{"content_id":"fj8mfh7xaj","slug":"claude-fable-5-1-claims-verification","locale":"es","schema_type":"TechArticle","category":"ai_data","category_name":"Datos de IA","title":"Qué ha cambiado en Claude Fable 5.1: verificación de afirmaciones sobre coste, rendimiento y seguridad","summary":"La principal afirmación sobre la actualización presentada como Claude Fable 5.1 no es una reducción general del precio de los tokens, sino una disminución del coste de lectura de la caché en contextos repetidos. Sin embargo, como los materiales facilitados no incluyen una URL del anuncio oficial ni una ficha del modelo, el nombre, las especificaciones, los benchmarks y las cifras de seguridad deben comprobarse por separado en la documentación oficial de Anthropic.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"Equipo editorial de Injoys","url":"https://injoys.com/ko/about"},"key_points":["Los materiales facilitados afirman que el precio de lectura de caché de Claude Fable 5.1 se ha reducido un 75 %, pero no debe citarse como un precio confirmado antes de consultar la tarifa oficial.","El descuento de caché resulta ventajoso para agentes que leen repetidamente el mismo contexto, pero no reduce en la misma proporción el coste de las tareas que generan muchas salidas.","Según los materiales facilitados, el aumento en los benchmarks es considerable en las tareas de investigación científica y automatización, y relativamente menor en las de programación.","La reducción de las intervenciones de seguridad no debe interpretarse como la eliminación de restricciones, sino como una disminución de los falsos positivos y de los cambios innecesarios a sistemas alternativos en trabajos legítimos de seguridad y ciencia.","La decisión de adoptarlo debe tomarse tras comprobar el ID oficial del modelo, la tarifa, la región de la nube y las condiciones de conservación de datos, y volver a evaluarlo con una muestra de las tareas propias."],"content_markdown":"La actualización presentada como Claude Fable 5.1 se describe como centrada, más que en obtener las puntuaciones más altas en benchmarks, en el coste operativo de los agentes, la forma de responder y la reducción de falsos positivos de las medidas de seguridad. En particular, para los agentes de programación y trabajo que leen repetidamente el mismo prompt del sistema y el historial de tareas, el precio de la caché de prompts puede tener un gran impacto en el coste real.\n\nSin embargo, los materiales proporcionados no incluyen ninguna URL que dirija al anuncio oficial, la tabla de precios o la tarjeta del modelo de Anthropic. Por tanto, a continuación se distinguen claramente las cifras indicadas en los materiales como **afirmaciones de los materiales proporcionados**, y se explican tanto los aspectos que deben comprobarse en la documentación oficial como la forma de evaluar el coste real.\n\n## Conclusiones que deben comprobarse primero\n\n- Los materiales proporcionados describen el nombre del modelo como `Claude Fable 5.1` y el ID del modelo de la API como `claude-fable-5-1`.\n- La fecha de lanzamiento, la longitud del contexto, el límite de salida, la fecha límite de conocimiento, los precios y las cifras de los benchmarks deben volver a comprobarse en la tarjeta oficial del modelo.\n- Según los materiales, el mayor cambio no está en el precio habitual de entrada y salida, sino en la reducción del precio de lectura de caché.\n- El porcentaje de ahorro depende de cuánto se lea repetidamente la caché. El efecto puede ser pequeño en consultas puntuales o tareas centradas en la salida.\n- La afirmación de que se ha reducido la intervención de las medidas de seguridad no significa que se hayan eliminado todas las restricciones de seguridad.\n\n## Especificaciones básicas presentadas en los materiales proporcionados\n\nLa siguiente tabla no es una ficha de especificaciones confirmada oficialmente, sino una estructuración del contenido de los materiales proporcionados. Antes de elegir la API real, debe comprobarse en la descripción general de modelos y en la página de precios de Anthropic si existe el mismo ID de modelo.\n\n| Elemento | Afirmación de los materiales proporcionados | Aspectos que deben comprobarse |\n|---|---:|---|\n| Nombre del modelo | Claude Fable 5.1 | Si figura en la lista oficial de modelos de Anthropic |\n| ID del modelo | `claude-fable-5-1` | Cadena exacta en la consola de la API y la documentación del modelo |\n| Fecha de lanzamiento | 1 de septiembre de 2026 | Fecha del anuncio oficial y momento de disponibilidad general |\n| Ventana de contexto | 1 millón de tokens | Si se ofrece de forma predeterminada, en beta o bajo condiciones independientes |\n| Salida máxima | 128 mil tokens | Límite por solicitud y diferencias entre plataformas |\n| Fecha límite de conocimiento | Junio de 2026 | Fecha límite de conocimiento de la tarjeta oficial del modelo |\n| Precio de entrada | 10 dólares por 1 millón de tokens | Tarifas independientes para lotes, contextos largos, etc. |\n| Precio de salida | 50 dólares por 1 millón de tokens | Si incluye los tokens de razonamiento |\n| Precio de lectura de caché | 0.25 dólares por 1 millón de tokens | Precio de creación de caché y periodo de validez |\n| effort de razonamiento | De low a max, high de forma predeterminada | Nombre del parámetro de la API y rango admitido |\n| Entornos disponibles | Claude API y principales servicios en la nube | Región, nivel de cuenta y fase de lanzamiento |\n\nSi alguno de estos datos difiere de la documentación oficial, los cálculos de costes y el diseño del sistema deben corregirse de acuerdo con dicha documentación. No deben aplicarse las especificaciones de modelos Claude existentes solo porque el nombre del modelo sea similar.\n\n## Por qué el precio de lectura de caché es importante para el coste de los agentes\n\nUn chat normal puede terminar con un único prompt y una única respuesta. En cambio, un agente repite varias veces el siguiente proceso hasta completar una tarea.\n\n1. Lee las instrucciones del sistema y la conversación anterior.\n2. Llama a herramientas de búsqueda de archivos o consulta de datos.\n3. Vuelve a evaluar los resultados de las herramientas junto con el contexto anterior.\n4. Modifica el código o decide la siguiente acción.\n5. Lee los resultados de las pruebas y, si fallan, repite el proceso.\n\nDurante este proceso, tokens que no cambian, como el prompt del sistema, las instrucciones del repositorio, el historial de la conversación y las definiciones de herramientas, pueden volver a enviarse en cada etapa. Si esas partes producen un acierto de caché, puede aplicarse la tarifa de lectura de caché en lugar de la tarifa normal de entrada.\n\nSuponiendo que los precios de los materiales proporcionados sean correctos, el precio de lectura de caché baja de 1 dólar a 0.25 dólares por 1 millón de tokens. La reducción del precio unitario es la siguiente.\n\n`(1.00 - 0.25) ÷ 1.00 × 100 = 75%`\n\nSin embargo, esto no significa que el importe total facturado se reduzca un 75%. Los costes de las nuevas entradas, la creación de caché, las salidas, la ejecución de herramientas y la infraestructura externa permanecen por separado.\n\n### Ejemplo hipotético de cálculo de costes\n\nSupongamos que un conjunto de tareas utiliza 1 millón de tokens de nueva entrada, 20 millones de tokens de lectura de caché y 200 mil tokens de salida. Se excluyen el coste de creación de caché y los costes de herramientas externas.\n\n| Componente del coste | Precio de caché anterior supuesto | Nuevo precio supuesto |\n|---|---:|---:|\n| Nueva entrada | 10 dólares | 10 dólares |\n| Lectura de caché | 20 dólares | 5 dólares |\n| Salida | 10 dólares | 10 dólares |\n| Total | 40 dólares | 25 dólares |\n\nEn este ejemplo, el coste total se reduce un 37.5%. En cambio, si apenas hay lecturas de caché o si la proporción de salida es alta, el porcentaje de reducción será mucho menor.\n\n### Variables que determinan el porcentaje de ahorro\n\n- Tamaño de los prompts y los historiales de tareas repetidos\n- Tasa de aciertos y periodo de validez de la caché\n- Cantidad de resultados de herramientas añadidos en cada etapa\n- Longitud de las respuestas y precio de salida\n- Número de reintentos tras los fallos\n- Coste de crear inicialmente la caché\n- Tarifas independientes y condiciones regionales de la plataforma en la nube\n\nLos materiales proporcionados indican que se midió una reducción de costes de aproximadamente un 25% en tareas generales y de aproximadamente un 45% en agentes con muchas llamadas a herramientas. Estas cifras pueden ser resultados obtenidos con patrones de uso específicos, por lo que no deben utilizarse como porcentajes de ahorro garantizados para todas las cargas de trabajo.\n\n## Los límites de suscripción y los costes de la API no son el mismo concepto\n\nPor lo general, la API calcula los costes en función de los tokens reales de entrada, salida y caché. En cambio, los productos de tarifa plana de Claude pueden gestionar los límites de uso teniendo en cuenta diversos factores, como el número de mensajes, la duración de las sesiones, la carga del modelo y el uso de herramientas.\n\nPor tanto, si el coste por tarea se reduce un 30% en la API, no puede concluirse que el tiempo de uso aumente exactamente un 30% en la tarifa plana. Los usuarios con suscripción deben consultar la información sobre límites dentro del producto y la documentación oficial de soporte de Anthropic.\n\n## Cómo se afirma que han cambiado las cifras de los benchmarks\n\nLos valores comparativos y la magnitud de los cambios indicados en los materiales proporcionados son los siguientes. En las puntuaciones porcentuales, es más preciso considerar también la diferencia en puntos porcentuales que solo el aumento relativo.\n\n| Evaluación | Valor afirmado de Fable 5 | Valor afirmado de Fable 5.1 | Cambio |\n|---|---:|---:|---:|\n| Terminal-Bench-Science | 24.7% | 52.6% | +27.9%p |\n| Terminal-Bench 4.0 | 42.0% | 55.8% | +13.8%p |\n| GDPval-AA v2 | 1,723 | 1,853 | +130 |\n| AutomationBench | 17.1% | 31.4% | +14.3%p |\n| CursorBench 3.2 | 70.5% | 73.4% | +2.9%p |\n| Configuración 1 de HLE | 57.8% | 60.9% | +3.1%p |\n| Configuración 2 de HLE | 63.8% | 65.0% | +1.2%p |\n\nConsiderando únicamente los materiales, la mejora es considerable en las tareas de terminal para investigación científica y en las evaluaciones de automatización, mientras que algunas evaluaciones de programación y conocimiento muestran mejoras graduales. Es difícil interpretar esto como una sustitución generacional completa.\n\nAl comparar benchmarks, deben mantenerse iguales las siguientes condiciones.\n\n- Mismos datos y versión de evaluación\n- Mismas herramientas y permisos de acceso a Internet\n- Mismo effort o configuración de razonamiento\n- Mismo número de reintentos y mismas condiciones de muestreo\n- Uso o no de un modelo de respaldo\n- Coste y tiempo de procesamiento por evaluación\n\nSi la puntuación es mayor, pero el coste o la latencia aumentan considerablemente, no puede afirmarse que sea un modelo más eficiente para el trabajo real.\n\n## La mejora del estilo de escritura debe evaluarse por separado\n\nEs difícil resumir la calidad de la escritura con una única puntuación de benchmark. En el trabajo documental real, es preferible realizar una comparación a ciegas con el modelo anterior según los siguientes criterios.\n\n- Si respeta desde el principio el estilo y el formato solicitados\n- Si se han reducido las introducciones innecesarias y las expresiones repetitivas\n- Si evita inventar detalles sin fundamento\n- Si mantiene la coherencia de la terminología y las conclusiones incluso en documentos largos\n- Si, al solicitar modificaciones, corrige con precisión solo las partes necesarias\n- Si las frases en coreano son naturales y no parecen traducciones literales\n- Si no cambia arbitrariamente el significado de las citas y del texto original\n\nLa evaluación debe realizarse ejecutando varias veces el mismo prompt para reducir la posibilidad de confundir diferencias fortuitas entre respuestas con una mejora del modelo.\n\n## Significado exacto de la reducción de las intervenciones de seguridad\n\nLos materiales proporcionados afirman que las intervenciones de las medidas de seguridad relacionadas con la ciberseguridad en Claude Code disminuyeron aproximadamente un 60% de media por sesión y que el uso de modelos de respaldo en tareas de biología básica y medicina general se redujo aproximadamente un 85%. Si no existe un informe oficial de evaluación, deben comprobarse la muestra, el periodo de medición, la definición de sesión y el denominador de estos porcentajes.\n\nEstos cambios pueden significar que se ha reducido la frecuencia con la que se clasifican erróneamente como peligrosas tareas legítimas con fines defensivos. Por ejemplo, se reducirían las interrupciones innecesarias de las comprobaciones de vulnerabilidades en código autorizado, las propuestas de parches y las revisiones de configuraciones seguras.\n\nSin embargo, reducir los falsos positivos no equivale a eliminar las políticas de seguridad. Las solicitudes que ayuden de manera sustancial a realizar intrusiones reales, robar credenciales, distribuir malware o automatizar ataques pueden seguir estando restringidas. Las organizaciones no deben considerar el hecho de que el modelo haya respondido como una autorización legal o una aprobación del trabajo.\n\n## Las afirmaciones sobre la protección de datos empresariales también requieren comprobar las condiciones contractuales\n\nLos materiales proporcionados explican que un sistema denominado `Enterprise Frontier Safeguard` está diseñado para conservar los datos de los clientes en el entorno en la nube del propio cliente y para que la organización del cliente se encargue también de las revisiones humanas necesarias. Asimismo, afirman que se desarrolló con clientes de los sectores financiero, sanitario, jurídico y público, entre otros, y con importantes proveedores de servicios en la nube.