⚡ Veredicto rápido
- Claude Fable 5.2 gana en capacidad → el nuevo modelo n.º 1 del Artificial Analysis Intelligence Index con 65, por delante de GPT-6 Astra con 57, y por delante en 13 de los 15 benchmarks de Anthropic.
- GPT-6 Astra gana por mucho en costo por tarea → $6.24 por tarea de Artificial Analysis frente a $26.54 de Fable 5.2 con el máximo esfuerzo: aproximadamente una cuarta parte del precio por aproximadamente el 88% de la puntuación de referencia.
- Compra Fable 5.2 si necesitas el razonamiento y la programación más potentes disponibles ahora mismo y la factura no es tu primera preocupación. Compra Astra si ejecutas trabajo de alto volumen y quieres calidad casi de punta por una fracción del costo.
- Nuestra elección para la mayoría → GPT-6 Astra. Fable 5.2 es el mejor modelo; Astra es la mejor oferta, y para la mayoría del trabajo diario, gana la oferta.
Podemos ganar una comisión si compras a través de nuestros enlaces, sin costo adicional para ti.
El 9 de noviembre de 2026, Anthropic lanzó Claude Fable 5.2 y la clasificación de la IA cambió de la noche a la mañana. En un día, Fable 5.2 había tomado el primer lugar del Artificial Analysis Intelligence Index con una puntuación de 65, la más alta jamás registrada en ese índice, cinco puntos por delante del líder anterior, Gemini 4 Carbon con 60. Es el tipo de lanzamiento que hace que todos los que usan un modelo de punta se hagan la misma pregunta: ¿es hora de cambiar?
La respuesta honesta es que depende de por qué pagas. Según los benchmarks publicados, Fable 5.2 es el modelo de IA de propósito general más capaz disponible en noviembre de 2026. Supera a GPT-6 Astra, el buque insignia de OpenAI, en 13 de los 15 benchmarks que publica Anthropic, incluidas las pruebas de programación que más importan a los desarrolladores. Pero la capacidad es solo la mitad de la historia. Con el máximo esfuerzo, Fable 5.2 cuesta $26.54 por tarea de Artificial Analysis, frente a $6.24 de Astra. Eso es más de cuatro veces el precio por una ventaja de aproximadamente el 14% en el índice principal. Esta comparativa trata de ese equilibrio: dónde vale la pena pagar por la capacidad extra de Fable 5.2 y dónde la economía de Astra lo convierte en la opción más inteligente.
Esta es una comparativa documentada, no una prueba de laboratorio. No hemos sometido ambos modelos a nuestra propia batería de benchmarks. En cambio, nuestro análisis se basa en las cifras publicadas de Artificial Analysis, los informes del lanzamiento de Anthropic y la cobertura independiente publicada el 9 y 10 de noviembre de 2026, las mismas fuentes que consultarías tú mismo, organizadas en veredictos honestos. Todas las cifras de benchmarks siguientes están fechadas en las actualizaciones de la clasificación de noviembre de 2026; los precios y la disponibilidad de los modelos cambian con frecuencia, así que consulta los sitios oficiales antes de comprometerte. Si quieres el panorama más amplio de noviembre, nuestro ranking del mejor modelo de IA de noviembre de 2026 pone a Fable 5.2 en contexto frente a todo el sector, y nuestra guía de los mejores agentes de IA de 2026 cubre lo que estos modelos pueden hacer realmente cuando les entregas trabajo real.
De un vistazo: Claude Fable 5.2 vs GPT-6 Astra
#1 · Claude Fable 5.2 · Mejor capacidad
- Índice AA Intelligence
- 65 — el más alto jamás registrado
- Precio reportado
- $8 / $40 por millón de tokens
- Ventana de contexto
- 1 millón de tokens
- Costo por tarea AA
- $26.54 con el máximo esfuerzo
- Mejor para
- La programación, el razonamiento y el trabajo con agentes más difíciles
#2 · GPT-6 Astra · Mejor valor
- Índice AA Intelligence
- 57
- Precio reportado
- Consulta el sitio oficial: OpenAI cambia los precios con frecuencia
- Ventana de contexto
- Consulta el sitio oficial para conocer la cifra actual
- Costo por tarea AA
- $6.24 con el máximo esfuerzo
- Mejor para
- Trabajo de alto volumen, equipos y uso diario
La tabla de precio por tarea: toda la comparativa en un solo lugar
La mayoría de las comparativas de modelos empiezan con las puntuaciones de los benchmarks y entierran el costo. Nosotros hacemos lo contrario, porque el costo es la historia aquí. Artificial Analysis publica una cifra de «precio por tarea»: lo que realmente cuesta que un modelo complete una de sus tareas de referencia con el máximo esfuerzo. Es lo más parecido a una factura real que tiene el sector, porque capta lo que los precios de los tokens por sí solos ocultan: cuántos tokens quema un modelo para llegar a una respuesta.
