Claude Fable 5 y la clase Mythos: cuando el agente trabaja días, no minutos
Anthropic lanzó Claude Fable 5 y abrió la clase Mythos. Por qué medir agentes en días de trabajo continuo cambia la conversación sobre IA en las empresas.
Pasé veinte años construyendo búsqueda empresarial. En ese tiempo aprendí algo que la mayoría de los discursos sobre IA todavía ignora: la métrica que importa no es cuán inteligente es la respuesta. Es cuánto tiempo aguanta el sistema trabajando solo antes de necesitarte de vuelta.
El 9 de junio de 2026 Anthropic lanzó Claude Fable 5, y junto con él presentó algo nuevo: la clase Mythos. Fable 5 es el primer modelo Mythos-class ampliamente disponible; su hermano más avanzado, Mythos 5, sigue en acceso limitado. Esto no es un detalle de notas de versión. Es Anthropic diciendo, en público, que creó una categoría separada para modelos que sostienen agentes de larga duración, capaces de trabajar días seguidos en una misma tarea.
Qué cambia cuando el agente aguanta días, no minutos
La mayor parte de la industria todavía mide agentes en turnos de conversación o en tareas de pocos minutos. Es un techo artificial: el modelo pierde contexto, pierde disciplina, empieza a alucinar decisiones después de algunas decenas de pasos. La propuesta de la clase Mythos, según la propia Anthropic, es romper ese techo: agentes diseñados para operar en horizontes de días, manteniendo coherencia y objetivo a lo largo de una cadena larga de acciones.
Para quien construye producto con agentes —como hacemos en Arvor— eso cambia el diseño de la solución. Un agente que aguanta un día de trabajo continuo no es solo “más rápido”. Cambia lo que te atreves a delegar. Migración de datos, auditoría de contratos, conciliación financiera, investigación jurídica extensa: tareas que hoy exigen supervisión humana constante porque ningún modelo tenía el aliento. La clase Mythos es la apuesta de que eso cambia.
El acceso limitado a Mythos 5 no es una falla, es una señal
Vale notar lo que Anthropic no hizo: no abrió Mythos 5 a todo el mundo. Sigue en acceso limitado mientras Fable 5 —el modelo Mythos-class “de entrada”, por así decirlo— ya está ampliamente disponible. Esto es coherente con cómo las empresas serias lanzan capacidad que puede salirse de control: primero prueban con pocos, con telemetría cerrada, antes de soltarla en general. La documentación técnica de uso y límites está en platform.claude.com/docs.
Quien construye producto sobre estos modelos debería leer esa señal con atención. Un agente de larga duración es también un agente con más superficie de error acumulado: un paso equivocado el día 1 puede componerse y volverse un problema grande el día 3. Limitar el acceso a la cima de la clase es Anthropic comprando tiempo para entender ese riesgo antes de generalizarlo.
Qué significa esto para quien decide hoy
La conversación que importa no es “qué modelo es más inteligente”. Es: ¿cuántas horas de trabajo autónomo puedo confiarle a un agente antes de necesitar auditar el resultado? Las empresas que ya tienen procesos de auditoría y gobernanza de agentes van a sacarle más provecho a los modelos Mythos-class, más rápido, que las empresas que todavía tratan la IA como un chatbot con esteroides. Eso es arquitectura, no elección de modelo.
En Arvor diseñamos agentes pensando en ese horizonte desde el primer día —es literalmente lo que hacemos en consultoría y en nuestra práctica de construcción de cerebros corporativos y personales. Si tu empresa quiere entender qué significa delegar días de trabajo, y no minutos, a un agente, escríbenos o conocé la consultoría agéntica de Arvor.