Anthropic anunció Fable 5.2 y Mythos 5.2 el 9 de noviembre: el primero está disponible de forma general y el segundo, para organizaciones aprobadas. Wes Roth destaca sus capacidades y plantea que la empresa habría limitado durante el entrenamiento algunas funciones que podrían acelerar la investigación de IA.
***

• Anthropic presentó Fable 5.2 y Mythos 5.2 como modelos orientados a tareas complejas; Fable está disponible de forma general, mientras que Mythos se ofrece a organizaciones aprobadas.
• Wes Roth afirma que Anthropic habría restringido avances en optimización de aceleradores y diseño de arquitecturas de modelos durante el entrenamiento; el material no confirma esa interpretación de manera independiente.
• Roth relata que más de 1.000 agentes trabajaron durante ocho días para construir un sistema operativo prototipo desde una carpeta vacía.

Fable 5.2 y Mythos 5.2: el debate sobre modelos potentes con límites deliberados

Capacidades que impresionan, según Wes Roth

Anthropic anunció Claude Fable 5.2 y Claude Mythos 5.2 el 9 de noviembre de 2026. La empresa indicó que Fable 5.2 está disponible de forma general, mientras que Mythos 5.2 se ofrece a organizaciones aprobadas a través de su programa Life. Anthropic presenta ambos modelos como sus sistemas más capaces para trabajo técnico y destaca avances en programación, finanzas y ciencias, según su página de modelos y un reporte de CNBC.

En su video NOTHING will be smarter than Fable 5.2…, Wes Roth los presenta como modelos capaces de resolver tareas complejas con rapidez y de mantener el rumbo durante procesos prolongados. Describe a Fable como especialmente hábil en programación, control robótico e ingeniería de hardware, aunque no ofrece una evaluación sistemática que permita comparar cada una de esas capacidades.

Anthropic también afirmó que Fable 5.2 mejoró en el control de robots físicos, incluso en tareas para las que no había sido entrenado explícitamente, según una publicación de la cuenta oficial de Claude en X. Roth sostiene además que el modelo puede resultar más barato que Opus en algunas tareas; lo plantea como algo dependiente del trabajo específico, no como una ventaja general para todos los usos.

Entre los ejemplos que Roth menciona figura un análisis sobre agujeros negros y teoría cuántica, atribuido a un modelo de investigación interno de Claude y revisado por el físico Don Page. Según su relato, una segunda computación de Claude, realizada con otro método, produjo el mismo resultado. El ejemplo ilustra cómo una IA puede generar un resultado que luego requiere revisión humana, pero no sustituye la evaluación independiente de las matemáticas.

Conviene separar esa valoración de los hechos verificables dentro del material. Las comparaciones de velocidad, inteligencia y rendimiento proceden de los ejemplos y las interpretaciones de Roth. El video no proporciona una metodología completa, un conjunto de pruebas reproducible ni resultados detallados para todas las tareas que menciona.

El ejemplo de los agentes y la construcción de un sistema operativo

Uno de los experimentos más llamativos que Roth relata consiste en encargar a Fable 5.2 el diseño de un sistema operativo prototipo desde una carpeta vacía. Según su descripción, el modelo coordinó a más de 1.000 agentes durante ocho días para escribir, probar y revisar código, hasta producir un sistema que arrancaba en una computadora portátil. Interesting Engineering también informó sobre un prototipo de sistema operativo creado con más de 1.000 agentes en ocho días.

El proyecto, de acuerdo con el video, incluía un núcleo propio, controladores para disco, teclado y red, permisos, almacenamiento de archivos, ventanas, pantalla de inicio de sesión e instalador. Roth también menciona una funcionalidad integrada de Claude, pero el material no ofrece detalles técnicos suficientes para determinar qué partes quedaron completas, cómo se midió su estabilidad ni qué intervención humana fue necesaria durante el proceso.

El ejemplo ayuda a explicar por qué el creador considera que el modelo sobresale en trabajos prolongados y con numerosos componentes interdependientes. La coordinación de agentes puede ampliar la cantidad de tareas que se ejecutan en paralelo, pero el número de agentes y la duración del trabajo, por sí solos, no prueban la calidad del resultado ni eliminan la necesidad de revisar el código producido.

