Anthropic acelera la visión por IA mientras la factura y la ingeniería de agentes desencadenan una crisis de costes

Qué ha cambiado en modelos y visión

Anthropic presenta Claude Mythos 5 (acceso limitado) y Claude Fable 5 (público). Los dos comparten núcleo técnico y mejoran capacidades de código y visión; Fable anuncia ser “state-of-the-art” en tareas visuales. El matiz comercial es clave: Mythos va por invitación y Fable está muy filtrado y caro —según los análisis, cuesta hasta el doble por millón de tokens respecto a modelos previos y bloquea en torno al 9% de las peticiones—. Para producto, eso significa oportunidades reales en funciones multimodales, pero con un coste por consulta que obliga a repensar pricing y casos de uso.

Implicaciones para negocio y producto

Capacidades visuales más precisas abren productos (revisión de imágenes, OCR complejo, UX multimodal), pero las restricciones de seguridad y el precio elevan el umbral de rentabilidad. Las empresas deben modelar coste por transacción y proponer planes donde el valor percibido justifique el gasto incremental.

La crisis invisible: agentes autónomos y Smart Routing

Los agentes autónomos multiplican llamadas al modelo por diseño. Un artículo técnico recoge cómo la falta de estado, el efecto bola de nieve y la ausencia de freno humano disparan tokens hasta 100x o más por flujo. La disciplina naciente de Smart Routing aparece como la respuesta: enrutamiento selectivo, niveles de modelo y filtros para contener costes sin degradar resultados.

Caching de prompts: ahorro masivo si se hace bien

Un análisis práctico sobre prompt caching en Claude muestra que la decisión arquitectónica sobre dónde y cómo colocar fronteras de caché puede reducir la factura de input entre un 70–90%. Es una diferencia entre correr con margen o enfrentarse a facturas inesperadas: en Claude Code el caching es agresivo y transparente; en implementaciones propias vía API, esa ventaja desaparece si no se diseña conscientemente.

NotebookLM cambia el flujo: no hace falta traer las fuentes

Google actualiza NotebookLM para permitir iniciar una investigación sin subir documentos: el chat construye y sugiere el repositorio de fuentes usando Google Search. Para equipos de conocimiento y research, esto reduce fricción y acelera la creación de evidencia, pero obliga a revisar gobernanza de datos y trazabilidad de fuentes en procesos regulados.

Precio, retención y filtros: el caso Fable

Además del coste unitario, Anthropic aplica una política nueva de retención de datos de 30 días incluso en contratos sin retención, y filtros automáticos que redirigen peticiones peligrosas a modelos menos potentes. Es una combinación que cambia acuerdos legales y contratos de servicio: hay que revisar SLAs, cláusulas de privacidad y expectativas de tiempo de respuesta.

¿Hay riesgo sistémico en el auge de la IA?

Un ensayo reflexivo publicado en Marcus on AI recuerda que tropiezos de jugadores dominantes pueden desencadenar efectos en cadena: la transición a esquemas de token-pricing o errores operativos pueden hacer que el «inverse demand» paralice mercados. No es alarma gratuita: es un llamado a medir riesgos de confianza, facturación y adopción en productos que dependen de terceros.

Qué debemos valorar ya en ingeniería y producto

Priorizar diseño de coste (caching, Smart Routing, niveles de modelo), auditar contratos y retención, y replantear pricing y experiencias para justificar modelos caros como Mythos/Fable. Las decisiones de arquitectura —dónde mantener estado, cuándo degradar a modelos más económicos, cómo cachear prompts— determinan si una iniciativa escala de forma sostenible o se ahoga en la factura.

Si interesa, consolidamos un checklist técnico/comercial para evaluar impacto en producto, coste y SLA según el stack elegido.