El filtrado de peticiones de Fable 5 enturbia su relanzamiento
El nuevo mecanismo de seguridad envía peticiones a un modelo inferior sin avisar al usuario y bloquea usos legítimos del modelo.
Seguramente te pasa como a muchos lectores de 1 Minuto de IA, quieres formarte en IA, pero entre tanto curso de herramientas no sabes por dónde empezar.
Más de 1.000 profesionales han pasado ya por las 10 ediciones del Máster Ejecutivo en IA, un programa pensado para quienes quieren dejarse de tanta herramienta y tomar decisiones de negocio con IA. Conocimiento estratégico, casos reales que inspiran y una red de contactos que vale tanto como el temario.
📅 Viernes 3 de julio: último día del súper descuento early-bird.
💶 300€ de descuento extra con el cupón 1MINUTODEIA300, solo por ser lector.
👉 Reserva tu plaza o descarga el programa
¿Qué pasó ayer? En un minuto:
Anthropic ha desatado críticas al redesplegar Claude Fable 5 con un enrutamiento opaco que deriva tareas de programación a Opus 4.8 sin avisar al usuario, lo que complica evaluar y reproducir pruebas con el modelo.
Según informaciones no confirmadas OpenAI habría propuesto ceder al gobierno de EE. UU. una participación del 5% bajo el argumento de repartir el valor de la IA entre los ciudadanos.
Anthropic ha iniciado el desarrollo en fase temprana de un chip de IA propio y negocia con Samsung como posible fabricante, siguiendo la estrategia de OpenAI de controlar toda la cadena y reducir la dependencia de Nvidia.
ARK Invest ve en los robots humanoides la próxima frontera de la IA física, aunque calcula que un humanoide generalista es unas 200.000 veces más complejo que un robotaxi por la falta de datos y la imprevisibilidad de los entornos.
François Chollet sostiene que la IA convergerá hacia la síntesis de programas dirigida por deep learning, un enfoque neuro-simbólico que generaliza con datos mínimos frente al paradigma actual del escalado masivo.
Aaron Levie defiende que el valor de la IA empresarial exige rediseñar los procesos de negocio, mientras David Sacks advierte de que las empresas deben controlar sus datos, modelos y cómputo para no depender de los grandes laboratorios.
Eiso Kant argumenta que el cómputo es el activo escaso del momento, hasta el punto de que empresas como Meta o xAI pueden rentabilizar su infraestructura revendiendo capacidad aunque sus modelos no rindan al nivel esperado.
Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.
Y si tienes más de un minuto…
1. El enrutamiento de Fable 5 a Opus enfada a los usuarios
Anthropic ha vuelto a desplegar Claude Fable 5 con salvaguardas más estrictas y deriva parte de las tareas de codificación hacia Opus 4.8 mediante un clasificador que decide, sin aviso al usuario, qué peticiones cambian de modelo. La compañía sostiene que solo se enruta una fracción de las tareas rutinarias y que Fable 5 conserva el mismo modelo subyacente. El problema es de método: si un sistema de reparto interrumpe a un modelo y pasa el trabajo a otro, cualquier medición deja de reflejar un solo sistema y evalúa la lógica de enrutamiento.
Para los desarrolladores de agentes, eso complica reproducir pruebas y comparar versiones con limpieza, sobre todo cuando la capa de enrutamiento es opaca ni se conocen los umbrales que activan el desvío. La plataforma Arena (arena.ai) ya recoge miles de votos para comparar el antes y el después en cinco categorías —texto, visión, documento, código y agente—, mostrando resultados consistentes entre versiones. La crítica se suma a un descontento más amplio con el filtrado, que varios usuarios describen como más restrictivo. Anthropic ha respondido publicando una guía oficial de prompting con una técnica de verificación de progreso, y reinició los límites de uso de cinco horas y semanales. Esta opacidad con la que se mueve Anthropic resta credibilidad y provoca que los usuarios más avanzados esperen GPT-5.6 Sol como agua de mayo.