Roth cuenta además que pidió al modelo mejorar los gráficos de un juego que él mismo estaba construyendo, y muestra cambios en la presentación visual, el movimiento de cámara y los momentos destacados de una partida. Lo interpreta como una demostración rápida de capacidad de programación y diseño; aun así, ese ejemplo corresponde a su propia prueba y no permite concluir que el modelo pueda reproducir el mismo desempeño en cualquier proyecto.

La hipótesis de límites durante el entrenamiento

El punto central del video no es solo el rendimiento de Fable 5.2 y Mythos 5.2, sino la posibilidad de que Anthropic haya limitado algunas capacidades durante el entrenamiento. Roth afirma que la empresa habría tomado medidas en áreas de investigación que podrían impulsar directamente el desarrollo de inteligencia artificial, y distingue esa intervención de una restricción aplicada mientras el usuario conversa con el modelo.

En particular, el creador señala la optimización de kernels para aceleradores y la mejora de arquitecturas de grandes modelos de lenguaje. Según su interpretación, los modelos publicados podrían rendir en esos campos aproximadamente al nivel que él atribuye a Opus 5.5, mientras se mantienen fuertes en otras tareas. El video no presenta datos completos que permitan confirmar esa comparación de manera independiente.

Roth conecta esa tesis con un informe de Meter que, según explica, muestra distintas generaciones internas de modelos y un aumento de capacidad alrededor de los lanzamientos recientes. En su lectura, Fable 5.2 y Mythos 5.2 corresponderían a modelos que estarían cerca de la tercera generación interna, mientras que sistemas más avanzados permanecerían dentro de Anthropic. Esa correspondencia es una interpretación del video, no una identificación que pueda tratarse como confirmada.

El creador también menciona que el informe habría sido censurado en partes para no revelar qué impulsa la aceleración del desarrollo, y vincula la discusión con la auto-mejora recursiva. Esa expresión alude a sistemas que podrían contribuir a mejorar las herramientas o los procesos con los que se desarrollan otros modelos, pero Roth presenta su explicación como una hipótesis sobre la relación entre modelos potentes y estructuras de agentes, no como una prueba de que un sistema ya se replique o se mejore sin supervisión.

Qué implicaría la investigación autónoma

Para explicar su hipótesis, Roth recurre a la idea de un entorno de agentes que ejecutan experimentos de manera iterativa: prueban una modificación, miden si mejora una métrica y conservan o descartan el cambio según el resultado. Lo compara con proyectos de auto-investigación basados en herramientas de entrenamiento de modelos de lenguaje, y especula que Anthropic podría tener una estructura interna parecida, aunque reconoce que no conoce su diseño exacto.

En su relato, una combinación de un modelo más capaz y una estructura de agentes habría hecho posible pasar de asistencia en programación a experimentación autónoma en investigación de IA. Roth ubica Opus 4.5 como un momento en que Claude se volvió útil para código autónomo y plantea que Mythos Preview, junto con una estructura de agentes, habría abierto la puerta a ensayos autónomos. Esas fechas y umbrales son parte de su análisis, no resultados demostrados en el material.

La preocupación que deriva de esa posibilidad es que un modelo capaz de realizar experimentos sobre arquitecturas o componentes de aceleradores podría contribuir a acortar el ciclo de desarrollo de sistemas futuros. Sin embargo, la idea de que ello equivalga a una máquina autorreplicante es una formulación especulativa de Roth: para sostenerla haría falta demostrar no solo que el modelo propone cambios, sino que puede ejecutarlos, validarlos y desplegarlos con autonomía y sin controles humanos relevantes.

El video plantea también una cuestión competitiva: si Anthropic restringe ciertas áreas, otros laboratorios podrían seguir avanzando en ellas, y Roth menciona a modelos como Kimi K 3 y DeepSeek como referencias de comparación. Sugiere que el rendimiento cercano de Kimi K 3 a Opus en una prueba de NanoGPT podría indicar similitudes, pero una puntuación parecida no prueba que dos sistemas compartan arquitectura, entrenamiento o procedencia.

Por ahora, el material deja abiertas preguntas sobre qué capacidades se limitaron, cómo se midieron y si otros desarrolladores adoptarán una política semejante. La principal aportación de Roth es poner sobre la mesa la tensión entre publicar modelos cada vez más capaces y restringir funciones que, según su hipótesis, podrían acelerar la investigación de IA. Las afirmaciones sobre Anthropic y sus sistemas requieren evidencia adicional antes de tratarlas como conclusiones establecidas.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín