El agente que se queda prendido todo el día, ahora más barato

El 1 de septiembre Anthropic presentó Claude Fable 5.1 y Claude Mythos 5.1. La parte que se cuenta más —mejor en programación, mejor en tareas largas— es real, pero no es la que más debería importarle a un negocio que ya paga por usar IA todos los días. La que importa es otra: cambió cuánto cuesta que un agente siga trabajando, no solo que conteste una vez.

El cambio está en una parte del precio que casi nunca se explica: lo que cuesta que el modelo vuelva a “ver” el mismo contexto que ya había visto un momento antes, algo que un agente que trabaja por horas hace todo el tiempo. Esa sola pieza del precio —tomada de la página oficial de Anthropic— es la que explica por qué el ahorro sube tanto cuanto más tiempo se queda prendido el agente, y por qué antes de este cambio dejarlo trabajando toda una jornada era, para muchos negocios, más caro de lo que valía.

Por qué cuesta menos releer que leer por primera vez

Imagina a alguien a quien le entregas un manual de veinte páginas antes de cada tarea del día. La primera vez que lo lee, tiene sentido que cobre por leerlo completo. Pero si en la tarea número doce todavía está cobrando lo mismo por releer las mismas veinte páginas que ya se sabe de memoria, algo en el precio está mal ajustado a lo que realmente pasó.

Eso es, en esencia, lo que corrigió este anuncio. Antes, un agente que trabajaba durante horas —revisando el mismo documento, la misma base de código, las mismas instrucciones, paso tras paso— pagaba casi el precio completo cada vez que volvía a “ver” ese contexto, aunque fuera la centésima vez en la misma sesión. Con Fable 5.1, esa relectura cuesta 2.5% de lo que cuesta leer algo nuevo.

Es la razón exacta por la que el ahorro no es parejo: una consulta suelta apenas relee nada, así que baja poco. Un agente que se queda trabajando toda la tarde relee constantemente lo mismo, así que ahí es donde el recorte de 75% en esa parte del precio se nota — hasta el 45% del que habla Anthropic para el uso más agéntico.

Los números, sin adornarlos

Según el anuncio oficial, Fable 5.1 cuesta 10 dólares por millón de tokens de entrada y 50 por millón de salida — la misma lista de precios que su predecesor, Fable 5. Lo que cambió es el precio de releer contexto ya visto: antes costaba una fracción alta del precio normal, y ahora cuesta 0.25 dólares por millón de tokens, un recorte de 75% frente a Fable 5.

Traducido a lo que paga una empresa al mes, Anthropic da dos referencias: el trabajo típico —consultas, redacción, resúmenes— baja alrededor de 25%. El trabajo muy agéntico —un agente que revisa código, procesa lotes o mantiene una tarea abierta por horas, releyendo el mismo contexto cientos de veces— baja hasta 45%, precisamente porque es el que más veces vuelve a leer lo mismo.

No es casualidad que el recorte más grande caiga justo en el tipo de uso que antes era el más caro de sostener. Es, en los hechos, un precio diseñado para que dejar un agente trabajando todo el día deje de ser la parte más cara de tenerlo.

Lo que sí mejoró, no solo lo que bajó de precio

Es fácil leer todo esto como una simple rebaja de lista de precios y quedarse corto. Anthropic reporta que Fable 5.1 supera a su propio predecesor, a Opus 5 y al GPT-5.6 Sol de OpenAI en varios de sus exámenes internos — no en todos, y no por márgenes iguales en cada uno, pero sí de forma consistente en las pruebas de programación y trabajo de investigación que la empresa eligió reportar.

La combinación es la que hace la diferencia para un negocio que ya paga por esto: no es “lo mismo de siempre, más barato”. Es un modelo que, según sus propias pruebas, rinde mejor en las tareas largas y agénticas, al mismo tiempo que esas tareas cuestan menos por hora de trabajo sostenido. Las dos cosas juntas son las que cambian si un agente prendido todo el día deja de ser un lujo y pasa a ser una cuenta que cierra.

Con una advertencia que vale la pena dejar explícita: los exámenes de calidad los corrió y los eligió Anthropic, sobre su propio modelo. No es un dato menos verdadero por eso, pero sí es una comparación hecha por quien tiene interés en que salga bien. Los porcentajes de ahorro en cambio son un dato de precio, público y verificable por cualquiera contra su propia factura — ahí no hay margen de interpretación posible.

La otra mitad del anuncio: dos niveles de confianza

Fable 5.1 y Mythos 5.1 son, según Anthropic, el mismo modelo por debajo — lo que cambia es cuánto se le permite hacer. Fable 5.1 está disponible para cualquiera desde el primer día. Mythos 5.1 solo se entrega a través de programas de acceso verificado, con permisos pensados para dos usos específicos: defensa en ciberseguridad y investigación en ciencias de la vida.

Es la primera vez que Anthropic separa así, explícitamente, “lo que cualquiera puede usar” de “lo que solo se entrega con vetting”, dentro de la misma familia de modelo. Para un negocio que no toca ninguno de esos dos terrenos, esta mitad del anuncio no cambia nada operativo hoy. Pero marca hacia dónde va el criterio de la industria: capacidad más barata para todos, y las capacidades más sensibles cada vez más reservadas a quien se verificó primero.

Menos falsos positivos, no solo menos precio

El anuncio incluye dos cifras que casi nadie repite fuera de la nota técnica, y que importan si tu equipo usa Claude Code o algo similar para trabajo de verdad. El filtro de ciberseguridad se activa alrededor de 60% menos por sesión: bloquea con menos frecuencia trabajo legítimo de revisión de seguridad, que antes se topaba con más falsos positivos por el simple hecho de parecerse a un ataque. El filtro de biología se activa 85% menos ante preguntas médicas ordinarias.

