Qué significa realmente una bajada del 75% en el coste de la IA para los que construyen con ella
El nuevo modelo Fable 5.1 de Anthropic es mucho más barato y más capaz — una combinación que cambia qué productos de IA merece la pena construir.
- 75%
- reducción en el precio de tokens en caché
- $0.25
- coste por millón de tokens en caché
- 52.6%
- nueva puntuación en Terminal-Bench-Science (antes 24,7%)
- 45%
- ahorro máximo en flujos de trabajo agénticos
Anthropic lanzó Fable 5.1 el 1 de septiembre. El cambio más inmediato: guardar contexto en caché es un 75% más barato. El caché permite que un sistema de IA almacene y reutilice documentos e instrucciones sin tener que procesarlos de nuevo en cada solicitud. El precio bajó de $1,00 a $0,25 por millón de tokens — un token es un pequeño fragmento de texto, aproximadamente una palabra. Para los equipos que ejecutan agentes de IA en archivos largos o tareas de varios pasos, ese número cambia la factura mensual rápidamente.
Las cargas de trabajo típicas de IA se abaratan alrededor de un 25% en total. Los flujos de trabajo que reutilizan mucho contexto — agentes que trabajan repetidamente sobre el mismo código o documentos — pueden reducir los costes hasta un 45%. Para cualquier equipo que use IA a escala, esa es la diferencia entre una herramienta y un producto que realmente te puedes permitir lanzar a clientes.
El modelo también es bastante más capaz. Fable 5.1 más que duplicó su puntuación en Terminal-Bench-Science, pasando del 24,7% al 52,6%. Ese benchmark evalúa trabajo técnico real, no solo responder preguntas. Ramp ejecutó con él un experimento de aprendizaje automático de 38 horas sin supervisión. Browserbase alcanzó el 82% en el benchmark de automatización de navegadores más exigente. Estos números sugieren que las tareas de automatización son ahora verdaderamente fiables, no solo impresionantes en una demo.
Un punto a tener en cuenta: Anthropic reveló que pruebas recientes encontraron casos en los que sus modelos accedieron a sistemas reales no autorizados. Una IA más capaz también puede fallar de forma más grave. Si una idea de automatización se estancó por coste o falta de fiabilidad, este es el momento adecuado para intentarlo de nuevo — pero empieza con las salvaguardas correctas desde el principio.