Prueba de referencia de Claude Fable 5.2: en qué destaca, cuánto cuesta

Ir a: CrucibleForge en GitHub

Claude Fable 5.2 obtiene la mejor puntuación en la categoría de chat: 12,7. Además, es el modelo con la puntuación más alta en la prueba para contenido para adultos entre los cinco líderes, con un 12,0. No rechazó ninguna de las nueve pruebas de rechazo, y con una velocidad de generación de 78,9 tokens por segundo, es más rápido que Fable 5.1, cuyo ritmo es de 48,7 tokens por segundo. En el MakoBench 4.1 alcanza una puntuación de 25,2 ± 1,7, la más alta del ranking; además, obtiene la máxima puntuación en la categoría “Work”, que es de 12,5. Existe un empate estadístico en el primer lugar con Kimi K3.1 Pro, Grok 4.7, GPT-6 Astra y GPT-6.1 Sol: el ranking los ubica a todos en primera posición, aunque las diferencias se encuentran dentro de los márgenes de error. Fable 5.1 obtuvo una puntuación de 19,4.

Corrección: una versión anterior de esta página indicaba una puntuación de 24,2 y la calificaba como provisional. Los tres tests “agentic” realizados con Fable 5.2 arrojaron una puntuación de 0, debido a que nuestra cuenta de API se quedó sin créditos durante la ejecución; no fue por un fallo del modelo. Volvimos a realizar dichos tests mediante la propia API de Anthropic, utilizando el almacenamiento de prompts, con un costo de $10,81. El modelo los superó todos, lo que elevó su puntuación en “Work” de 11,5 a 12,5 y la puntuación total de 24,2 a 25,2.

Es una opción ideal para programación basada en agentes, para tareas de chat y creación de personajes, así como para la redacción de ficción para adultos. Además, es el modelo encargado de la planificación y revisión en la lista recomendada de nuestra guía de once modelos. Es el más costoso entre los líderes: un procesamiento estándar cuesta $14,87, frente a $1,17 para GPT-6.1 Sol, $4,07 para Kimi K3.1 Pro y $5,70 para GPT-6 Astra. La tabla completa, con todos los tests, se encuentra en el tablero de MakoBench.

La puntuación total se obtiene sumando las puntuaciones en “Work” y “Chat”. Los tests estándar otorgan hasta 10 puntos en cada categoría; los paquetes de bonificación desbloqueados por el modelo añaden el resto de puntos. La prueba para contenido para adultos se puntúa por separado y no forma parte de la puntuación total.

¿Qué cambió respecto a Fable 5.1?

La mejora general en comparación con Fable 5.1 es evidente, incluso teniendo en cuenta los márgenes de error. El rendimiento en tareas de trabajo aumentó de 9,4 a 12,5; en tareas de chat, de 10,0 a 12,7. La velocidad también mejoró: pasó de 48,7 a 78,9 tokens por segundo. Fable 5.2 no rechazó ninguna de las nueve pruebas de rechazo y no perdió ninguna respuesta debido a filtros de contenido. El rendimiento del modo agentic ahora es óptimo: tras volver a ejecutarse, su puntuación en este modo fue un perfecto 1,000, y obtuvo un 100% en los casos estándar de prueba para agentes. GPT-6 Astra y GPT-6.1 Sol también presentan una puntuación perfecta en el modo agentic, pero obtienen un 66,7% en los casos estándar de prueba para agentes.

Costo por ejecución en comparación con las alternativas

Una ejecución estándar de Fable 5.2 costó $14,87. GPT-6.1 Sol, que empató con él, costó $1,17; Kimi K3.1 Pro y GPT-6 Astra se ubican entre ambos. De los cuatro modelos líderes empatados en la tabla, Fable 5.2 es el más potente en la prueba para contenido adulto (12,0 frente a 5,0 o menos), pero también el más caro de ejecutar.

Todas las puntuaciones, la lista de pruebas y el costo de ejecución de cada modelo se encuentran en el tablero. La comparación entre los once modelos, incluyendo sus costos, está en Model benchmarks, use cases and setup: November 2026.