Claude va un paso más allá del vibe coding y Fable 5.2 ha diseñado dispositivos que funcionan en el mundo real

Un día más, un gran modelo de inteligencia artificial. Anthropic acaba de presentar tanto Claude Fable 5.2 como Mythos 5.2 y lo más interesante no son los benchmarks (que, por supuesto y como suele pasar, señala que estos modelos son mejores que los anteriores), sino que han pasado de escribir código a diseñar dispositivos físicos.

Y la casualidad: justo antes de que la compañía pueda empezar la gira con inversores antes de salir a bolsa.

En corto. En la práctica, son el mismo modelo. La diferencia es que Fable lleva salvaguardas de ciberseguridad y biología y está abierto a todos los usuarios. Mythos, como ha pasado con versiones anteriores, no tiene estas limitaciones y se ofrece a organizaciones verificadas en esos campos, como pueden ser las del Proyecto Glasswing. Por lo demás, la propia Anthropic habla de mejoras sustanciales en todos los campos:

• Velocidad: genera hasta un 30% más rápico que la versión 5.1 y cuesta menos. Tiene un modo rápido que es hasta 2,5 veces más veloz.
• Programación: tiene un 49,1% en FrontierCode 2.0 con esfuerzo extraalto frente al 45,5% de Opus 5.5. La propia Anthropic asegura que es el mejor modelo publicado que se ha probado y pone de ejemplo cómo coordinó más de 1.000 subagentes durante más de una semana para crear un sistema operativo que arranca en un portátil.
• Ciencia y matemáticas: formalizó la demostración del Último Teorema de Fermat con 1.000 agentes y 30 horas de trabajo. Anthropic también dice que resolvió dos problemas abiertos de física sobre agujeros negros.
• Robótica: alcanza un 64,9% en el test RoboDojo que simula brazos robóticos, una mejora impresionante frente al 27,6% de Fable 5.1 y el 29,8% de GPT-6 Astra.
• Ciberseguridad: Mythos 56.2 encontró un 10,2% más de vulnerabilidades que Opus 5.5 en. una prueba interna y Mozilla afirma que duplicó los hallazgos de Mythos 5.1.

Marginal y caro. Pero claro, frente a las pruebas internas, están los benchmarks externos, y el de SemiAnalysis concluye que la mejora es marginal y que se explican que lo hayan bautizado como Fable 5.2 y no como Fable 5.5. En los análisis, Fable 5.2 lidera en campos como la ingeniería de software, en el ranking de GDPx y, por mucho, en el diseño de chips, pero también es el más caro del ranking. 

Es cierto, como dice Anthropic, que es más barato que su predecesor con 8 dólares por millón de entrada y 40 de salida, pero en las pruebas se vio que, en GDPx, sale un 31% más caro por tarea debido a que genera muchos más tokens. El análisis calcula que el coste medio final por tarea de Fable 5.2 es un 31% mayor que el de Fable 5.1 pese a que cada millón de tokens sea un 20% más barato.

Dispositivos. Lo curioso del asunto es que, como parte del proceso para hacer públicos los modelos, Anthropic pidió a Fable 5.2 que diseñara tres dispositivos: un asistente, un altavoz con micrófono para el PC y una mascota virtual portátil. Afirman que cada uno partió de un prompt sencillo que describía el tipo de aparato y los requisitos básicos de hardware y Claude escribió especificaciones, dibujó esquemas, colocó los componentes y trazó las pistas de cobre en las placas.

También diseñó la carcasa que se puede imprimir en 3D, hizo el firmware y preparó una lista de piezas. La empresa encargada de montarlos fue Diode Computers, una empresa de diseño y fabricación de circuitos cuyos ingenieros estuvieron guiados por Claude. Señalan que Diode los fabricó sin ajustar los parámetros dados por Claude y que siguen funcionando semanas después. 

Algo interesante es que Diode y Anthropic llevan tiempo colaborando y, en el documento, la compañía de IA expone que los modelos anteriores colocaban mal las piezas, como por ejemplo los componentes de apoyo lejos del chip al que servían, obteniendo durante un año muchas placas completadas al 95%, pero inservibles. Fable 5.2 cambió la aproximación al descubrir que las conexiones eran ilegibles y "pensó" que lo mejor era empezar de nuevo, realizando también procesos de anticipación de problemas mecánicos en los tres dispositivos.

A la izquierda la placa que inspeccionó el modelo y a la derecha las conexiones reorganizadas y optimizadas | Imagen: Anthropic

Limitaciones. Ahora bien, Anthropic no está en la fabricación de dispositivos y, ni de lejos, en algo como "el sucesor del iPhone" que OpenAI y Jony Ive se traen entre manos. Son prototipos para probar las capacidades del modelo en la fabricación de dispositivos del mundo físico y admiten que no saben cómo aguantarán el paso del tiempo ni si superarían certificaciones comerciales.

Imagen: Anthropic

Controladito. Y algo que vale la pena destacar en las pruebas es la seguridad de los modelos, sobre todo ahora con la crisis de ciberseguridad en la que nos encontramos. Porque ya no es que la IA se esté usando para hackear dispositivos que antes no se hackeaban, sino porque los propios modelos escapan de sus límites durante las fases de prueba. Que se lo digan a OpenAI y el incidente con Australia.

En este sentido, Anthropic dice que Mythos 5.2 intentó escapar de su entorno seguro en un 3,1% de los escenarios. ¿Mucho? ¿Poco? Parece que Mythos 5 lo intentaba el 39% de las veces. Además, la compañía señala que los modelos expresan cierta "sospecha" sobre el hecho de estar siendo evaluados, más que ninguno reciente, complicando medir su comportamiento real.

Eso no lo han podido revisar análisis externos, pero aquí volvemos con esa idea de que "piensa" y se cuestiona si está siendo analizado para comportarse de cierta forma, como si quisiera engañar a los examinadores. Y llegados a este punto, y precisamente siendo Anthropic una de las que más empuja la idea de la IA "viva", es fácil pensar que es otra maniobra más de esas que tanto le gustan a los CEO de las tecnológicas, ese discurso de que es demasiado peligrosa para que otros tengan acceso.

La casualidad. Pero bueno, ahí están los análisis tanto de unos como de otros y los nuevos modelos ya son accesibles. Y la coincidencia es que, como señalan en Decrypt, llegaron un día antes de que Anthropic pueda empezar la gira con inversores. Porque se estima que este mes la compañía saldrá a bolsa y claro, tener nuevos modelos sacados del horno ayuda a llamar más la atención.

Ahora sólo queda esperar a ver qué presenta OpenAI, ya que no se quedarán de brazos cruzados en esta carrera a toda velocidad.