| Métrica | Claude Fable 5.2 | GPT-6 Astra |
|---|---|---|
| Artificial Analysis Intelligence Index | 65 | 57 |
| Costo por tarea (máximo esfuerzo) | $26.54 | $6.24 |
| FrontierCode 2.0 | 49.1% | 42.8% |
| FrontierSWE v2 | 69.9% | 65.5% |
| Precio de tokens reportado | $8 / $40 por millón | Consulta el sitio oficial |
| Ventana de contexto | 1 millón de tokens | Consulta el sitio oficial |
| Benchmarks de Anthropic liderados | 13 de 15 | 2 de 15 |
Lee la tabla así. Fable 5.2 obtiene alrededor de un 14% más en el índice principal, unos 6 puntos más en FrontierCode 2.0 y unos 4 puntos más en FrontierSWE v2. Por eso, pagas unas 4.25 veces más por tarea. Dicho de otro modo: Astra ofrece aproximadamente el 88% de la inteligencia principal de Fable por aproximadamente el 24% del precio. Es una brecha de valor extraordinaria, y por eso esta comparativa no tiene un único ganador. Si ejecutas diez tareas al día, Fable 5.2 te cuesta unos $265 al día con el máximo esfuerzo; Astra, unos $62. En un mes laboral, esa es la diferencia entre unos $5,800 y unos $1,370. La brecha de capacidad es real, pero también lo es una brecha de $4,400 al mes, y para la mayoría de los equipos, es la segunda cifra la que decide.
Una advertencia importante antes de seguir: el «máximo esfuerzo» es el extremo caro del rango. Ambos modelos pueden ejecutarse con ajustes de esfuerzo menores, y el costo por tarea cae bruscamente al hacerlo. La clasificación entre ambos no cambia, pero las cifras absolutas sí. Considera $26.54 y $6.24 como el techo, no como la factura diaria, y consulta las páginas oficiales de precios, porque ambas empresas cambian los precios y los paquetes de sus modelos con regularidad.
Qué es realmente Claude Fable 5.2
Claude Fable 5.2 es el modelo insignia de Anthropic, lanzado el 9 de noviembre de 2026 como sucesor de Fable 5.1. Anthropic informa que es 20% más barato que Fable 5.1, con una ventana de contexto de 1 millón de tokens y respuestas hasta un 30% más rápidas. El precio se reporta en $8 por millón de tokens de entrada y $40 por millón de tokens de salida, aunque, como siempre con los precios de los modelos, confirma las cifras actuales en la página oficial de precios de Anthropic, ya que los niveles y las tarifas cambian.
Las cifras que acaparan titulares son los benchmarks. Fable 5.2 lidera 13 de los 15 benchmarks que publica Anthropic, frente a GPT-6 Astra y a Gemini 4 Carbon. Su puntuación de 65 en el Artificial Analysis Intelligence Index es la más alta jamás registrada, cinco puntos por encima de Gemini 4 Carbon con 60 y ocho por encima de Astra con 57. En FrontierCode 2.0, un benchmark de programación difícil, obtiene 49.1% frente al 42.8% de Astra. En FrontierSWE v2, el benchmark de ingeniería de software, obtiene 69.9% frente al 65.5% de Astra.
El lanzamiento también trajo una historia más inusual. Anthropic lanzó un segundo modelo el mismo día, Claude Mythos 5.2, que es el mismo modelo subyacente con menos salvaguardas, disponible solo para organizaciones verificadas a través de sus Programas de Verificación de Ciberseguridad y Ciencias de la Vida. Fable es la versión abierta a todos, con bloqueos en trabajos de ciberseguridad y biología; Mythos es su gemelo de acceso restringido. Si ves «Mythos» mencionado en la cobertura del lanzamiento, eso es lo que significa: no es un modelo aparte y mejor al que puedas suscribirte, y no forma parte de esta comparativa.
La cobertura social del lanzamiento fue la mayor historia de IA de la semana: Fable 5.2 obtuvo 108 menciones en Instagram, Facebook y Threads entre el 8 y el 10 de noviembre, y la publicación principal, un carrusel de Evolving AI con la tabla de benchmarks, obtuvo 6,200 me gusta. Eso no es por sí solo una señal de calidad, pero te dice dónde está la atención, y la atención es lo que impulsa el tráfico de búsqueda detrás de esta comparativa.
Qué es realmente GPT-6 Astra
GPT-6 Astra es el modelo insignia de OpenAI y el vigente al que Fable 5.2 debe superar. Obtiene 57 en el Artificial Analysis Intelligence Index, una puntuación sólida que habría liderado el sector hace solo unos meses, y sigue por delante de Fable 5.2 en 2 de los 15 benchmarks de Anthropic. Es el modelo por el que la mayoría de los usuarios avanzados de ChatGPT ya están pagando, integrado en el producto que la mayoría ya sabe usar.
El argumento de Astra en esta comparativa no es que sea el mejor modelo. Es que está lo suficientemente cerca, a un costo radicalmente menor. La cifra de $6.24 por tarea es el número más importante de este artículo para cualquiera que maneje volumen: automatización de atención al cliente, pipelines de contenido, procesamiento de documentos, asistencia de programación por lotes o cualquier carga de trabajo en la que el modelo se ejecute cientos o miles de veces al día. Con ese volumen, una brecha de inteligencia del 14% es invisible y una brecha de costo de 4 veces es existencial. Astra también es la opción predeterminada más segura si tu equipo ya vive en ChatGPT: los costos de cambiar —reentrenar prompts, reconstruir integraciones, volver a probar resultados— son reales y rara vez se cuentan en las comparativas de benchmarks.
También hay una opción económica que vale la pena conocer si el costo es tu principal preocupación. GPT-6.1 Sol, un modelo más pequeño de OpenAI, se reporta en $1.27 por tarea de Artificial Analysis, la opción casi de punta más barata de la clasificación de noviembre de 2026. No forma parte de este cara a cara, pero si tu carga de trabajo es lo bastante simple para que Sol la maneje, el ahorro frente a Fable 5.2 y Astra es enorme. Nuestro resumen de modelos de noviembre de 2026 cubre Sol y el resto del sector.
Benchmarks: dónde gana Fable 5.2 y por cuánto
El índice principal te dice que Fable 5.2 es mejor. Los benchmarks detallados te dicen dónde, y si la brecha importa para tu trabajo. Tres cifras concentran la mayor parte del peso.
Artificial Analysis Intelligence Index: 65 vs 57
El Intelligence Index es un compuesto de muchas tareas, y es la puntuación independiente más citada del sector. El 65 de Fable 5.2 es el más alto jamás registrado, y la ventaja de 8 puntos sobre el 57 de Astra es grande para los estándares de este índice: los modelos insignia suelen avanzar uno o dos puntos por generación. Como contexto, Gemini 4 Carbon se sitúa entre ambos con 60. Una brecha de 8 puntos significa que Fable 5.2 es mejor en una amplia gama de tareas, no solo en un benchmark afortunado. Pero los compuestos ocultan tanto como revelan: promedian las tareas en las que los modelos están empatados y no dicen nada sobre el costo. Ten ambos hechos en mente a la vez: la ventaja es real, y es cara.
FrontierCode 2.0: 49.1% vs 42.8%
FrontierCode 2.0 es la prueba de programación más difícil y honesta de las dos. Ninguno de los dos modelos supera la mitad de las tareas, lo que te dice algo importante sobre dónde están realmente los modelos de programación de punta en noviembre de 2026: genuinamente útiles, pero no lo bastante fiables como para confiarles problemas difíciles sin supervisión. La ventaja de 6.3 puntos de Fable 5.2 es significativa para los desarrolladores: es la diferencia entre un modelo que resuelve un error difícil al primer intento y uno que necesita dos o tres intentos, pero no es otra liga. Si escribes código para ganarte la vida, este es el benchmark que más debería pesar en tu decisión, y apunta a Fable 5.2.