\n\nPara procesar datos sensibles, no deben considerarse únicamente el nombre o el texto de presentación, sino que deben comprobarse los siguientes aspectos en el contrato y la documentación técnica.\n\n| Área de comprobación | Pregunta concreta |\n|---|---|\n| Ubicación de almacenamiento | ¿En qué región se almacenan los prompts, las salidas, los registros y las señales de seguridad? |\n| Periodo de conservación | ¿Cuál es el periodo de conservación predeterminado y qué opciones de eliminación inmediata existen? |\n| Acceso humano | ¿Bajo qué condiciones y qué responsables de qué organización pueden consultar el texto original? |\n| Uso para entrenamiento | ¿Se utilizan los datos de los clientes para entrenar modelos o mejorar productos? |\n| Cifrado | ¿Se admite el cifrado en tránsito y en reposo, así como claves gestionadas por el cliente? |\n| Subencargados del tratamiento | ¿Qué proveedores de servicios y de nube pueden acceder a los datos? |\n| Funciones de auditoría | ¿Se proporcionan registros de acceso, registros de administradores y funciones de exportación? |\n| Respuesta ante incidentes | ¿Cómo se determinan el plazo de notificación de una intrusión y el alcance de la responsabilidad? |\n\nLa explicación de que los datos permanecen en la nube del cliente no significa que se cumplan automáticamente los requisitos normativos o de confidencialidad.\n\n## Procedimiento de verificación antes de la adopción real\n\nEs más importante realizar comprobaciones con las cargas de trabajo propias que recurrir a benchmarks públicos. Las pruebas pueden realizarse en el siguiente orden para comparar conjuntamente los costes y la calidad.\n\n1. Comprobar el nombre y el ID del modelo en la lista oficial de modelos de Anthropic.\n2. Registrar por separado los precios de entrada, salida, creación de caché y lectura de caché indicados en la tabla de precios.\n3. Preparar, sin información personal ni confidencial, una muestra representativa de las tareas ejecutadas con el modelo anterior y determinar el tamaño de la muestra según los criterios internos de evaluación.\n4. Configurar de forma idéntica para cada modelo el effort, los permisos de las herramientas, el número de reintentos y la salida máxima.\n5. Medir la tasa de éxito, el total de tokens, la cantidad de aciertos de caché, la latencia y el tiempo de corrección humana.\n6. En las tareas donde las medidas de seguridad son importantes, como las de seguridad o medicina, probar por separado los falsos positivos en solicitudes legítimas y el bloqueo de solicitudes peligrosas.\n7. Calcular el coste mensual previsto únicamente para las tareas que superen los requisitos de calidad.\n\n### Métricas principales que deben registrarse\n\n- Tasa de finalización de tareas y tasa de éxito en el primer intento\n- Tokens de nueva entrada, lectura de caché y salida por tarea\n- Tasa de aciertos de caché\n- Número de llamadas a herramientas y cantidad de fallos\n- Latencia media y del percentil 95\n- Tiempo empleado por una persona en realizar correcciones\n- Número de intervenciones de las medidas de seguridad y usos de modelos de respaldo\n- Coste total de la API por tarea\n\nEstas métricas son necesarias para determinar si la reducción de precios se ha traducido en una mejora real de la productividad. Si el menor coste de los tokens aumenta el tiempo dedicado a revisar errores, el coste total del trabajo puede incluso incrementarse.\n\n## Precauciones al comparar con modelos de la competencia\n\nLos materiales proporcionados también mencionan los precios de modelos de otras empresas, pero no ofrecen ninguna URL oficial que permita comprobar los nombres de esos modelos ni las condiciones promocionales. Por tanto, no es apropiado volver a citar como definitivos precios de la competencia que no hayan sido verificados.\n\nAl comparar modelos, además del precio superficial por 1 millón de tokens, deben equipararse los siguientes aspectos.\n\n- Longitud del contexto y límite de salida realmente utilizable\n- Precios de creación y lectura de caché, y periodo de validez\n- Método de facturación de los tokens de razonamiento\n- Tasa de éxito de las llamadas a herramientas\n- Número de reintentos necesarios para alcanzar la misma calidad\n- Condiciones de conservación y uso de los datos para entrenamiento\n- Restricciones de región y capacidad de procesamiento\n- Comportamiento del modelo de respaldo en caso de fallo\n\nUn modelo con salidas caras puede tener un coste total menor si completa la tarea en un solo intento, mientras que un modelo con un precio unitario bajo puede resultar más caro si falla repetidamente.\n\n## Evaluación general\n\nSuponiendo que la descripción de los materiales proporcionados se confirme en la documentación oficial, el aspecto esencial de Claude Fable 5.1 no es una reducción general de precios, sino la **mejora de la eficiencia operativa de los agentes que leen una gran cantidad de contexto repetido**. También se presentan como cambios importantes el aumento de los resultados en benchmarks de ciencia y automatización, la mejora del estilo de escritura y la reducción de falsos positivos de las medidas de seguridad en tareas legítimas.\n\nNo obstante, con las pruebas proporcionadas actualmente, es difícil citar como hechos confirmados el nombre del modelo, la fecha de lanzamiento, los precios, los benchmarks y el sistema de protección empresarial. Para una adopción real, primero deben consultarse la documentación oficial de modelos y la tabla de precios de Anthropic, y después medirse la tasa de aciertos de caché, la tasa de finalización y el coste total en las tareas propias.","content_html":"\u003cp\u003eLa actualización presentada como Claude Fable 5.1 se describe como centrada, más que en obtener las puntuaciones más altas en benchmarks, en el coste operativo de los agentes, la forma de responder y la reducción de falsos positivos de las medidas de seguridad. En particular, para los agentes de programación y trabajo que leen repetidamente el mismo prompt del sistema y el historial de tareas, el precio de la caché de prompts puede tener un gran impacto en el coste real.\u003c/p\u003e\n\u003cp\u003eSin embargo, los materiales proporcionados no incluyen ninguna URL que dirija al anuncio oficial, la tabla de precios o la tarjeta del modelo de Anthropic. Por tanto, a continuación se distinguen claramente las cifras indicadas en los materiales como \u003cstrong\u003eafirmaciones de los materiales proporcionados\u003c/strong\u003e, y se explican tanto los aspectos que deben comprobarse en la documentación oficial como la forma de evaluar el coste real.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#conclusiones-que-deben-comprobarse-primero\" class=\"anchor\" id=\"conclusiones-que-deben-comprobarse-primero\"\u003e\u003c/a\u003eConclusiones que deben comprobarse primero\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eLos materiales proporcionados describen el nombre del modelo como \u003ccode\u003eClaude Fable 5.1\u003c/code\u003e y el ID del modelo de la API como \u003ccode\u003eclaude-fable-5-1\u003c/code\u003e.