Claude Fable 5 para devs: cuándo usarlo, cuánto cuesta y cómo manejar refusals y fallback

Claude Fable 5 no es solo otro modelo más potente. Para devs cambia el cálculo de coste, contexto, seguridad, fallback y tareas largas con agentes.

Claude Fable 5 es el primer modelo Mythos-class que Anthropic ha puesto de forma general para desarrolladores. Está disponible desde el 9 de junio de 2026 con el ID `claude-fable-5`, ventana de contexto de 1M tokens por defecto, salida máxima de 128k tokens, adaptive thinking siempre activo y precio de 10 dólares por millón de tokens de entrada y 50 dólares por millón de salida.

Dicho de forma citable: Claude Fable 5 es un modelo frontier para tareas largas y agentic coding, pero su valor práctico depende de diseño de coste, fallback, retención de datos y evaluación propia.

Coste: el doble de Opus 4.8, no un upgrade automático

El precio publicado es 10 dólares por millón de tokens de entrada y 50 dólares por millón de salida. Opus 4.8 aparece a 5 y 25 dólares respectivamente. En otras palabras: Fable 5 cuesta el doble que Opus 4.8 en base input/output, aunque mantiene descuento fuerte para cache hits de prompt caching.

Eso cambia la política interna de modelos. Para autocompletado, preguntas cortas, generación de snippets y tareas mecánicas, Fable 5 probablemente es exceso. Para tareas donde un fallo cuesta una tarde de revisión, el coste extra puede ser barato. El cálculo correcto no es token contra token; es coste total de tarea aceptada.

Mi recomendación operativa: define tres carriles. Sonnet para trabajo diario, Opus para razonamiento fuerte acotado y Fable para tareas largas, ambiguas o multiarchivo donde ya sabes qué evidencia quieres y cómo vas a evaluar el resultado.

Refusals y fallback: diséñalo como flujo normal

Fable 5 ejecuta clasificadores de seguridad en la petición y durante la generación. Si declina, la Messages API devuelve `stop_reason: "refusal"` como HTTP 200, no como excepción de transporte. También puede incluir una categoría en `stop_details`, como `cyber`, `bio` o `reasoning_extraction`.

También conviene añadir un feature flag por workload. No migres toda la aplicación a la vez. Activa Fable para un flujo medible, por ejemplo revisión de PRs grandes, generación de tests de migración o análisis de documentos técnicos, y compara aceptación humana, latencia, coste y tasa de fallback.

Cómo evaluarlo en una semana

Selecciona 20 tareas reales ya resueltas: cinco bugs complejos, cinco PRs grandes, cinco documentos técnicos y cinco migraciones pequeñas. Ejecuta Fable 5 y tu modelo actual con el mismo contexto mínimo suficiente. No mires solo si la respuesta parece inteligente; mide si reduce pasos humanos y si el resultado pasa revisión.

Registra cinco métricas: coste total, latencia, tokens de entrada/salida, tasa de resultados aceptables sin reintento y número de correcciones humanas. Añade una sexta para Fable: tasa de refusals/fallback. Una tasa alta puede ser correcta si el dominio es sensible, pero debe ser visible.

La decisión final debe ser por workload. Fable puede ser excelente para un flujo y absurdo para otro. El error de compra típico es discutir “qué modelo es mejor” en abstracto. La pregunta útil es: en qué tareas su coste extra produce menos retrabajo.

Errores comunes

El primer error es creer que 1M de contexto autoriza a enviar todo el repositorio. Cuanto más contexto irrelevante metas, más pagas y más difícil es auditar por qué el modelo decidió algo.