Para 𝕏 @WesRoth (Wes Roth), en cuanto un clasificador interrumpe a Fable y pasa el trabajo a Opus, los desarrolladores dejan de evaluar un modelo y pasan a evaluar un sistema de enrutamiento controlado por Anthropic; reclama que la empresa publique el mecanismo de fallback.
Desde 𝕏 @arena (Arena.Ai) han lanzado una comparativa como respuesta directa a la comunidad, que llevaba tiempo preguntando cómo quedaba Fable 5 antes y después del redespliegue, con miles de votos ya recogidos en el nuevo endpoint.
En la línea crítica con el filtrado, 𝕏 @antor (Andrés Miguel Torrubia Sáez) acusa a Anthropic de bloquear consultas legítimas por exceso de celo, y lo ilustra con una petición sobre cómo curar el cáncer que el sistema habría tratado como demasiado peligrosa.
𝕏 @neil_xbt (Neilxbt) destaca la parte útil del movimiento: la guía oficial incorpora un prompt de verificación de progreso que ataca directamente el problema del modelo que reporta un paso como hecho sin comprobarlo.
𝕏 @RetroChainer (Retrochainer) sostiene que muchos equipos evalúan mal Fable 5 al aplicarle los prompts cortos que usaban en Opus 4.8, y que reutilizar ese enfoque lleva a infravalorarlo frente a lo que propone la propia guía de Anthropic.
Más información:
📎 How to Actually Prompt Fable 5, Straight From the Team That Built It
2. OpenAI habría planteado un 5% para el Estado
OpenAI habría propuesto ceder al gobierno de Estados Unidos una participación del 5%, según informaciones del Financial Times y CNBC recogidas en redes. A la valoración citada de 852.000 millones de dólares, ese porcentaje equivaldría a unos 42.600 millones. El argumento atribuido a Sam Altman es que la propiedad pública permitiría a los ciudadanos participar del valor que genere la compañía. La idea encaja con un debate más amplio sobre cómo repartir los beneficios de la IA. OpenAI ya defendió en un documento de política de abril un fondo de riqueza público que diera a todos los ciudadanos una participación en el crecimiento de esta tecnología, incluidos quienes no tienen acciones.
Anthropic ha discutido por separado fondos soberanos y dividendos digitales. La entrada del Estado en el capital de una firma de IA de referencia sería inusual y tocaría gobernanza, regulación y control de una tecnología considerada crítica. Conviene manejar las cifras con cautela: las fuentes emplean condicionales y describen una fase preliminar. Ni la valoración, ni el estado real de las conversaciones, ni las declaraciones atribuidas a Altman están confirmados de forma oficial.
La lectura de 𝕏 @testingcatalog (Ai News | Testingcatalog) subraya la doble fuente periodística, Financial Times y CNBC, como respaldo de una operación que situaría a OpenAI entre las tecnológicas más valiosas si la valoración implícita se sostiene.
Para 𝕏 @WesRoth (Wes Roth), la propuesta no surge de la nada: enlaza con la línea de OpenAI y Anthropic de idear mecanismos redistributivos, desde fondos soberanos hasta dividendos digitales, antes de que la automatización concentre la riqueza.
𝕏 @actis_esteban (Esteban Actis) sitúa el movimiento en una tendencia de mayor control estatal sobre la IA en EE. UU., que contrasta con las apuestas por la desregulación en otros países.
𝕏 @zanoni (Lalo Zanoni) recuerda precedentes recientes de intervención directa del gobierno de Trump sobre laboratorios de IA, como la orden a Anthropic de bloquear el acceso de extranjeros a algunos de sus modelos.
𝕏 @okdiario (Okdiario.Com) enmarca la noticia como una operación de Trump sobre ChatGPT, un encuadre político que conviene separar del estado real de una propuesta aún sin cerrar.