\u003c/li\u003e\n\u003cli\u003eLa fecha de lanzamiento, la longitud del contexto, el límite de salida, la fecha límite de conocimiento, los precios y las cifras de los benchmarks deben volver a comprobarse en la tarjeta oficial del modelo.\u003c/li\u003e\n\u003cli\u003eSegún los materiales, el mayor cambio no está en el precio habitual de entrada y salida, sino en la reducción del precio de lectura de caché.\u003c/li\u003e\n\u003cli\u003eEl porcentaje de ahorro depende de cuánto se lea repetidamente la caché. El efecto puede ser pequeño en consultas puntuales o tareas centradas en la salida.\u003c/li\u003e\n\u003cli\u003eLa afirmación de que se ha reducido la intervención de las medidas de seguridad no significa que se hayan eliminado todas las restricciones de seguridad.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#especificaciones-b%C3%A1sicas-presentadas-en-los-materiales-proporcionados\" class=\"anchor\" id=\"especificaciones-básicas-presentadas-en-los-materiales-proporcionados\"\u003e\u003c/a\u003eEspecificaciones básicas presentadas en los materiales proporcionados\u003c/h2\u003e\n\u003cp\u003eLa siguiente tabla no es una ficha de especificaciones confirmada oficialmente, sino una estructuración del contenido de los materiales proporcionados. Antes de elegir la API real, debe comprobarse en la descripción general de modelos y en la página de precios de Anthropic si existe el mismo ID de modelo.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eElemento\u003c/th\u003e\n\u003cth\u003eAfirmación de los materiales proporcionados\u003c/th\u003e\n\u003cth\u003eAspectos que deben comprobarse\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eNombre del modelo\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003eClaude Fable 5.1\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eSi figura en la lista oficial de modelos de Anthropic\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eID del modelo\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e\u003ccode\u003eclaude-fable-5-1\u003c/code\u003e\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eCadena exacta en la consola de la API y la documentación del modelo\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eFecha de lanzamiento\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e1 de septiembre de 2026\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eFecha del anuncio oficial y momento de disponibilidad general\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eVentana de contexto\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e1 millón de tokens\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eSi se ofrece de forma predeterminada, en beta o bajo condiciones independientes\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eSalida máxima\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e128 mil tokens\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eLímite por solicitud y diferencias entre plataformas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eFecha límite de conocimiento\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003eJunio de 2026\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eFecha límite de conocimiento de la tarjeta oficial del modelo\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003ePrecio de entrada\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e10 dólares por 1 millón de tokens\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eTarifas independientes para lotes, contextos largos, etc.\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003ePrecio de salida\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e50 dólares por 1 millón de tokens\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eSi incluye los tokens de razonamiento\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003ePrecio de lectura de caché\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003e0.25 dólares por 1 millón de tokens\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003ePrecio de creación de caché y periodo de validez\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eeffort de razonamiento\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003eDe low a max, high de forma predeterminada\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eNombre del parámetro de la API y rango admitido\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Elemento\"\u003eEntornos disponibles\u003c/td\u003e\n\u003ctd data-label=\"Afirmación de los materiales proporcionados\"\u003eClaude API y principales servicios en la nube\u003c/td\u003e\n\u003ctd data-label=\"Aspectos que deben comprobarse\"\u003eRegión, nivel de cuenta y fase de lanzamiento\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSi alguno de estos datos difiere de la documentación oficial, los cálculos de costes y el diseño del sistema deben corregirse de acuerdo con dicha documentación. No deben aplicarse las especificaciones de modelos Claude existentes solo porque el nombre del modelo sea similar.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#por-qu%C3%A9-el-precio-de-lectura-de-cach%C3%A9-es-importante-para-el-coste-de-los-agentes\" class=\"anchor\" id=\"por-qué-el-precio-de-lectura-de-caché-es-importante-para-el-coste-de-los-agentes\"\u003e\u003c/a\u003ePor qué el precio de lectura de caché es importante para el coste de los agentes\u003c/h2\u003e\n\u003cp\u003eUn chat normal puede terminar con un único prompt y una única respuesta. En cambio, un agente repite varias veces el siguiente proceso hasta completar una tarea.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eLee las instrucciones del sistema y la conversación anterior.\u003c/li\u003e\n\u003cli\u003eLlama a herramientas de búsqueda de archivos o consulta de datos.\u003c/li\u003e\n\u003cli\u003eVuelve a evaluar los resultados de las herramientas junto con el contexto anterior.\u003c/li\u003e\n\u003cli\u003eModifica el código o decide la siguiente acción.\u003c/li\u003e\n\u003cli\u003eLee los resultados de las pruebas y, si fallan, repite el proceso.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDurante este proceso, tokens que no cambian, como el prompt del sistema, las instrucciones del repositorio, el historial de la conversación y las definiciones de herramientas, pueden volver a enviarse en cada etapa. Si esas partes producen un acierto de caché, puede aplicarse la tarifa de lectura de caché en lugar de la tarifa normal de entrada.\u003c/p\u003e\n\u003cp\u003eSuponiendo que los precios de los materiales proporcionados sean correctos, el precio de lectura de caché baja de 1 dólar a 0.25 dólares por 1 millón de tokens. La reducción del precio unitario es la siguiente.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e(1.00 - 0.25) ÷ 1.00 × 100 = 75%\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003eSin embargo, esto no significa que el importe total facturado se reduzca un 75%. Los costes de las nuevas entradas, la creación de caché, las salidas, la ejecución de herramientas y la infraestructura externa permanecen por separado.