TL;DR
· Claude Fable 5 reanudó el acceso el 1 de julio, y después del 7 de julio, más uso se trasladará a créditos de uso.
· El precio oficial es de $10 por millón de tokens de entrada y $50 por millón de tokens de salida; las sesiones largas y los bucles automáticos amplifican el consumo.
· Es más adecuado que los usuarios utilicen Fable 5 en las fases de planificación y revisión, mientras que las tareas de ejecución se entregan a modelos más baratos.

Claude Fable 5 se ha reabierto, y el ahorro en costos de tokens se ha convertido en un tema central de discusión entre los usuarios. Este modelo insignia, denominado por Anthropic como "el modelo más capaz ampliamente lanzado", está diseñado para razonamiento intensivo y tareas de agente a largo plazo, con una ventana de contexto de 1 millón de tokens y una salida máxima de 128,000 tokens. El problema directo que trae esta mejora es que, en Claude Code, Managed Agents o sesiones largas, el modelo puede seguir pensando, invocando herramientas y revisando repetidamente, amplificando la presión sobre la factura.

Según la página oficial de Anthropic, Claude Fable 5 reanudó el acceso el 1 de julio de 2026 para usuarios de Pro, Max, Team y Enterprise, así como a través de canales como Claude Platform, AWS, Google Cloud y Microsoft Foundry. El precio oficial es de $10 por millón de tokens de entrada y $50 por millón de tokens de salida, y la lectura de prompt caching tiene un descuento de hasta el 90% sobre el precio de entrada.

Anthropic, en el anuncio "Redeploying Fable 5", indicó que los usuarios de Pro, Max, Team y algunos de Enterprise pueden usar el modelo hasta el 50% de sus límites de uso semanal antes del 7 de julio. Después de esa fecha, el uso continuo se facturará a través de créditos de uso.

Por lo tanto, Fable 5 no es adecuado para ser abierto como un modelo de chat predeterminado. Es más como un arquitecto y revisor costoso, adecuado para establecer la dirección al inicio de la tarea y para controlar la calidad antes de finalizarla, mientras que el trabajo de ejecución intermedio se entrega a modelos más baratos.

Lo más caro no es una respuesta única, sino que las tareas largas se ejecuten automáticamente

La presión de costos de Fable 5 proviene primero del precio unitario.

Con $10 por millón de tokens de entrada y $50 por millón de tokens de salida, es de por sí un modelo de alto precio. En preguntas y respuestas cortas, el usuario puede no notarlo mucho. Pero una vez que se entra en escenarios de larga cadena como modificación de código, organización de datos, planes de productos, tareas de investigación o agentes automatizados, la salida de tokens, el contexto, las llamadas a herramientas y las correcciones múltiples se acumulan.

Lo que amplifica aún más el consumo son las fortalezas de Fable 5.

La documentación oficial lo posiciona como adecuado para "trabajo de agente a largo plazo", es decir, trabajo de agente de largo horizonte. Puede dividir la tarea en múltiples etapas, verificar activamente las brechas y, si es necesario, continuar invocando herramientas o subtareas para avanzar. Para tareas complejas, esto es muy valioso: el usuario no tiene que dar indicaciones manuales en cada paso, y el modelo puede iterar por sí mismo en torno al objetivo.

Pero si el objetivo no es claro, el alcance es demasiado amplio o el tiempo es demasiado largo, el modelo puede seguir ejecutándose para hacer la tarea más completa. El autor del texto original mencionó que en las primeras horas de prueba casi agotó los límites de uso, a pesar de no haber ejecutado tareas particularmente extremas. Esta experiencia es más un comentario de usuario que una estimación de costos oficial, pero advierte un riesgo real: las sesiones largas, los bucles automáticos y el mal uso por defecto se traducirán más directamente en consumo de créditos después del 7 de julio.

"10-80-10": Solo usa Fable en los dos extremos clave

El método central propuesto en el texto original es cambiar Fable 5 de "ejecutor de principio a fin" a "guardián del antes y después".

El llamado "10-80-10" corresponde aproximadamente a tres fases de un proyecto de IA.

El primer 10% usa Fable para planificar. Que defina la estructura de la tarea, la ruta de ejecución, los criterios de éxito, las restricciones y el formato de entrega. No es más adecuado para la ejecución mecánica, sino para establecer un plan claro antes de comenzar una tarea compleja.

El 80% intermedio se reemplaza con un modelo más barato para ejecutar. Una gran cantidad de tokens suele consumirse en revisiones repetidas, ajustes de formato, pequeñas correcciones de código, organización de datos, generación ordinaria e iteraciones de ida y vuelta. Esta parte del trabajo no necesariamente requiere la participación total de Fable 5; se puede delegar a Opus, Sonnet, Haiku u otros modelos de menor costo.

El último 10% vuelve a traer a Fable para revisar. Una vez que el modelo barato ha completado la ejecución principal, Fable compara los resultados con el plan original para verificar si se ha desviado del objetivo, si hay omisiones, qué partes necesitan reparación y si se cumplen los estándares de publicación. Como en este punto está revisando productos existentes, no generando todo desde cero, el consumo de tokens suele ser mucho menor.