FrontierSWE v2: 69.9% vs 65.5%
FrontierSWE v2 mide trabajo real de ingeniería de software: resolver problemas reales en bases de código reales. Aquí la brecha se reduce a 4.4 puntos, y ambos modelos superan dos tercios de las tareas. Para la programación con agentes —el modelo trabajando en un ticket, ejecutando pruebas e iterando— ambos son creíbles. La ventaja de Fable 5.2 sigue siendo real, y en una base de código grande se acumula: una ventaja de 4 puntos por tarea se convierte en una diferencia visible en la frecuencia con la que el agente termina sin rescate humano. Pero Astra con 65.5% no es un modelo débil. Es un modelo muy bueno al que le toca compararse con el mejor.
La cifra de 13 de 15, explicada con honestidad
«Lidera 13 de 15 benchmarks» suena a paliza, y es la cifra que más repite la cobertura del lanzamiento de Anthropic. Tómala con cautela. Son los propios benchmarks publicados por Anthropic, y los proveedores eligen los benchmarks que publican. Los dos benchmarks que gana Astra no se nombran en la cobertura que revisamos, y el margen en varios de los 13 puede ser pequeño. Lo que la cifra sí te dice es amplitud: Fable 5.2 no es un modelo de un solo truco que gana en programación y pierde en todo lo demás. Está por delante en razonamiento, programación y tareas con agentes por igual. Combinado con el índice independiente de Artificial Analysis, que Anthropic no controla, el panorama es coherente: Fable 5.2 es el modelo general más fuerte de noviembre de 2026, y su ventaja es amplia, no estrecha.
Programación: la victoria más clara de Fable 5.2
Si escribes código, Fable 5.2 es el mejor modelo, y no está lo bastante reñido como para discutirlo. La ventaja en FrontierCode 2.0 (49.1% vs 42.8%) y en FrontierSWE v2 (69.9% vs 65.5%) apuntan en la misma dirección, y la ventana de contexto de 1 millón de tokens importa enormemente para las bases de código reales: puedes cargar un repositorio completo, sus pruebas y su documentación en una sola conversación y pedirle al modelo que trabaje en todo ello. La cifra de contexto de Astra no está en los datos que revisamos —consulta la documentación oficial de OpenAI para conocer la cifra actual—, pero el punto práctico se mantiene: para el trabajo con repositorios grandes, la combinación de Fable 5.2 de una ventana enorme y las mejores puntuaciones de programación es el paquete más sólido disponible ahora mismo.
Dicho esto, es precisamente aquí donde el cálculo del costo muerde más fuerte. La asistencia de programación es una carga de trabajo de alto volumen: un desarrollador puede hacer decenas o cientos de llamadas al modelo al día. Con el máximo esfuerzo, Fable 5.2 cuesta $26.54 por tarea frente a $6.24 de Astra. Para un desarrollador individual con un plan personal, la diferencia puede ser invisible: pagas una suscripción fija, no por tarea. Para un equipo que ejecuta un pipeline de programación con agentes a escala, es la diferencia entre un presupuesto de herramientas y un presupuesto de personal. La pregunta correcta para un equipo de programación no es «¿qué modelo es mejor?», sino «¿cuánto mejor es Fable 5.2 en nuestros tickets, y vale eso 4 veces el gasto?». Prueba ambos en tus tickets más difíciles durante una semana. Los benchmarks dicen que Fable 5.2 ganará; tu factura te dirá si la victoria lo vale.
Una consideración más sobre programación: la velocidad. Anthropic informa que Fable 5.2 es hasta un 30% más rápido que Fable 5.1. La velocidad importa en la programación interactiva: un modelo que responde en segundos en lugar de decenas de segundos cambia la frecuencia con la que le preguntas cosas. No tenemos una comparación de velocidad independiente frente a Astra, así que toma ese 30% como una afirmación sobre el Claude anterior, no sobre la competencia. Si la latencia es crítica para tu flujo de trabajo, prueba ambos modelos en tus propias tareas antes de comprometerte.
