Modelos Claude comparados: Haiku vs Sonnet vs Opus vs Fable 5 (Mythos 5)

Esta es la referencia de formato largo. Para la versión rápida de cinco minutos (tabla rápida + reglas del enrutador), consulte la blog complementario.

1. ¿Por qué comparar los modelos de Claude?

La mayoría de los equipos no pierden dinero porque sus indicaciones sean malas. Pierden dinero porque utilizan el modelo más caro para todo, o porque tratan la elección del modelo como una preferencia vaga en lugar de una decisión de producto presupuestada. La alineación de Claude está explícitamente escalonada: está diseñada para que puedas igualar forma de tarea hasta el modelo más pequeño que lo terminará bien.

El resultado práctico: la selección del modelo es una de las palancas más simples que puede utilizar para mejorar latencia, calidad, y costo por resultado al mismo tiempo.

2. La alineación moderna de Claude (2026)

Todos los modelos actuales de Claude son compatibles entrada de texto e imagen, capacidades multilingües, y visióny están disponibles a través de Claude API, Claude Platform en AWS, Amazon Bedrock, Google Cloud y Microsoft Foundry.

2.1 Especificaciones que realmente deberían interesarte

Claude Mythos 5 (claude-mythos-5) está cerrado y comparte las mismas especificaciones y precios que Fable 5, pero se combina con una arquitectura de seguridad diferente (sin clasificadores de seguridad de la misma manera que Fable 5). Si no tiene acceso, aún puede ejecutar esencialmente la misma lógica de integración usando Fable 5 cuando esté disponible.

2.2 Límite de conocimiento (por qué es importante para la “información actual”)

La descripción general del modelo de Anthropic enumera:

• Límite de conocimiento confiable: Enero de 2026 para Fable 5 / Opus 4.8 / Sonnet 5; Febrero de 2025 para Haiku 4.5.
• Límite de datos de entrenamiento: en términos generales, enero de 2026 para Fable 5 / Opus 4.8 / Sonnet 5; Julio de 2025 para Haiku 4.5.

Toma práctica: si necesita datos después del límite, utilice recuperación (RAG) o una herramienta, independientemente del nivel de modelo.

3. Qué significan los niveles en la práctica

3.1 Latencia y la realidad del token de salida

En toda la alineación, la economía simbólica difiere más por salida que por entrada. Una forma sencilla de pensarlo:

• El haiku es más barato (y más rápido) cuando quieres respuestas breves y estructuradas.
• Opus y Sonnet gastan más, pero aún así escalan bien cuando sus indicaciones son limitadas.
• Fable 5 es costoso porque está diseñado para ejecuciones largas y difíciles en las que el modelo debe permanecer dentro del alcance a lo largo del tiempo.

Si permite que cualquier modelo produzca texto ilimitado, los tokens de salida dominan el gasto. Por eso salida máxima (o instrucciones estrictas para TLDR primero) son importantes para todos los niveles, no solo para Fable 5.

3.2 Pensamiento adaptativo versus pensamiento extendido

La tabla general de Anthropic destaca dos diferencias:

• Fable 5 / Opus 4.8 / Sonnet 5 Tener el pensamiento adaptativo siempre activo.
• Haiku 4.5 Tiene pensamiento extendido disponible, pero el pensamiento adaptativo está desactivado.

Toma práctica: use Haiku para tareas de gran volumen, pero tenga en cuenta que no está optimizado para el mismo comportamiento de “adaptarse siempre” a largo plazo. Cuando te encuentres con ambigüedad o necesidades de planificación profundas, pasa a Sonnet/Opus/Fable.

3.3 El esfuerzo como dial coste-calidad

El esfuerzo es el control principal para el equilibrio entre inteligencia, latencia y costo en Fable 5 y Mythos 5. Opus 4.8 y Sonnet 5 también exponen el control del esfuerzo en las superficies API.

Implicaciones prácticas: el error de migración más común no es un “mensaje incorrecto”. Es “maximizar el esfuerzo en todas partes”. Para la mayoría de las cargas de trabajo de producción, se obtiene el mejor valor al enrutar el esfuerzo deliberadamente (tareas baratas con un esfuerzo bajo/medio, tareas difíciles con un esfuerzo mayor).