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#ejemplo-hipot%C3%A9tico-de-c%C3%A1lculo-de-costes\" class=\"anchor\" id=\"ejemplo-hipotético-de-cálculo-de-costes\"\u003e\u003c/a\u003eEjemplo hipotético de cálculo de costes\u003c/h3\u003e\n\u003cp\u003eSupongamos que un conjunto de tareas utiliza 1 millón de tokens de nueva entrada, 20 millones de tokens de lectura de caché y 200 mil tokens de salida. Se excluyen el coste de creación de caché y los costes de herramientas externas.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eComponente del coste\u003c/th\u003e\n\u003cth\u003ePrecio de caché anterior supuesto\u003c/th\u003e\n\u003cth\u003eNuevo precio supuesto\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente del coste\"\u003eNueva entrada\u003c/td\u003e\n\u003ctd data-label=\"Precio de caché anterior supuesto\"\u003e10 dólares\u003c/td\u003e\n\u003ctd data-label=\"Nuevo precio supuesto\"\u003e10 dólares\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente del coste\"\u003eLectura de caché\u003c/td\u003e\n\u003ctd data-label=\"Precio de caché anterior supuesto\"\u003e20 dólares\u003c/td\u003e\n\u003ctd data-label=\"Nuevo precio supuesto\"\u003e5 dólares\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente del coste\"\u003eSalida\u003c/td\u003e\n\u003ctd data-label=\"Precio de caché anterior supuesto\"\u003e10 dólares\u003c/td\u003e\n\u003ctd data-label=\"Nuevo precio supuesto\"\u003e10 dólares\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente del coste\"\u003eTotal\u003c/td\u003e\n\u003ctd data-label=\"Precio de caché anterior supuesto\"\u003e40 dólares\u003c/td\u003e\n\u003ctd data-label=\"Nuevo precio supuesto\"\u003e25 dólares\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEn este ejemplo, el coste total se reduce un 37.5%. En cambio, si apenas hay lecturas de caché o si la proporción de salida es alta, el porcentaje de reducción será mucho menor.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#variables-que-determinan-el-porcentaje-de-ahorro\" class=\"anchor\" id=\"variables-que-determinan-el-porcentaje-de-ahorro\"\u003e\u003c/a\u003eVariables que determinan el porcentaje de ahorro\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eTamaño de los prompts y los historiales de tareas repetidos\u003c/li\u003e\n\u003cli\u003eTasa de aciertos y periodo de validez de la caché\u003c/li\u003e\n\u003cli\u003eCantidad de resultados de herramientas añadidos en cada etapa\u003c/li\u003e\n\u003cli\u003eLongitud de las respuestas y precio de salida\u003c/li\u003e\n\u003cli\u003eNúmero de reintentos tras los fallos\u003c/li\u003e\n\u003cli\u003eCoste de crear inicialmente la caché\u003c/li\u003e\n\u003cli\u003eTarifas independientes y condiciones regionales de la plataforma en la nube\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eLos materiales proporcionados indican que se midió una reducción de costes de aproximadamente un 25% en tareas generales y de aproximadamente un 45% en agentes con muchas llamadas a herramientas. Estas cifras pueden ser resultados obtenidos con patrones de uso específicos, por lo que no deben utilizarse como porcentajes de ahorro garantizados para todas las cargas de trabajo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#los-l%C3%ADmites-de-suscripci%C3%B3n-y-los-costes-de-la-api-no-son-el-mismo-concepto\" class=\"anchor\" id=\"los-límites-de-suscripción-y-los-costes-de-la-api-no-son-el-mismo-concepto\"\u003e\u003c/a\u003eLos límites de suscripción y los costes de la API no son el mismo concepto\u003c/h2\u003e\n\u003cp\u003ePor lo general, la API calcula los costes en función de los tokens reales de entrada, salida y caché. En cambio, los productos de tarifa plana de Claude pueden gestionar los límites de uso teniendo en cuenta diversos factores, como el número de mensajes, la duración de las sesiones, la carga del modelo y el uso de herramientas.\u003c/p\u003e\n\u003cp\u003ePor tanto, si el coste por tarea se reduce un 30% en la API, no puede concluirse que el tiempo de uso aumente exactamente un 30% en la tarifa plana. Los usuarios con suscripción deben consultar la información sobre límites dentro del producto y la documentación oficial de soporte de Anthropic.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#c%C3%B3mo-se-afirma-que-han-cambiado-las-cifras-de-los-benchmarks\" class=\"anchor\" id=\"cómo-se-afirma-que-han-cambiado-las-cifras-de-los-benchmarks\"\u003e\u003c/a\u003eCómo se afirma que han cambiado las cifras de los benchmarks\u003c/h2\u003e\n\u003cp\u003eLos valores comparativos y la magnitud de los cambios indicados en los materiales proporcionados son los siguientes. En las puntuaciones porcentuales, es más preciso considerar también la diferencia en puntos porcentuales que solo el aumento relativo.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eEvaluación\u003c/th\u003e\n\u003cth\u003eValor afirmado de Fable 5\u003c/th\u003e\n\u003cth\u003eValor afirmado de Fable 5.1\u003c/th\u003e\n\u003cth\u003eCambio\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eTerminal-Bench-Science\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e24.7%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e52.6%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+27.9%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eTerminal-Bench 4.0\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e42.0%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e55.8%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+13.8%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eGDPval-AA v2\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e1,723\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e1,853\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+130\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eAutomationBench\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e17.1%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e31.4%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+14.3%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eCursorBench 3.2\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e70.5%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e73.4%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+2.9%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eConfiguración 1 de HLE\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e57.8%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e60.9%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+3.1%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eConfiguración 2 de HLE\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5\"\u003e63.8%\u003c/td\u003e\n\u003ctd data-label=\"Valor afirmado de Fable 5.1\"\u003e65.0%\u003c/td\u003e\n\u003ctd data-label=\"Cambio\"\u003e+1.2%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eConsiderando únicamente los materiales, la mejora es considerable en las tareas de terminal para investigación científica y en las evaluaciones de automatización, mientras que algunas evaluaciones de programación y conocimiento muestran mejoras graduales. Es difícil interpretar esto como una sustitución generacional completa.