Razonamiento y trabajo con agentes
Más allá de la programación, la ventaja en los benchmarks sugiere que Fable 5.2 es más fuerte en el razonamiento de varios pasos: tareas en las que el modelo debe planificar, usar herramientas, revisar su propio trabajo y recuperarse de los errores. Este es el trabajo con agentes —agentes de investigación, automatización de flujos de trabajo, análisis de varios pasos— en el que el modelo se ejecuta durante minutos en lugar de segundos. La amplitud del 13 de 15 lo respalda: Fable 5.2 está por delante en los benchmarks de razonamiento tanto como en los de programación.
Pero el trabajo con agentes también es donde el costo explota más rápido, porque los agentes de larga duración queman más tokens. Un agente de investigación que se ejecuta diez minutos en Fable 5.2 con el máximo esfuerzo es una operación notablemente cara; el mismo agente en Astra cuesta una cuarta parte. Para las cargas de trabajo con agentes, nuestra recomendación honesta es dividir el trabajo: usa Fable 5.2 para la planificación y los pasos de razonamiento más difíciles, y Astra —o un modelo aún más barato— para la ejecución masiva. La mayoría de los frameworks de agentes te permiten asignar distintos modelos a distintos pasos, y esa división captura la mayor parte de la ventaja de Fable 5.2 por una fracción de su costo. Nuestra guía de los mejores agentes de IA de 2026 cubre las herramientas que hacen práctico este tipo de configuración multimodelo.
Ventana de contexto y velocidad
La ventana de contexto de 1 millón de tokens de Fable 5.2 es una función destacada, y es genuinamente útil: bases de código completas, libros enteros, meses de documentos, todo en una sola conversación. Para la revisión legal, la síntesis de investigación y el trabajo con bases de código grandes, un millón de tokens cambia lo que es posible en un solo prompt. También cambia la ecuación del costo, porque los contextos largos son caros: cada token de la ventana cuesta dinero, lo necesite el modelo o no. Un contexto de un millón de tokens es una herramienta potente y una forma fácil de quemar presupuesto. Úsalo cuando la tarea realmente lo necesite, no por defecto.
En cuanto a la velocidad, la afirmación de Anthropic es de hasta un 30% más rápido que Fable 5.1. Es una mejora significativa para el uso interactivo, y importa porque la queja más común sobre los modelos más capaces es que son lentos. Pero las afirmaciones de velocidad de un proveedor sobre su propio modelo anterior no son una comparación con la competencia, y no tenemos cifras independientes de latencia cara a cara de Fable 5.2 frente a Astra. Si estás eligiendo entre ambos y la latencia lo decide, mide ambos tú mismo con tus propios prompts.
La cuestión del costo, calculada como es debido
Hagamos concreto el costo, porque los precios abstractos por token confunden a todo el mundo. Las cifras por tarea de Artificial Analysis son la unidad honesta: $26.54 para Fable 5.2, $6.24 para Astra, ambos con el máximo esfuerzo.
- 10 tareas al día: Fable 5.2 cuesta unos $265 al día; Astra, unos $62. Al mes (22 días laborables): unos $5,800 frente a unos $1,370.
- 100 tareas al día: Fable 5.2 cuesta unos $2,654 al día; Astra, unos $624. Al mes: unos $58,400 frente a unos $13,700.
- 1,000 tareas al día: Fable 5.2 cuesta unos $26,540 al día; Astra, unos $6,240. Al mes: unos $584,000 frente a unos $137,000.
Con 100 tareas al día, la brecha mensual es de aproximadamente $44,700. Eso compra mucho tiempo de ingeniería, muchos segundos intentos con el modelo más barato o mucha revisión humana. La pregunta del punto de equilibrio es simple: ¿la capacidad extra de Fable 5.2 te ahorra más de $44,700 al mes en retrabajo, errores y tiempo humano? Para un pequeño número de equipos que trabajan en los problemas más difíciles, sí. Para la mayoría de los equipos, no, y la decisión honesta es ejecutar Astra para la mayor parte del trabajo y reservar Fable 5.2 para las tareas en las que su ventaja sea demostrable.
También está la vía de la suscripción. La mayoría de los usuarios individuales no pagan por tarea; pagan un plan mensual fijo: Claude Pro, Max o Ultra por parte de Anthropic, y los planes equivalentes de ChatGPT por parte de OpenAI. Si eres un particular con un plan fijo, el cálculo por tarea anterior no se aplica directamente a ti, y la decisión se simplifica a qué producto prefieres usar. Las cifras por tarea importan sobre todo a los desarrolladores y equipos con precios de API, donde cada llamada se factura. Conoce qué tipo de comprador eres antes de dejar que la tabla de costos te asuste, o te tranquilice.
Quién debería elegir qué
- Elige Claude Fable 5.2 si: trabajas en los problemas de programación o razonamiento más difíciles y el costo es secundario; necesitas la ventana de contexto más grande para trabajar con una base de código o un documento completos; ejecutas flujos de trabajo con agentes en los que un paso fallido es caro; o simplemente quieres el mejor modelo disponible en noviembre de 2026 y puedes pagarlo.
- Elige GPT-6 Astra si: ejecutas trabajo de alto volumen en el que domina el costo por tarea; tu equipo ya vive en ChatGPT y los costos de cambiar son reales; tus tareas son de dificultad estándar y el 57 de Astra en el índice es más que suficiente; o quieres calidad casi de punta por aproximadamente una cuarta parte del precio.
- Elige ambos si: ejecutas pipelines con agentes: Fable 5.2 para la planificación y los pasos más difíciles, Astra para la ejecución masiva. Esta es la configuración que usaríamos nosotros mismos.
- No elijas ninguno todavía si: tu modelo actual maneja bien tu trabajo. Un nuevo número uno no hace que el modelo del mes pasado sea malo, y la guerra de precios que inicia este lanzamiento probablemente abaratará ambos modelos en unos meses.
Uso diario: chat, escritura e investigación
Hasta ahora, esta comparativa se ha apoyado en los benchmarks de programación y de agentes, porque ahí es donde están las cifras publicadas. Pero la mayoría de la gente no usa un modelo de punta para resolver problemas de software. Lo usa para escribir, investigar y pensar problemas en lenguaje sencillo, y para esos trabajos, la diferencia entre Fable 5.2 y Astra es mucho menor de lo que sugiere la brecha de los benchmarks.
Para escribir y editar, ambos modelos están muy por encima del punto en el que la calidad es la limitación. Cualquiera de los dos redactará un correo limpio, ajustará un informe, resumirá un documento largo o reescribirá un párrafo con otro tono, y la diferencia entre sus resultados en una tarea de escritura estándar suele ser cuestión de gusto más que de corrección. La ventaja de Fable 5.2 aparece en los extremos: documentos muy largos en los que su ventana de 1 millón de tokens le permite retener todo el texto en memoria, y la edición matizada en la que su razonamiento más fuerte detecta inconsistencias que un modelo más débil pasa por alto. En un memorando de dos páginas, no notarás qué modelo lo escribió.
Para la investigación, el factor decisivo suele no ser el modelo sino el producto que lo rodea: si puede buscar en la web, citar fuentes y mostrarte de dónde vino una respuesta. Tanto Claude como ChatGPT ofrecen modos de investigación conectados a la web, y la calidad de una respuesta de investigación depende tanto del sistema de recuperación como del modelo subyacente. El razonamiento más fuerte de Fable 5.2 debería, en principio, producir una mejor síntesis a partir de las fuentes recuperadas —menos alucinaciones, un manejo más limpio de la evidencia contradictoria—, pero no tenemos un benchmark de investigación publicado cara a cara que lo demuestre. Si la investigación es tu trabajo principal, prueba ambos productos con la misma pregunta y las mismas fuentes y compara las citas, no la prosa.
Para la lluvia de ideas y para pensar problemas, la brecha es igualmente pequeña para las preguntas ordinarias y real para las difíciles. Pídele a cualquiera de los dos modelos que planifique el lanzamiento de un producto, que analice una decisión de negocio o que desenrede una agenda personal complicada, y ambos harán un trabajo competente. Pídeles que razonen sobre un problema genuinamente difícil —un problema de matemáticas de varios pasos, un acertijo lógico con varias restricciones que interactúan, una pregunta de estrategia sin respuesta obvia— y la ventaja de Fable 5.2 en los benchmarks empieza a notarse. La regla práctica es simple: si puedes distinguir una buena respuesta de una excelente, notarás Fable 5.2. Si cualquier respuesta buena basta, Astra es más que suficiente, y cuesta una cuarta parte.
Qué vigilar a continuación
Esta comparativa es una instantánea del 11 de noviembre de 2026, y envejecerá rápido. Hay tres cosas que vale la pena vigilar. Primero, la respuesta de OpenAI: un lanzamiento insignia tan fuerte suele atraer un recorte de precio o un modelo nuevo en cuestión de semanas, y el sucesor de Astra —o un Astra con nuevo precio— podría cerrar la brecha de valor desde la otra dirección. Segundo, la guerra de precios: Fable 5.2 ya es 20% más barato que Fable 5.1, y la presión competitiva tiende a bajar los precios de las API en general, lo que reduciría la brecha por tarea que impulsa nuestro veredicto. Tercero, las pruebas independientes: los benchmarks de este artículo provienen de las propias publicaciones de Anthropic y de un solo índice independiente. A medida que los evaluadores externos ejecuten ambos modelos en tareas reales durante las próximas semanas, el panorama se afinará, en particular en velocidad, fiabilidad y los trabajos diarios de escritura e investigación, donde las cifras publicadas son más escasas.
Nada de eso cambia la recomendación de hoy. Fable 5.2 es el mejor modelo de noviembre de 2026, Astra es el mejor valor, y la mayoría de los compradores deberían usar Astra por defecto y recurrir a Fable 5.2 cuando la tarea sea lo bastante difícil como para justificarlo. Pero si estás leyendo esto en diciembre o después, consulta la clasificación actual antes de decidir: las cifras de noviembre de 2026 ya pueden ser historia.
Cómo los comparamos
Nuestro método es simple y lo decimos claramente. Usamos el Artificial Analysis Intelligence Index publicado y las cifras de precio por tarea actualizadas al 10 de noviembre de 2026, los resultados de benchmarks publicados por Anthropic según lo reportado en la cobertura del lanzamiento del 9 y 10 de noviembre, y los precios y especificaciones reportados en esa misma cobertura. No ejecutamos nuestra propia batería de benchmarks ni probamos ninguno de los dos modelos directamente para esta comparativa. Los benchmarks son una guía útil, no un veredicto sobre tu trabajo: el modelo que gana en FrontierCode 2.0 puede no ganar en tu base de código, y el modelo más barato por tarea de Artificial Analysis puede no ser el más barato en tus prompts. Cuando una cifra proviene de una sola fuente —en particular el precio de $8/$40 y las afirmaciones de 20% más barato y 30% más rápido— lo hemos dicho, y deberías confirmarlo en el sitio oficial. Las capacidades, los precios y la disponibilidad de los modelos cambian rápido; esta comparativa es una instantánea de noviembre de 2026, y envejecerá.
El veredicto
Claude Fable 5.2 es el mejor modelo de IA disponible en noviembre de 2026. Los benchmarks son coherentes y la ventaja es amplia: 65 en el Intelligence Index, el más alto jamás registrado, por delante en 13 de los 15 benchmarks de Anthropic y por delante en las dos pruebas de programación que más importan. Si la pregunta es «¿qué modelo es mejor?», la respuesta es Fable 5.2, y no está reñido.
Pero «¿qué modelo es mejor?» es la pregunta equivocada para la mayoría de los compradores. La pregunta correcta es «¿qué modelo es mejor para mi trabajo y mi volumen?», y ahí, GPT-6 Astra gana para la mayoría. Ofrece aproximadamente el 88% de la inteligencia principal de Fable 5.2 por aproximadamente el 24% del precio por tarea, está integrado en el producto que la mayoría de los equipos ya usa, y su 57 en el índice es más que suficiente para la inmensa mayoría del trabajo real. Fable 5.2 es el modelo al que recurres cuando la tarea es lo bastante difícil como para que una brecha de capacidad del 14% te cueste dinero real. Astra es el modelo que ejecutas todo el día, todos los días, sin pensar en la factura.
