Tres aparatos que funcionaron a la primera y Fermat demostrado en 28,7 horas: lo que Claude Fable 5.2 hizo antes de salir

Un altavoz, un asistente de voz y una mascota virtual

El dato que más sorprende del lanzamiento de Claude Fable 5.2 no es un benchmark. Anthropic le pidió, con un prompt de un párrafo, diseñar tres aparatos electrónicos completos: un altavoz con micrófonos y Bluetooth que se conecta por USB-C, un hub de asistente de voz para casa y una mascota virtual de bolsillo con batería. Claude escribió las especificaciones, eligió componentes disponibles en distribuidores de Estados Unidos, dibujó los esquemas, trazó placas de cuatro capas, modeló las carcasas para impresión 3D y programó el firmware.

Diode, una empresa que diseña y fabrica placas, las fabricó directamente con los archivos de Claude, sin rondas de cambios. Los tres aparatos funcionaron sin modificaciones eléctricas. Por el camino, Claude escribió su propio enrutador de pistas en una media hora porque el de KiCad era demasiado lento con un conector de 100 pines, corrigió seis zonas de máscara de soldadura demasiado finas y reajustó el puerto del micrófono del hub de 25 a unos 10 mm para mover su resonancia de 3,4 a 8,9 kHz.

Los ingenieros de Diode montaron y probaron las placas siguiendo sus instrucciones, porque Claude no tenía acceso a los equipos. Y Anthropic es clara con el alcance: son prototipos sin validación eléctrica, ajuste de antena, pruebas térmicas ni certificación. En sus pruebas de diseño de placas, PCB Gym, Fable 5.2 marca un 69 % frente al 25 % de Fable 5.

Fermat en 28,7 horas, con Git y una base de datos

En septiembre, un modelo interno de Anthropic formalizó en Lean la demostración del último teorema de Fermat en 11 días, con unos 6.000 millones de tokens de salida y la guía ocasional de un investigador. Con Fable 5.2, el equipo repitió el reto como experimento: un agente líder y 999 ayudantes, cada uno en su sandbox, partiendo de 60 enunciados, un esbozo de una frase y 47 lemas ya demostrados. Sin plataforma especializada y sin un investigador dirigiendo.

Los agentes se coordinaron solo con Git y una base de datos Postgres de cinco tablas. Al principio, los ayudantes juzgaron imposibles 47 de los 60 enunciados con el presupuesto disponible; el líder reasignó gente y la mayoría cayó. Para el más duro, Langlands–Tunnell, montaron un árbol de 2.418 tareas de hasta diez niveles. La actividad se detuvo hacia la hora 18 y hubo que reanudar desde el último guardado. El teorema final quedó demostrado en la hora 28,7, con un tercio de los tokens de salida y una prueba siete veces más corta que la de septiembre. Con la misma configuración, Opus 5.5 completó el 26 % en 18 horas.

La parte que más interesa a quien monta agentes es la seguridad. Ningún agente tenía red ni herramientas de mensajería, cada uno solo podía subir a su propia rama y un clasificador revisaba cada llamada a herramienta antes de ejecutarla. En más de un millón de llamadas, ninguna llegó al umbral de bloqueo. Anthropic lo llama experimento de juguete: una máquina compartida empezó a sufrir a partir de unos 100 agentes.

Agujeros negros y virus, con letra pequeña

Anthropic afirma que Fable 5.2 resolvió dos problemas abiertos de física teórica sobre agujeros negros, los dos basados en la dualidad holográfica. Uno ya está publicado como preprint: la transición de Hawking-Page, que se sabía abrupta en universos grandes, también lo es a acoplamiento débil, según un cálculo que se planteó en 2003 y nadie había terminado. El matiz importa: el preprint atribuye el resultado a un modelo de investigación interno de Claude guiado por un físico, que lo comparó con casos ya conocidos, y se etiqueta como texto generado principalmente por IA.

En biología, Mythos 5.2 encontró una forma de predecir la estructura completa de la cápside de virus adenoasociados, la cubierta que se usa para llevar terapias génicas. Ejecutó dos modelos abiertos de plegamiento sobre grupos solapados de cadenas y unió las piezas usando sus simetrías. Acertó en 28 de las 34 cápsides que intentó. Con ESMFold2, la de AAV2 le llevó unos siete minutos en una sola GPU H200.

Qué está demostrado y qué no

Todos estos estudios los firma o los cuenta Anthropic, y el nivel de prueba no es el mismo. Esta tabla resume cada uno.

Las mejoras que notarás tú

Más allá de los récords, hay cambios que se notan en el trabajo diario. Anthropic dice que más del 90 % de los cambios que se fusionan en su código principal ya los escribe Claude con guía humana. Un equipo de agentes con una versión temprana de Fable 5.2 migró un servicio de producción de Python a Rust, que ahora arranca unas 26 veces más rápido. Discovered Materials cuenta que hizo el código de fonones de Quantum ESPRESSO 36 veces más rápido de media: sus 13 casos pasaron de 3,3 horas a menos de cuatro minutos.

También cambia cómo se comporta. Fable 5.2 bloquea un 55 % menos de peticiones legítimas que Fable 5.1. En la auditoría automática de comportamiento, Mythos 5.2 saca 2,67 sobre 10 (menos es mejor), frente a 2,79 de Opus 5.5, y baja en alucinar entradas, decir que terminó una tarea que no terminó y ocultar trabajo flojo. Varios probadores destacan lo mismo: dice que no sabe en vez de inventar.

Un ejemplo hipotético de uso razonable: una startup de hardware podría encargarle la primera revisión de una placa sencilla y su carcasa, y reservar a sus ingenieros la validación, la antena y la certificación. Eso es justo la frontera que marcan los propios estudios: Fable 5.2 ya llega a un prototipo que funciona, pero no a un producto que puedas vender sin revisar.

Fuentes