Este método no equivale a una fórmula de ahorro garantizada por el fabricante. El autor original menciona que, en algunos escenarios, reemplazar la capa de ejecución con un modelo más barato puede reducir el gasto de tokens en más del 50%, pero esto debe entenderse más como una experiencia de uso. La idea realmente replicable es que los modelos de alta gama no tienen que asumir todo el trabajo intensivo en tokens; son más adecuados para las etapas de juicio, arquitectura y detección de errores.

/goal y /loop hacen que los agentes sean más útiles, pero también que los costos sean menos perceptibles

Otro cambio en Fable 5 es que es más adecuado para flujos de trabajo de agente.

En el método de indicación tradicional, el usuario hace una pregunta y el modelo responde. El usuario verifica y luego pregunta de nuevo; el ciclo es impulsado por la persona. Cada paso, si continuar, corregir o detenerse, lo decide el usuario.

En el entorno de Claude Code, /goal y /loop convierten este proceso en una ejecución más automatizada.

Según la documentación de Anthropic, /goal se ejecuta continuamente hasta que se cumple la condición o el usuario lo borra, y puede mostrar el gasto de tokens. El fabricante también recomienda que los usuarios agreguen límites de tiempo o número de iteraciones, como "detenerse después de 20 rondas". Un mejor objetivo no debería ser solo "ayúdame a modificar el código", sino especificar qué se debe completar, cómo verificar los resultados, qué restricciones no se pueden violar y cuándo detenerse.

/loop se usa para ejecutar un prompt repetidamente a intervalos, por ejemplo, cada 5 minutos para verificar el estado de una implementación, o Claude puede elegir dinámicamente el intervalo. La documentación oficial indica que las tareas de bucle tienen una regla de caducidad de 7 días. Estas funciones son adecuadas para monitoreo, iteración, verificación, reparaciones a largo plazo y tareas de agente; el modelo puede continuar avanzando sin esperar indicaciones repetidas del usuario.

El riesgo de costos también está aquí.

El bucle automático cambia "la confirmación manual humana del siguiente paso" a "el modelo continúa ejecutándose según el plan". Si el objetivo es demasiado amplio, la condición de finalización es vaga, el intervalo es demasiado denso o la duración es demasiado larga, Fable 5 puede seguir consumiendo tokens después de que el usuario se haya ido. Cuanto más hábil sea el modelo para encontrar problemas, agregar pasos y autoverificarse, más necesita el usuario establecer límites duros de antemano.

Por lo tanto, 10-80-10 y la ingeniería de bucles son más adecuados para usarse juntos: Fable 5 se encarga de diseñar el bucle, establecer el objetivo y los criterios de aceptación; la capa de ejecución se entrega principalmente a modelos baratos; solo cuando el bucle se cierra, el resultado necesita ser juzgado o se requiere control de calidad en nodos clave, se involucra a Fable 5.

Después del 7 de julio, la selección del modelo y el límite de gasto deben revisarse nuevamente

Para los usuarios comunes, el riesgo más directo no son los flujos de trabajo complejos, sino el mal uso.

El texto original advierte que, al abrir Claude Code o la aplicación Claude, el modelo puede seleccionar Fable por defecto. Esta afirmación es más una experiencia de usuario; los materiales oficiales no la expresan como una regla uniforme. Pero en el período en que se reabre el nuevo modelo y la plataforma alienta a los usuarios a probar, algunos usuarios pueden usar inadvertidamente el modelo más caro en conversaciones ordinarias, organización simple o tareas de bajo valor.

Cuando comience la facturación por créditos, este mal uso será más sensible. Las conversaciones simples, las reescrituras ligeras, el formateo y los resúmenes ordinarios no necesitan necesariamente Fable 5. Verificar el selector de modelo antes de cada sesión puede convertirse en una acción básica para los usuarios frecuentes.

Otro recordatorio práctico es establecer un límite de gasto.

Según la documentación de soporte de Anthropic, los créditos de uso deben habilitarse en Configuración > Uso. Los usuarios pueden configurar un método de pago y comprar o recargar créditos, así como configurar un límite de gasto mensual, recarga automática y alertas de uso. Claude Code también es aplicable a los créditos de uso.

Sin un límite mensual, las tareas largas, los bucles automáticos y la ejecución de agentes pueden acumular costos significativos en poco tiempo. Para los usuarios frecuentes, establecer un límite de gasto mensual, usar alertas y escribir condiciones de detención claras en /goal o /loop, ya no es solo una configuración financiera, sino parte del uso de modelos de agente.

El nuevo hábito que traen modelos como Fable 5 es asignar modelos según el valor y la dificultad de la tarea. La planificación, los juicios complejos y las revisiones finales merecen Fable; la ejecución repetitiva, la generación ordinaria y las modificaciones ligeras son más adecuadas para modelos baratos. Los modelos de alta gama están pasando de ser "chatbots más inteligentes" a "agentes que pueden trabajar automáticamente"; cuanto más capaces son, más necesita el usuario establecer de antemano objetivos, límites, tiempo y presupuesto. De lo contrario, una factura fuera de control puede aparecer antes que el fracaso de la tarea.

Haga clic para conocer los puestos vacantes en BlockBeats

¡Bienvenido a unirte a la comunidad oficial de BlockBeats!

Grupo de suscripción de Telegram: https://t.me/theblockbeats

Grupo de discusión de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia