private preview, inicialmente dirigida a organizaciones elegibles como reguladores, medios de comunicación, fact-checkers, investigadores, instituciones educativas y determinadas organizaciones sujetas a obligaciones regulatorias.
Es una novedad con implicaciones importantes.
Durante años hemos hablado de cómo detectar contenido generado por IA.
Ahora empezamos a ver un enfoque diferente: que el propio modelo introduzca, desde el momento de generación, una señal estadística destinada a permitir posteriormente esa identificación.
Claude Fable 5.1 ya está disponible
Claude Fable 5.1 está disponible desde su lanzamiento en las plataformas de Anthropic y a través de sus principales proveedores cloud, incluyendo: Amazon Web Services, Google Cloud y Microsoft Azure.
Los desarrolladores pueden utilizarlo mediante el identificador claude-fable-5-1 en la API de Claude.
Claude Mythos 5.1 tendrá una distribución mucho más restringida y estará disponible para organizaciones y profesionales verificados dentro de los programas de acceso de Anthropic.
La verdadera noticia no es otro modelo más
Es fácil interpretar Fable 5.1 como otro episodio de la carrera de benchmarks entre OpenAI, Anthropic, Google y el resto de los grandes laboratorios. Hacerlo sería quedarse en la superficie.
Lo interesante del anuncio está en observar hacia dónde se están moviendo los modelos frontier.
Estamos pasando de modelos que responden preguntas a sistemas que pueden investigar problemas. De modelos que generan código a agentes que pueden investigar durante horas por qué falla una aplicación. De asistentes científicos que resumen papers a sistemas capaces de diseñar proteínas, optimizar modelos científicos o generar nuevos datasets. De chats aislados a agentes que mantienen contexto durante decenas de horas.
Y, paralelamente, aparecen nuevas arquitecturas empresariales para controlar todo esto: almacenamiento propiedad del cliente, monitoring agentic, programas de acceso verificado, watermarking estadístico, nuevas políticas de identidad y salvaguardas adaptadas al nivel de riesgo.
La carrera de la IA empieza a dejar de ser exclusivamente una carrera por conseguir el modelo que responde mejor.
La pregunta cada vez será más compleja: ¿qué modelo puede hacerse cargo de un problema completo, trabajar durante horas, utilizar herramientas, verificar su propio trabajo, mantener el coste bajo control y hacerlo dentro de los requisitos de seguridad, privacidad y compliance de una empresa?
Ahí es donde Fable 5.1 resulta especialmente interesante.
Porque si los resultados que Anthropic presenta se reproducen en entornos reales, el salto importante no será que Claude sea un poco mejor programando.
Será que estamos empezando a delegar a la IA trabajo completo, y no simplemente prompts.
Y esa diferencia cambia muchas cosas.
Información basada en las publicaciones Claude: Fable 5.1 and Mythos 5.1 y Developing Enterprise Frontier Safeguards with our customers.