La lectura correcta no es “el modelo se volvió menos cuidadoso”. Es que el cuidado dejó de estorbarle al uso normal. Un filtro que interrumpe constantemente trabajo inocente entrena a la gente a rodearlo o a dejar de usar la herramienta ahí donde más ayuda — que es justo el escenario que un filtro debería evitar, no producir.

Anthropic también describe una nueva capa para empresas, que llama Enterprise Frontier Safeguards: una arquitectura pensada para que la información de monitoreo de los agentes —qué hicieron, cuándo, con qué datos— se quede dentro de la infraestructura que la propia empresa controla, en vez de vivir solo del lado de Anthropic. Es relevante sobre todo para quien piensa dejar un agente trabajando con información sensible por periodos largos: es, en los hechos, el registro que necesitas para poder auditar después qué hizo mientras nadie lo miraba.

Si no contratas el modelo directo, sino una herramienta que lo trae por dentro

La mayoría de los negocios no llaman al modelo de Anthropic ellos mismos: contratan una herramienta que ya lo trae por dentro — un asistente de atención al cliente, un programa de contabilidad con IA integrada, un editor de código con autocompletado. Para ese caso, el ahorro de este anuncio no es un botón que se aprieta el mismo día: depende de que quien te vendió la herramienta decida actualizar qué modelo corre por dentro.

Vale la pena, entonces, hacerle una pregunta concreta a cualquier proveedor de software que ya uses y que incluya IA: en qué modelo corre, y cada cuánto lo actualizan. Algunas herramientas migran en días; otras tardan meses, porque antes tienen que probar que nada se rompe con el cambio. Mientras no migren, el ahorro y la mejora de este anuncio simplemente no te tocan, aunque la noticia diga que ya está disponible.

Si el proveedor no puede contestar esa pregunta con precisión, es una señal por sí sola — no necesariamente mala, pero sí una que dice qué tan al día te mantiene en un terreno que cambia cada pocas semanas.

Cuándo esto no te sirve

Si tu uso ya era puntual, no continuo. El recorte grande —hasta 45%— es para quien mantiene un agente trabajando por periodos largos. Si tu uso es preguntas sueltas a lo largo del día, el ahorro real está más cerca del 25%, y en algunos casos ni eso, porque casi no hay contexto que releer.

Si nadie en tu equipo sabe leer una factura de API. El ahorro llega en la forma de un precio por millón de tokens que baja. Si hoy nadie mide cuánto se gasta ni en qué, no vas a poder confirmar si el recorte se refleja en tu cuenta —vas a estar creyéndolo, no viéndolo.

Si el trabajo que quieres delegar no debería repetirse tantas veces. Precio más bajo por relectura hace más barato mantener un agente insistiendo sobre el mismo problema. Si el problema de fondo es que el proceso está mal diseñado, un agente más barato lo hace más fácil de dejar como está, no de arreglarlo.

Si tu caso roza terreno de acceso verificado. Nada de lo que baja de precio aquí aplica a lo que Anthropic reserva para Mythos 5.1. Si tu negocio hace trabajo cercano a ciberseguridad ofensiva o investigación biomédica, el precio no es el obstáculo — el acceso sí lo es, y pasa por un programa de verificación, no por una tarjeta de crédito.

Si tu gasto de hoy ya es pequeño. Un porcentaje alto sobre un número chico sigue siendo un número chico. Si hoy pagas quince dólares al mes, un ahorro de 45% son poco más de seis — real, pero no el tipo de cambio que justifica reorganizar cómo trabaja tu equipo. La calculadora de arriba está para ver justamente eso con tu número, antes de emocionarte con el porcentaje solo.

Esto no se queda quieto, y tu decisión tampoco debería

Este anuncio no ocurrió solo. En la misma semana, OpenAI presentó su propio modelo de nueva generación con capacidades distintas pero comparables. El ritmo al que se mueven los precios y las capacidades de estos modelos es alto, y va a seguir siéndolo — lo que hoy es la mejor opción por precio puede dejar de serlo en cuestión de semanas, no de años.

La implicación práctica no es perseguir cada anuncio. Es no tratar la decisión de hoy como definitiva. Si activas un agente persistente con estos precios, vale la pena revisar el gasto real cada tres meses, no solo la primera vez que lo prendiste — y volver a pasar la misma tarea por el checklist de abajo cuando cambie el modelo que hay detrás, no solo cuando cambie el precio.

Por eso esta pieza trae una fecha de verificación, no solo de publicación: un precio o un porcentaje de ahorro que hoy es exacto puede dejar de serlo, y la fecha al pie es la que te dice hasta cuándo puedes confiar en él tal cual está escrito aquí.

Qué hacer el lunes

Paso 1 (10 minutos). Abre tu factura de API o de la herramienta que uses, del mes pasado. Anota el total. Es el número que le vas a poner a la calculadora de arriba dentro de un mes, para comparar contra lo que de verdad pasó.

Paso 2 (15 minutos). Identifica una sola tarea que hoy hagas con consultas sueltas y que podría, en cambio, quedarse trabajando sola por un rato largo —revisar un lote de documentos, procesar una cola de pendientes. Pásala por las cinco preguntas de la plantilla.

Paso 3 (20 minutos). Si pasa las cinco preguntas, actívala esta semana con supervisión diaria. Guarda el gasto de esa semana aparte del resto, para poder comparar el antes y el después con un número tuyo, no con el 45% de nadie más.