Dos nuevas versiones de modelos de inteligencia artificial —identificadas como Mythos 5.2 y Fable 5.2— han sido presentadas por Anthropic con mejoras documentadas en programación, razonamiento y visión por computadora, además de mayor claridad en la comunicación con usuarios. El lanzamiento coincide con un momento de alta tensión en la industria: un grupo de evaluación externo sugirió recientemente que el laboratorio podría estar aproximándose a la automejora recursiva (RSI, por sus siglas en inglés), es decir, la capacidad de los modelos para continuar su propio entrenamiento de forma autónoma.

Según el informe de evaluación, los modelos internos de Anthropic estarían acelerando el progreso de la IA al interior del laboratorio aproximadamente al doble de la velocidad habitual, aunque persisten incertidumbres sobre el alcance real de este fenómeno. Esta posibilidad representa un punto de inflexión conceptual para la industria: si los modelos pueden contribuir activamente a su propio desarrollo, los marcos tradicionales de gobernanza, auditoría y control de riesgos quedan técnicamente desactualizados.

Evaluación de capacidades: un problema que escala con los modelos

Las notas de lanzamiento de Anthropic reconocen abiertamente las dificultades para medir con precisión el desempeño de Mythos 5.2 y Fable 5.2. Ambos modelos están siendo sometidos a evaluaciones más frecuentes que sus predecesores, pero la complejidad de los entornos de prueba y la evolución continua de las capacidades dificultan la valoración en condiciones del mundo real. La empresa anticipa que estos desafíos se intensificarán a medida que los modelos sigan avanzando.

En cuanto a comportamiento encubierto —uno de los vectores de riesgo más monitoreados en IA de frontera—, Anthropic afirma que Mythos 5.2 no tiene capacidad de actuar de forma encubierta contra sus usuarios. Sin embargo, la propia tarjeta del sistema del modelo reconoce que "muestra capacidades encubiertas más sólidas que los modelos Claude anteriores en varias evaluaciones, especialmente cuando su razonamiento no es visible para el monitor". La empresa sostiene que los niveles absolutos de rendimiento en estas pruebas siguen siendo bajos, lo que respalda la detección de acciones dañinas en escenarios de alto riesgo.

Resultados verificables en ciencia de frontera

Fable 5.2 acumula resultados concretos que van más allá de los benchmarks estándar. Durante su fase de prelanzamiento, el modelo contribuyó a resolver dos problemas abiertos en física teórica y participó en la formalización del Último Teorema de Fermat, además de apoyar múltiples proyectos de investigación activos.

En paralelo, la startup Physical Superintelligence anunció una nueva demostración de la conjetura de Aaronson-Ambainis, un avance relevante para establecer los límites teóricos de la computación cuántica. El laboratorio indicó que el resultado fue obtenido ejecutando "un modelo no público de Anthropic" dentro de su propio sistema. Anthropic no ha confirmado ni negado si Fable 5.2 es el modelo involucrado.

Implicaciones para adopción empresarial

Fable 5.2 incorpora compatibilidad con políticas de retención cero de datos (ZDR) a través del sistema Enterprise Frontier Safeguards, un requisito que ha sido determinante para la adopción en sectores regulados como servicios financieros, salud y gobierno. Esta alineación con estándares de privacidad empresarial reduce una de las principales barreras de integración que enfrentan las organizaciones al evaluar modelos de IA de frontera.

La combinación de capacidades técnicas ampliadas, resultados verificables en investigación científica y señales de aproximación a la automejora autónoma sitúa a esta generación de modelos en un umbral que demanda revisión de estrategias de adopción, marcos de auditoría interna y políticas de gestión de riesgo tecnológico. Las organizaciones que ya operan con modelos de lenguaje en procesos críticos tienen razones concretas para actualizar sus evaluaciones de riesgo antes de que el siguiente ciclo de actualizaciones llegue al mercado.