Claude Fable 5: el modelo que se queda días con un problema
Anthropic presenta Claude Fable 5, un modelo capaz de sostener un problema durante días con salvaguardas reforzadas, y con él la autonomía prolongada deja de ser una promesa para convertirse en servicio.
7 minutos de lectura
Se cuenta, con la exageración habitual de las leyendas industriales, que Thomas Edison probó miles de materiales antes de dar con un filamento que aguantara encendido el tiempo suficiente, y que a quien le preguntaba por tantos fracasos le respondía que había descubierto miles de maneras de no hacer una bombilla. La anécdota suele citarse como elogio de la persistencia, pero olvida un detalle menos épico. En Menlo Park cada prueba quedaba anotada en cuadernos de laboratorio, con fechas, materiales y resultados, y sin esos cuadernos la persistencia habría sido simplemente gasto. Claude Fable 5 llega presentado como el modelo que se queda días con un problema, y creo que la comparación ayuda a pensar qué le falta todavía a esa promesa.
La frase tiene resonancias de vocación científica, y quizá por eso conviene leerla con cuidado. Un investigador humano duda, consulta a colegas y se equivoca en voz alta, de manera que su perseverancia está atravesada por momentos de revisión. Un modelo, en cambio, persiste, y una persistencia que no conoce la duda consume tokens, toca sistemas y, si nadie la vigila, toma decisiones de las que nadie se acuerda al volver del fin de semana. La cuestión relevante, a mi juicio, tiene menos que ver con cuántas horas aguanta el sistema que con quién revisa su rastro, con qué frecuencia y con qué criterio.
El compañero de repositorio que nadie ha contratado

Cuando un encargo dura días, el modelo deja de ser una herramienta a la que se pide un fragmento de código para copiar y pegar, y pasa a comportarse como un colega más, con acceso continuado al código y capacidad de introducir cambios. Ese compañero, si trabaja sin límites claros, se convierte en un autor oculto que no firma sus contribuciones, aunque sus commits puedan acabar en producción con la misma facilidad que los de cualquier miembro del equipo. Tres décadas viendo llegar herramientas de desarrollo me han enseñado que los problemas graves rara vez vienen de lo que la herramienta hace mal, y casi siempre de lo que hace bien sin que nadie lo haya revisado.
Si no queda un rastro legible de lo que el modelo ha intentado, descartado y modificado, no podemos hablar de investigación en ningún sentido serio, sino de una caja negra que además pasa factura. El cuaderno de Edison distaba mucho de ser un trámite burocrático; era lo que permitía a otros miembros del laboratorio retomar el trabajo, entender por qué un material había fallado y evitar repetir pruebas inútiles. Un agente que trabaja durante días debería producir algo equivalente, un registro que una persona pueda leer en diez minutos y del que pueda extraer conclusiones sin tener que reconstruir toda la conversación.
Una higiene para los encargos que no terminan a la hora de comer
La práctica que yo adoptaría con estos modelos es sencilla y tiene poco de vistosa, lo cual suele ser buena señal. El agente recibe un encargo con límites escritos: qué repositorios puede tocar, qué pruebas debe respetar y a qué hora se interrumpe el trabajo aunque no haya terminado. Al cabo de unas horas, y no al final del encargo, una persona lee las diferencias introducidas en el código y, si no es capaz de explicarlas a alguien que no participó en la conversación, se descartan. Entender un cambio, en este contexto, equivale a poder contarlo en voz alta con palabras propias, y no a reconocerlo vagamente como algo que suena razonable.
Hay un enemigo discreto de esta disciplina, que es el cansancio. Llega el viernes, el ticket lleva tres días abierto, el modelo sigue proponiendo ajustes y alguien acepta el cambio porque ya no quiere seguir viéndolo en la lista. Ese clic es el verdadero accidente, mucho más que cualquier error de la máquina, y la manera más sencilla de prevenirlo pasa por llevar el coste de cómputo de esos días a la retrospectiva del equipo, al lado de los fallos detectados. Un ticket que se resolvió solo tras días de GPU se resolvió en realidad de forma cara, y ese coste tiene que verse para que la próxima decisión se tome con información completa.

Hay una pérdida menos visible que el gasto en cómputo y que me preocupa más a medio plazo. Los problemas difíciles, esos que obligan a pasar días atascado, son también el lugar donde los ingenieros jóvenes aprenden a pensar un sistema por dentro. Si la persistencia de la máquina ocupa sistemáticamente ese espacio, el equipo resolverá más tickets y formará menos criterio, y dentro de unos años tendrá menos gente capaz de revisar lo que la herramienta propone. Yo reservaría una parte de esos encargos largos para que una persona los recorra acompañada por el asistente, y no sustituida por él.
Tiempo de máquina frente a experiencia humana
El tiempo que un modelo dedica a un problema puede ser enorme, pero eso no lo convierte en experiencia en el sentido en que usamos la palabra para las personas. La experiencia sigue perteneciendo a quien pone su nombre debajo del cambio y responde de él cuando algo falla en producción meses después. Si nadie en el equipo es capaz de explicar una fusión de ramas sin abrir el historial del chat, mi criterio es que ese cambio no debería entrar, aunque el sistema lleve treinta horas trabajando en él, porque una contribución que nadie entiende es una deuda que alguien pagará más adelante.
Esta regla cabe en una frase y, aplicada con constancia, evita más incidentes que cualquier comparativa de rendimiento en tareas largas de programación. Las comparativas miden lo que el modelo puede hacer en condiciones controladas, mientras que la regla protege lo que el equipo puede sostener en condiciones reales, con plazos, cansancio y rotación de personas. Ambas cosas importan, pero solo la segunda depende enteramente de nosotros, de modo que es ahí donde merece la pena invertir la atención que solemos dedicar a las cifras de los lanzamientos.

Lo que queda cuando cambie el nombre
Fable 5 convivirá pronto con otros modelos que prometan lo mismo bajo otros nombres, y dentro de un año probablemente hablaremos de capacidades que hoy nos parecen improbables. Lo que no cambiará tan deprisa es la necesidad de límites claros y de responsables humanos reconocibles, una combinación que ningún anuncio comercial incluye porque no se puede vender, solo practicar. Edison tuvo la fortuna de trabajar rodeado de personas que anotaban y discutían cada resultado, y quizá la pregunta que deberíamos hacernos ante estos modelos persistentes es si estamos construyendo equipos capaces de acompañarlos con una atención parecida.