\u003c/p\u003e\n\u003cp\u003eAl comparar benchmarks, deben mantenerse iguales las siguientes condiciones.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMismos datos y versión de evaluación\u003c/li\u003e\n\u003cli\u003eMismas herramientas y permisos de acceso a Internet\u003c/li\u003e\n\u003cli\u003eMismo effort o configuración de razonamiento\u003c/li\u003e\n\u003cli\u003eMismo número de reintentos y mismas condiciones de muestreo\u003c/li\u003e\n\u003cli\u003eUso o no de un modelo de respaldo\u003c/li\u003e\n\u003cli\u003eCoste y tiempo de procesamiento por evaluación\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eSi la puntuación es mayor, pero el coste o la latencia aumentan considerablemente, no puede afirmarse que sea un modelo más eficiente para el trabajo real.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#la-mejora-del-estilo-de-escritura-debe-evaluarse-por-separado\" class=\"anchor\" id=\"la-mejora-del-estilo-de-escritura-debe-evaluarse-por-separado\"\u003e\u003c/a\u003eLa mejora del estilo de escritura debe evaluarse por separado\u003c/h2\u003e\n\u003cp\u003eEs difícil resumir la calidad de la escritura con una única puntuación de benchmark. En el trabajo documental real, es preferible realizar una comparación a ciegas con el modelo anterior según los siguientes criterios.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eSi respeta desde el principio el estilo y el formato solicitados\u003c/li\u003e\n\u003cli\u003eSi se han reducido las introducciones innecesarias y las expresiones repetitivas\u003c/li\u003e\n\u003cli\u003eSi evita inventar detalles sin fundamento\u003c/li\u003e\n\u003cli\u003eSi mantiene la coherencia de la terminología y las conclusiones incluso en documentos largos\u003c/li\u003e\n\u003cli\u003eSi, al solicitar modificaciones, corrige con precisión solo las partes necesarias\u003c/li\u003e\n\u003cli\u003eSi las frases en coreano son naturales y no parecen traducciones literales\u003c/li\u003e\n\u003cli\u003eSi no cambia arbitrariamente el significado de las citas y del texto original\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eLa evaluación debe realizarse ejecutando varias veces el mismo prompt para reducir la posibilidad de confundir diferencias fortuitas entre respuestas con una mejora del modelo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#significado-exacto-de-la-reducci%C3%B3n-de-las-intervenciones-de-seguridad\" class=\"anchor\" id=\"significado-exacto-de-la-reducción-de-las-intervenciones-de-seguridad\"\u003e\u003c/a\u003eSignificado exacto de la reducción de las intervenciones de seguridad\u003c/h2\u003e\n\u003cp\u003eLos materiales proporcionados afirman que las intervenciones de las medidas de seguridad relacionadas con la ciberseguridad en Claude Code disminuyeron aproximadamente un 60% de media por sesión y que el uso de modelos de respaldo en tareas de biología básica y medicina general se redujo aproximadamente un 85%. Si no existe un informe oficial de evaluación, deben comprobarse la muestra, el periodo de medición, la definición de sesión y el denominador de estos porcentajes.\u003c/p\u003e\n\u003cp\u003eEstos cambios pueden significar que se ha reducido la frecuencia con la que se clasifican erróneamente como peligrosas tareas legítimas con fines defensivos. Por ejemplo, se reducirían las interrupciones innecesarias de las comprobaciones de vulnerabilidades en código autorizado, las propuestas de parches y las revisiones de configuraciones seguras.\u003c/p\u003e\n\u003cp\u003eSin embargo, reducir los falsos positivos no equivale a eliminar las políticas de seguridad. Las solicitudes que ayuden de manera sustancial a realizar intrusiones reales, robar credenciales, distribuir malware o automatizar ataques pueden seguir estando restringidas. Las organizaciones no deben considerar el hecho de que el modelo haya respondido como una autorización legal o una aprobación del trabajo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#las-afirmaciones-sobre-la-protecci%C3%B3n-de-datos-empresariales-tambi%C3%A9n-requieren-comprobar-las-condiciones-contractuales\" class=\"anchor\" id=\"las-afirmaciones-sobre-la-protección-de-datos-empresariales-también-requieren-comprobar-las-condiciones-contractuales\"\u003e\u003c/a\u003eLas afirmaciones sobre la protección de datos empresariales también requieren comprobar las condiciones contractuales\u003c/h2\u003e\n\u003cp\u003eLos materiales proporcionados explican que un sistema denominado \u003ccode\u003eEnterprise Frontier Safeguard\u003c/code\u003e está diseñado para conservar los datos de los clientes en el entorno en la nube del propio cliente y para que la organización del cliente se encargue también de las revisiones humanas necesarias. Asimismo, afirman que se desarrolló con clientes de los sectores financiero, sanitario, jurídico y público, entre otros, y con importantes proveedores de servicios en la nube.\u003c/p\u003e\n\u003cp\u003ePara procesar datos sensibles, no deben considerarse únicamente el nombre o el texto de presentación, sino que deben comprobarse los siguientes aspectos en el contrato y la documentación técnica.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eÁrea de comprobación\u003c/th\u003e\n\u003cth\u003ePregunta concreta\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eUbicación de almacenamiento\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿En qué región se almacenan los prompts, las salidas, los registros y las señales de seguridad?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003ePeriodo de conservación\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Cuál es el periodo de conservación predeterminado y qué opciones de eliminación inmediata existen?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eAcceso humano\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Bajo qué condiciones y qué responsables de qué organización pueden consultar el texto original?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eUso para entrenamiento\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Se utilizan los datos de los clientes para entrenar modelos o mejorar productos?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eCifrado\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Se admite el cifrado en tránsito y en reposo, así como claves gestionadas por el cliente?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eSubencargados del tratamiento\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Qué proveedores de servicios y de nube pueden acceder a los datos?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eFunciones de auditoría\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Se proporcionan registros de acceso, registros de administradores y funciones de exportación?