Opus 5 no busca superar a Fable: Anthropic elige abaratar la IA frente al empuje chino de Kimi K3

Por Ars Technica · 25 de julio de 2026. Anthropic ha presentado Opus 5, la actualización de su modelo más usado para tareas de programación y desarrollo de software. Según los gráficos de la propia Anthropic, en pruebas como Frontier-Bench y DeepSWE (bancos de pruebas que miden capacidad de codificación agéntica) Opus 5 rinde a un nivel similar o ligeramente superior a Fable, uno de los modelos de gama alta de la casa para programación, y supera a su predecesor Opus 4.8 y al GPT-5.6-Sol de OpenAI en prácticamente todas las categorías evaluadas, siempre según los datos publicados por Anthropic.

Lo relevante no es ese salto de rendimiento, que Ars Technica describe como una mejora modesta más que un avance radical, comparable a los incrementos habituales entre versiones. Lo relevante es el precio: Opus 5 cuesta 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida (los tokens son las unidades mínimas de texto que procesa un modelo, y su precio determina el coste real de usarlo a gran escala), la misma tarifa que su antecesor, pero notablemente por debajo de Fable. Anthropic vende explícitamente esta versión como "casi Fable a la mitad de coste", según recoge Ars Technica.

Hay una renuncia deliberada detrás de ese ahorro. Anthropic ha decidido no entrenar a Opus 5 con los datos más avanzados de ciberseguridad que sí recibieron Fable y Mythos. La propia compañía admite que el modelo es razonablemente bueno detectando vulnerabilidades, pero reconoce que queda "sustancialmente por detrás de Mythos 5" en la explotación de esas vulnerabilidades, es decir, en usarlas realmente para atacar un sistema. Como consecuencia, Opus 5 tampoco arrastra las salvaguardas más polémicas de Fable, como la retención de datos de conversación durante 30 días para revisión ante un posible incidente de seguridad. Conviene no confundir esto con un modelo intrínsecamente más inseguro para el usuario: es una decisión de diseño que reduce capacidad ofensiva a cambio de menos fricción operativa, y distinta cobertura la ha resumido de forma más laxa como que Opus 5 es el modelo "más seguro" de Anthropic hasta la fecha; conviene leer esa etiqueta con matices, porque se refiere a un recorte de capacidades de explotación, no a garantías adicionales para el usuario final.

El contexto explica por qué Anthropic ha optado por esta vía. El artículo original señala que el chino Kimi K3, modelo de peso abierto (open-weight, es decir, con los parámetros del modelo publicados para que cualquiera pueda ejecutarlo y modificarlo), ya ofrece un rendimiento similar a 15 dólares por millón de tokens de salida, por debajo incluso de la nueva tarifa de Opus 5. A esto se suma el auge de los "model routers": sistemas, ya en uso por empresas como Cursor y Meta, que seleccionan automáticamente el modelo más barato capaz de resolver cada tarea concreta, en lugar de recurrir siempre al más potente y caro disponible.

Nuestra lectura es que Opus 5 confirma algo que llevamos meses señalando en Zendoric: la competencia en IA se ha desplazado del marcador de benchmarks a la economía real de servir estos modelos a escala. Ya no basta con ser el más listo; hay que ser también el más barato para la tarea que el cliente necesita resolver, porque el propio mercado —vía routers de modelos y alternativas abiertas— está aprendiendo a no pagar de más por inteligencia que no usa. Es la misma dinámica que vimos con Kimi K2.6 igualando penúltimas generaciones occidentales: la ventaja de EE.UU. ya no se mide en generaciones de capacidad, sino en meses, y ahora también en dólares por millón de tokens.

Para Anthropic esto es, a la vez, una buena y una mala noticia. Buena porque demuestra que puede ofrecer un producto "suficientemente bueno" a precio competitivo sin sacrificar del todo su gama alta (Fable sigue ahí para quien necesite el máximo). Mala porque reconoce, implícitamente, que el margen para justificar precios de frontera se está estrechando: si Anthropic no sigue bajando el coste por token o mejorando el rendimiento sin subir precio, sus propios usuarios migrarán hacia modelos abiertos o locales en cuanto estos sean "suficientemente buenos" para las tareas cotidianas de desarrollo, que son la mayoría. Esta presión de precios, lejos de ser mala noticia de fondo, es exactamente el tipo de dinámica que acelera la abundancia que defendemos como horizonte de largo plazo: cuanta más competencia por ofrecer capacidad a menor coste, antes deja la IA de ser un lujo de frontera y se convierte en infraestructura accesible para cualquier equipo, en cualquier país, con cualquier presupuesto.