Nuestra recomendación: si eres una persona, prueba Fable 5.2 en tu trabajo más difícil y quédate con Astra para todo lo demás. Si eres un equipo, usa Astra por defecto y deriva el 10–20% de las tareas más difíciles a Fable 5.2. Y si estás eligiendo hoy y solo puedes quedarte con uno, elige Astra, y revisa la decisión en unos meses, cuando la guerra de precios que ha iniciado este lanzamiento haya cambiado de nuevo las cuentas.
Preguntas frecuentes
¿Es Claude Fable 5.2 mejor que GPT-6 Astra?
En capacidad, sí. Fable 5.2 obtiene 65 en el Artificial Analysis Intelligence Index frente a 57 de Astra, y lidera 13 de los 15 benchmarks que publica Anthropic, incluidos FrontierCode 2.0 (49.1% vs 42.8%) y FrontierSWE v2 (69.9% vs 65.5%). Pero en costo por tarea, Astra está muy por delante: $6.24 frente a $26.54, así que el mejor modelo depende de lo que valores más: la capacidad o el costo.
¿Cuánto cuesta Claude Fable 5.2 por tarea?
Artificial Analysis reporta $26.54 por tarea para Fable 5.2 con el máximo esfuerzo, frente a $6.24 de GPT-6 Astra: más de cuatro veces más. El precio de los tokens se reporta en $8 por millón de tokens de entrada y $40 por millón de tokens de salida, y Anthropic dice que Fable 5.2 es 20% más barato que Fable 5.1. Ambas cifras son instantáneas de la cobertura del lanzamiento de noviembre de 2026, así que consulta las páginas oficiales de precios antes de comprometerte.
¿Qué es el Artificial Analysis Intelligence Index?
Es una puntuación compuesta independiente publicada por Artificial Analysis, que combina los resultados de muchas tareas en un solo número. Al 10 de noviembre de 2026, Claude Fable 5.2 lo lidera con 65, la puntuación más alta jamás registrada, por delante de Gemini 4 Carbon con 60 y de GPT-6 Astra con 57. Es la puntuación independiente más citada del sector, pero sigue siendo un compuesto: promedia las tareas en las que los modelos están empatados y no dice nada sobre el costo.
¿Sigue valiendo la pena GPT-6 Astra después del lanzamiento de Fable 5.2?
Sí, para la mayoría de la gente. Astra ofrece aproximadamente el 88% de la puntuación principal de Fable 5.2 por aproximadamente el 24% del precio por tarea, y 57 en el Intelligence Index es más que suficiente para la inmensa mayoría del trabajo real. Si ejecutas cargas de trabajo de alto volumen, o tu equipo ya vive en ChatGPT, Astra es la opción predeterminada más sensata: reserva Fable 5.2 para las tareas más difíciles, donde su ventaja sea demostrable.
¿Cuál es la diferencia entre Claude Fable 5.2 y Mythos 5.2?
Son el mismo modelo subyacente con distintos niveles de salvaguardas. Fable 5.2 está abierto a todos, con bloqueos en trabajos de ciberseguridad y biología. Mythos 5.2 tiene menos salvaguardas y solo está disponible para organizaciones verificadas a través de los Programas de Verificación de Ciberseguridad y Ciencias de la Vida de Anthropic. Mythos no es un modelo aparte y mejor al que puedas suscribirte: si eliges un modelo de Claude como usuario normal, Fable 5.2 es el que obtienes.
¿Cuál debería elegir, Fable 5.2 o GPT-6 Astra?
Elige Fable 5.2 si trabajas en los problemas de programación o razonamiento más difíciles y el costo es secundario, o si necesitas su ventana de contexto de 1 millón de tokens para trabajar con una base de código completa. Elige Astra si ejecutas trabajo de alto volumen, tu equipo ya usa ChatGPT o quieres calidad casi de punta a una cuarta parte del precio. Si ejecutas pipelines con agentes, usa ambos: Fable 5.2 para la planificación y los pasos más difíciles, Astra para la ejecución masiva.