\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Área de comprobación\"\u003eRespuesta ante incidentes\u003c/td\u003e\n\u003ctd data-label=\"Pregunta concreta\"\u003e¿Cómo se determinan el plazo de notificación de una intrusión y el alcance de la responsabilidad?\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eLa explicación de que los datos permanecen en la nube del cliente no significa que se cumplan automáticamente los requisitos normativos o de confidencialidad.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#procedimiento-de-verificaci%C3%B3n-antes-de-la-adopci%C3%B3n-real\" class=\"anchor\" id=\"procedimiento-de-verificación-antes-de-la-adopción-real\"\u003e\u003c/a\u003eProcedimiento de verificación antes de la adopción real\u003c/h2\u003e\n\u003cp\u003eEs más importante realizar comprobaciones con las cargas de trabajo propias que recurrir a benchmarks públicos. Las pruebas pueden realizarse en el siguiente orden para comparar conjuntamente los costes y la calidad.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eComprobar el nombre y el ID del modelo en la lista oficial de modelos de Anthropic.\u003c/li\u003e\n\u003cli\u003eRegistrar por separado los precios de entrada, salida, creación de caché y lectura de caché indicados en la tabla de precios.\u003c/li\u003e\n\u003cli\u003ePreparar, sin información personal ni confidencial, una muestra representativa de las tareas ejecutadas con el modelo anterior y determinar el tamaño de la muestra según los criterios internos de evaluación.\u003c/li\u003e\n\u003cli\u003eConfigurar de forma idéntica para cada modelo el effort, los permisos de las herramientas, el número de reintentos y la salida máxima.\u003c/li\u003e\n\u003cli\u003eMedir la tasa de éxito, el total de tokens, la cantidad de aciertos de caché, la latencia y el tiempo de corrección humana.\u003c/li\u003e\n\u003cli\u003eEn las tareas donde las medidas de seguridad son importantes, como las de seguridad o medicina, probar por separado los falsos positivos en solicitudes legítimas y el bloqueo de solicitudes peligrosas.\u003c/li\u003e\n\u003cli\u003eCalcular el coste mensual previsto únicamente para las tareas que superen los requisitos de calidad.\u003c/li\u003e\n\u003c/ol\u003e\n\u003ch3\u003e\n\u003ca href=\"#m%C3%A9tricas-principales-que-deben-registrarse\" class=\"anchor\" id=\"métricas-principales-que-deben-registrarse\"\u003e\u003c/a\u003eMétricas principales que deben registrarse\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eTasa de finalización de tareas y tasa de éxito en el primer intento\u003c/li\u003e\n\u003cli\u003eTokens de nueva entrada, lectura de caché y salida por tarea\u003c/li\u003e\n\u003cli\u003eTasa de aciertos de caché\u003c/li\u003e\n\u003cli\u003eNúmero de llamadas a herramientas y cantidad de fallos\u003c/li\u003e\n\u003cli\u003eLatencia media y del percentil 95\u003c/li\u003e\n\u003cli\u003eTiempo empleado por una persona en realizar correcciones\u003c/li\u003e\n\u003cli\u003eNúmero de intervenciones de las medidas de seguridad y usos de modelos de respaldo\u003c/li\u003e\n\u003cli\u003eCoste total de la API por tarea\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEstas métricas son necesarias para determinar si la reducción de precios se ha traducido en una mejora real de la productividad. Si el menor coste de los tokens aumenta el tiempo dedicado a revisar errores, el coste total del trabajo puede incluso incrementarse.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#precauciones-al-comparar-con-modelos-de-la-competencia\" class=\"anchor\" id=\"precauciones-al-comparar-con-modelos-de-la-competencia\"\u003e\u003c/a\u003ePrecauciones al comparar con modelos de la competencia\u003c/h2\u003e\n\u003cp\u003eLos materiales proporcionados también mencionan los precios de modelos de otras empresas, pero no ofrecen ninguna URL oficial que permita comprobar los nombres de esos modelos ni las condiciones promocionales. Por tanto, no es apropiado volver a citar como definitivos precios de la competencia que no hayan sido verificados.\u003c/p\u003e\n\u003cp\u003eAl comparar modelos, además del precio superficial por 1 millón de tokens, deben equipararse los siguientes aspectos.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eLongitud del contexto y límite de salida realmente utilizable\u003c/li\u003e\n\u003cli\u003ePrecios de creación y lectura de caché, y periodo de validez\u003c/li\u003e\n\u003cli\u003eMétodo de facturación de los tokens de razonamiento\u003c/li\u003e\n\u003cli\u003eTasa de éxito de las llamadas a herramientas\u003c/li\u003e\n\u003cli\u003eNúmero de reintentos necesarios para alcanzar la misma calidad\u003c/li\u003e\n\u003cli\u003eCondiciones de conservación y uso de los datos para entrenamiento\u003c/li\u003e\n\u003cli\u003eRestricciones de región y capacidad de procesamiento\u003c/li\u003e\n\u003cli\u003eComportamiento del modelo de respaldo en caso de fallo\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eUn modelo con salidas caras puede tener un coste total menor si completa la tarea en un solo intento, mientras que un modelo con un precio unitario bajo puede resultar más caro si falla repetidamente.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#evaluaci%C3%B3n-general\" class=\"anchor\" id=\"evaluación-general\"\u003e\u003c/a\u003eEvaluación general\u003c/h2\u003e\n\u003cp\u003eSuponiendo que la descripción de los materiales proporcionados se confirme en la documentación oficial, el aspecto esencial de Claude Fable 5.1 no es una reducción general de precios, sino la \u003cstrong\u003emejora de la eficiencia operativa de los agentes que leen una gran cantidad de contexto repetido\u003c/strong\u003e. También se presentan como cambios importantes el aumento de los resultados en benchmarks de ciencia y automatización, la mejora del estilo de escritura y la reducción de falsos positivos de las medidas de seguridad en tareas legítimas.\u003c/p\u003e\n\u003cp\u003eNo obstante, con las pruebas proporcionadas actualmente, es difícil citar como hechos confirmados el nombre del modelo, la fecha de lanzamiento, los precios, los benchmarks y el sistema de protección empresarial. Para una adopción real, primero deben consultarse la documentación oficial de modelos y la tabla de precios de Anthropic, y después medirse la tasa de aciertos de caché, la tasa de finalización y el coste total en las tareas propias.\u003c/p\u003e\n","tags":["IA generativa","Protección de datos","Agentes de IA","Anthropic","Desarrollo de IA","Claude"],"faqs":[{"question":"¿Es Claude Fable 5.1 un modelo anunciado oficialmente por Anthropic?","answer":"Aunque así consta en los materiales proporcionados, no se incluye ningún comunicado oficial ni la URL de la ficha del modelo. Hasta que se confirme el ID de modelo exacto `claude-fable-5-1` en la descripción general de modelos de Anthropic y en la consola de la API, es más seguro no afirmar que se trata de un modelo lanzado oficialmente."