4. Una matriz de decisiones que puedes implementar

En lugar de preguntar "¿Qué modelo es mejor?", pregunte "¿Qué modelo puede terminar?" esto ¿Flujo de trabajo con la menor cantidad de tokens costosos?

5. Plano de enrutamiento para producción (barato -> inteligente -> frontera)

Este es un patrón práctico que funciona bien cuando tienes una combinación de tareas: algunas fáciles, otras difíciles y muchas “mayormente fáciles pero ocasionalmente complicadas”.

5.1 Enrutador paso a paso

1. Clasificar con Haiku. Determinar la intención y la complejidad aproximada; También calcule si necesita un contexto prolongado o el uso de herramientas.
2. Ejecute el camino principal en Sonnet u Opus. Soneto para la mayoría de las tareas “serias pero limitadas”. Opus cuando espera una codificación agente compleja o una depuración más profunda.
3. Escale a Fable 5 para un verdadero trabajo a largo plazo. Ejemplos: refactores entre repositorios, síntesis de múltiples documentos donde el modelo debe mantener vivas múltiples restricciones y ejecuciones autónomas que delegan subtareas.
4. Manejar las alternativas/rechazos. Si Fable 5 se niega debido a los clasificadores de seguridad, recurra a Opus 4.8 (u otro modelo apropiado) según los requisitos de su producto.

5.2 Presupuestar el enrutador (no permitir que la escalada borre los ahorros)

Un enrutador puede ser rentable sólo si la escalada es poco frecuente. Agregue restricciones para que el nivel costoso no pueda aumentar:

• Establezca tokens de salida máxima en cada nivel.
• Utilice instrucciones TLDR primero para que el modelo pueda detenerse antes de tiempo cuando se sepa lo suficiente.
• Caché de prefijos estables (indicadores del sistema y esquemas de herramientas) para reducir los costos de entrada repetidos.

6. Economía simbólica que puedes utilizar como control de cordura

Debido a que el precio es por token, puedes calcular el costo por solicitud. Usando los valores de precios de descripción general del modelo:

• Fable 5: $10 de entrada / $50 de salida por MTok
• Opus 4.8: $5 de entrada / $25 de salida por MTok
• ⟦T5⟧: $3 de entrada / $15 de salida por MTok
• Haiku 4.5: $1 de entrada / $5 de salida por MTok

Fórmula aproximada (ingrese sus estimaciones):

cost ~= (input_tokens / 1_000_000) * input_price
     + (output_tokens / 1_000_000) * output_price

Regla de cordura: si los tokens de salida son grandes, Fable 5 se convierte rápidamente en el factor de costo dominante. Es por eso que la estructura rápida y los límites de producción son más importantes de lo que muchos equipos esperan.

7. Indicar patrones en todos los niveles

La mayoría de las mejores prácticas de indicaciones se aplican a todos los modelos de Claude: proporcione objetivos claros, limite el formato de salida y solicite solo lo que necesita. Las diferencias específicas de nivel se muestran en cómo longitud del control y esfuerzo de control.

7.1 Reglas generales que previenen fugas presupuestarias

• Lidera con el resultado. Tu primera línea debe decir lo que pasó o lo que encontraste.
• Solicite TLDR primero. Deje que el modelo se detenga temprano cuando pueda.
• Deslizamiento del alcance de la tapa. No solicite funciones adicionales, refactorizaciones o mejoras "es agradable tenerlas" a menos que se soliciten.
• Longitud de salida enlazada. Utilice tokens de salida máximos o formatos estrictos.

7.2 Cuando Fable 5 cambia el trabajo

Fable 5 está diseñado para una autonomía de largo plazo: puede mantener la producción productiva durante períodos prolongados, delegar subtareas y mantenerse coherente cuando la tarea realmente consta de varios pasos. La diferencia que incita no es simplemente “más razonamiento”. Es que puedes (y debes) estructurar los flujos de trabajo como objetivos + puntos de control + evidencia basada en herramientas, en lugar de forzar todo a una respuesta única.

8. Flujos de trabajo de ejemplo (qué usar y dónde)

8.1 Haiku 4.5

• Clasifique las solicitudes entrantes (intención + complejidad) y enrútelas al nivel correcto.
• Extraiga campos estructurados en JSON para sistemas posteriores.
• Resuma pasajes breves con un esquema estricto y un límite máximo de producción.

8.2 ⟦T5⟧

• Refactorice y explique el código con un formato de "qué/por qué/cómo".
• Redacte contenido orientado al cliente con un tono coherente y resultados breves.
• Cree herramientas de agente que aún necesiten velocidad (llamadas de herramientas + bucles cortos).

8.3 Opus 4.8

• Codificación agente compleja: cambios en varios archivos, depuración más profunda y razonamiento más cuidadoso en todo el sistema.
• Análisis de documentos empresariales: hojas de cálculo, diapositivas e informes extensos.
• Tareas difíciles pero limitadas en las que aún desea una respuesta de nivel empresarial, no solo un boceto.

8.4 Fable 5 (y Mythos 5)

• Migraciones de código de varios días entre repositorios con uso de herramientas y pasos de verificación.
• Síntesis de múltiples documentos donde la retención de instrucciones y la coherencia a lo largo de largos períodos son esenciales.
• Flujos de trabajo autónomos que delegan subtareas y continúan después de resultados intermedios.

9. Notas de migración

9.1 Migración a Opus 4.8

Si actualmente estás en Opus 4.7 o anterior, comienza por:

• Asegurándose de configurar effort explícitamente cuando tenga requisitos de latencia o presupuesto.
• Revisar cualquier habilidad que pueda ser demasiado prescriptiva. Una mayor capacidad puede amplificar instrucciones demasiado específicas.
• Volver a probar los supuestos de longitud de salida y aplicar límites máximos de salida cuando sea necesario.

9.2 Migración de Opus a Fable 5

Fable 5 no es una “Opus más rápida”. Trátelo como una herramienta de flujo de trabajo para tareas a largo plazo:

• Mover a meta + estructuración de puntos de control (especialmente para carreras agentes).
• Delegue subtareas en lugar de apilar todo en un hilo largo.
• Utilice el almacenamiento en caché y la salida limitada para que las ejecuciones largas no inflen el gasto.

10. Errores comunes

• Usando Fable para todo. Está destinado a casos difíciles y de largo plazo.
• Sin límites de salida. Incluso Haiku puede resultar costoso si le permites generar texto ilimitado.
• Suponiendo que las ventanas de contexto sean intercambiables. Haiku tiene 200.000 tokens; los demás tienen por defecto 1M.
• Ignorando las diferencias de corte. Si necesita información posterior al corte, utilice herramientas/recuperación.
• No esfuerzo de enrutamiento. Establecer un esfuerzo máximo en todas partes a menudo aumenta los costos sin mejorar los resultados.

11. Conclusión

La línea de Claude está diseñada para que usted pueda construir un modelo de enrutador que coincida con el nivel de capacidad más pequeño para cada forma de tarea. Comience con Haiku para obtener enrutamiento y extracción económicos. Utilice Sonnet para la mayor parte del trabajo diario. Escale a Opus para codificación empresarial y agencial compleja. Reserva Fable 5 (y cerrado Mythos 5) para los verdaderos recorridos a largo plazo que requieren autonomía y coherencia sostenidas.

En caso de duda, mantenga sus indicaciones limitadas, limite la duración de la salida y mida los tokens de salida por resultado. Esa métrica tiende a hacer obvia la elección del modelo.

Instantánea de SEO para este artículo

• Título SEO: Modelos de Claude comparados: Haiku vs Sonnet vs Opus vs Fable 5 (Mythos 5)
• Meta descripción: Compare el Claude Haiku antrópico, Soneto, Opus, Fable 5 y cerrado Mythos 5. Incluye especificaciones, estrategia de costos/tokens, plan de enrutamiento y cuándo usar cada nivel.
• Palabras clave principales: Comparación de modelos Claude, Claude Opus 4.8, Claude Fable 5, Claude Sonnet 5, Claude Haiku 4.5, Claude Mythos 5, presupuesto de tokens, codificación agente
• Gorjeo/X: Los niveles del modelo Claude explicaron: Haiku para enrutamiento económico, Sonnet para el trabajo diario, Opus para codificación compleja, Fable 5 para ejecuciones agentes de varios días. Plano de enrutamiento del presupuesto de tokens en el interior.
• LinkedIn: Una comparación práctica e implementable de Claude Haiku antrópico, Soneto, Opus, Fable 5 y cerrado Mythos 5. Especificaciones, modelo de costos y un enrutador que mantiene los tokens de salida bajo control. De Workstation.