},{"question":"Si el precio de lectura de la caché baja un 75 %, ¿también se reduce un 75 % el coste total de la API?","answer":"No. El 75 % es la tasa de reducción del propio precio unitario de lectura de la caché. Como los costes de las entradas nuevas, la creación de la caché, las salidas y las herramientas externas se mantienen, el ahorro total depende de la proporción que representen las lecturas de la caché en el coste total."},{"question":"¿Qué tareas se benefician más del descuento por almacenamiento en caché de prompts?","answer":"Resulta ventajoso para los agentes de programación y la automatización del trabajo que leen repetidamente, a lo largo de varias etapas, instrucciones extensas del sistema, información del repositorio, el historial de conversaciones o definiciones de herramientas. El efecto es limitado en preguntas puntuales o tareas cuyo contexto cambia considerablemente cada vez."},{"question":"Si se reduce el coste de la API, ¿también aumentan en la misma proporción los límites de la suscripción a Claude?","answer":"No se puede afirmar eso. La facturación por tokens de la API y los límites de uso de los planes de tarifa fija pueden regirse por políticas diferentes. Cualquier cambio real en los límites de los productos de suscripción debe comprobarse por separado en la información oficial de productos de Anthropic."},{"question":"Si mejora la puntuación de los benchmarks, ¿se obtienen mejores resultados en todas las tareas?","answer":"No. Los benchmarks son resultados medidos con datos, herramientas y condiciones de evaluación específicos. Es necesario volver a medir la tasa de finalización y el coste con muestras de las tareas que se utilizarán realmente, como la redacción de documentos en coreano, la modificación de código interno o las tareas prolongadas de agentes."},{"question":"¿La reducción de las intervenciones de las medidas de seguridad significa que se permiten todas las solicitudes relacionadas con la seguridad?","answer":"No. Debe interpretarse como una reducción de los falsos positivos y de los cambios innecesarios a modelos de respaldo en tareas defensivas legítimas. Las solicitudes con un alto potencial de causar daños, como intrusiones reales, distribución de malware o robo de credenciales, pueden seguir estando restringidas."},{"question":"Si los datos empresariales se almacenan en la propia nube, ¿se garantiza el cumplimiento normativo?","answer":"No. Además de la ubicación de almacenamiento de los datos, se deben verificar en el contrato y la documentación técnica el plazo de conservación, el acceso humano, si se utilizan para el entrenamiento, los subencargados del tratamiento, el cifrado, los registros de auditoría y las condiciones de notificación de incidentes."},{"question":"¿Cuáles son las métricas más importantes para decidir si se adopta Fable 5.1?","answer":"Se deben medir conjuntamente la tasa de finalización de las tareas propias, el volumen de aciertos de caché, el total de tokens por tarea, el número de reintentos, la latencia, el tiempo de corrección humana y el coste total de la API. No se debe decidir la adopción basándose únicamente en un benchmark público."}],"sources":[{"url":"https://docs.anthropic.com/en/docs/about-claude/models/overview","title":"Documentación de Anthropic — Descripción general de los modelos","type":"source"},{"url":"https://docs.anthropic.com/en/docs/about-claude/pricing","title":"Documentación de Anthropic — Precios","type":"data_point"},{"url":"https://www.anthropic.com/news","title":"Noticias de Anthropic","type":"source"}],"images":[{"id":1037,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MjUsInB1ciI6ImJsb2JfaWQifX0=--88627a9169f91e2f5d1d6aba13072e24e1e4bd22/ai-a85979fa.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"서버실에서 터치스크린으로 시스템 상태를 확인하는 기술자","caption":"기술자가 서버 랙 옆에서 시스템 모니터링 화면을 점검하고 있다.","description":null},"en":{"alt":"Technician checking system status on a touchscreen in a server room","caption":"A technician reviews monitoring data beside rows of server racks.","description":null},"ja":{"alt":"サーバールームでタッチスクリーンのシステム状態を確認する技術者","caption":"技術者がサーバーラックの横で監視データを点検している。","description":null},"es":{"alt":"Técnica revisando el estado del sistema en una pantalla táctil de una sala de servidores","caption":"Una técnica examina datos de monitoreo junto a varios racks de servidores.","description":null},"id":{"alt":"Teknisi memeriksa status sistem pada layar sentuh di ruang server","caption":"Seorang teknisi meninjau data pemantauan di samping deretan rak server.","description":null},"pt":{"alt":"Técnica verificando o status do sistema em uma tela sensível ao toque na sala de servidores","caption":"Uma técnica analisa dados de monitoramento ao lado de racks de servidores.","description":null},"zh-hant":{"alt":"技術人員在伺服器機房透過觸控螢幕查看系統狀態","caption":"技術人員在成排伺服器機櫃旁檢查監控資料。","description":null},"de":{"alt":"Technikerin prüft den Systemstatus auf einem Touchscreen in einem Serverraum","caption":"Eine Technikerin kontrolliert Überwachungsdaten neben mehreren Serverracks.","description":null}}},{"id":1038,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MzEsInB1ciI6ImJsb2JfaWQifX0=--5857ba722b25c8c08da7fe4bb6c910dec3cbcabb/ai-50a0ff25.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"AI 칩을 중심으로 비용 감소, 성능 지표, 보안 점검을 나타낸 인포그래픽","caption":"AI 시스템의 비용·성능·안전성 검증 과정을 시각화한 개념도다.","description":null},"en":{"alt":"Infographic of an AI chip with falling costs, performance charts, and security checks","caption":"The illustration visualizes the evaluation of an AI system’s cost, performance, and safety.","description":null},"ja":{"alt":"AIチップを中心にコスト低下、性能指標、セキュリティ確認を示す図","caption":"AIシステムのコスト、性能、安全性を検証する流れを可視化している。","description":null},"es":{"alt":"Infografía de un chip de IA con costes a la baja, métricas de rendimiento y controles de seguridad","caption":"La ilustración representa la evaluación del coste, el rendimiento y la seguridad de un sistema de IA.","description":null},"id":{"alt":"Infografik cip AI dengan biaya menurun, grafik kinerja, dan pemeriksaan keamanan","caption":"Ilustrasi ini memvisualkan evaluasi biaya, kinerja, dan keamanan sistem AI.","description":null},"pt":{"alt":"Infográfico de chip de IA com custos em queda, métricas de desempenho e verificações de segurança","caption":"A ilustração representa a avaliação de custo, desempenho e segurança de um sistema de IA.","description":null},"zh-hant":{"alt":"以AI晶片為中心，呈現成本下降、效能指標與安全檢查的資訊圖","caption":"此圖呈現評估AI系統成本、效能與安全性的流程。","description":null},"de":{"alt":"Infografik eines KI-Chips mit sinkenden Kosten, Leistungsdiagrammen und Sicherheitsprüfungen","caption":"Die Grafik veranschaulicht die Bewertung von Kosten, Leistung und Sicherheit eines KI-Systems.","description":null}}}],"published_at":"2026-09-03T19:59:42+09:00","updated_at":"2026-09-03T19:59:42+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/es/articles/claude-fable-5-1-claims-verification"}