Más información:
📎 OpenAI proposes handing Trump administration a 5% stake, FT reports
3. Anthropic explora un chip propio con Samsung
Anthropic, la empresa detrás de Claude, ha iniciado el trabajo en fase temprana de un chip de IA propio y ha mantenido conversaciones con Samsung Electronics como posible socio de fabricación, según una exclusiva de The Information. El movimiento aún está en fase temprana: no hay diseño cerrado, ni una decisión final sobre qué tareas ejecutaría el chip, qué potencia tendría o cómo se integraría en los servidores. Diseñar silicio a medida permitiría a Anthropic asegurar suministro y ajustar coste y rendimiento a sus modelos, en plena demanda de aceleradores.
Anthropic sigue los pasos de OpenAI, que anunció hace poco un chip desarrollado con Broadcom, con el fin de controlar toda la cadena, del software al hardware, y reducir su dependencia de Nvidia o AMD. Si Anthropic avanza, la presión recaería sobre el mercado de aceleradores y sería una oportunidad estratégica para Samsung, que busca reforzar su negocio de fabricación avanzada de chips frente a TSMC. Según medios coreanos, Anthropic estaría considerando su proceso de 2 nanómetros y tecnologías avanzadas de empaquetado. Samsung no ha comentado públicamente los detalles de esta información.
𝕏 @theinformation (The Information), autor de la exclusiva, plantea la lectura clave: cómo un chip propio podría alterar el pulso competitivo entre OpenAI y Anthropic más allá del terreno de los modelos.
𝕏 @testingcatalog (Ai News | Testingcatalog) enmarca el paso en la carrera del 'full stack': tras el chip de OpenAI con Broadcom, ve a todo el sector moviéndose hacia el control completo de su cadena.
Para 𝕏 @SemiconductorsX (Semiconductor Insider), la operación apunta a una búsqueda de independencia en hardware, un giro que consideran de peso si Anthropic diseña su propio acelerador.
𝕏 @SpecialSitsNews (Special Situations Research Newsletter (Jay)) lee el movimiento en clave de mercado y lo vincula a los valores expuestos, con Nvidia, AMD y Micron entre los nombres que seguirían de cerca cualquier avance.
𝕏 @dragonomi_ai (Dragonomi Ai) sitúa la motivación en el coste: tomar el control de la costosa infraestructura de cómputo que exige entrenar y servir modelos grandes.
Más información:
📎 Anthropic in Talks With Samsung to Manufacture Custom AI Chip
4. ARK cifra en 200.000x el salto a humanoides
ARK Invest sitúa a los robots humanoides como la siguiente gran frontera de la inteligencia artificial aplicada al mundo físico. Su tesis es que estos sistemas podrían llevar la automatización más allá de fábricas y almacenes, hacia tareas de logística, manufactura, salud y servicios donde hoy falta mano de obra. Pero también advierte de una barrera clave: un humanoide generalista es, según sus cálculos, unas 200.000 veces más complejo que un robotaxi, porque debe moverse, manipular objetos y adaptarse a entornos mucho menos previsibles, tareas para las que faltan datos a la escala que sí existe en conducción.
La robótica industrial ya es un mercado maduro: en 2024 había 4,66 millones de robots industriales operando en el mundo, y China concentró el 54% de las nuevas instalaciones. Ahora, Pekín quiere trasladar esa ventaja a los humanoides, y ha fijado el objetivo de superar las 10.000 unidades comerciales en uso antes de que termine 2026. La oportunidad es enorme, pero todavía temprana. ARK cree que Tesla Optimus podría acercarse a una competencia laboral humana hacia 2028, aunque esa previsión depende de inversión masiva en computación, datos reales y mejoras de hardware.
El marco de 𝕏 @ARKInvest (Ark Invest) coloca la IA física como continuación natural de la conducción autónoma, aunque advierte de que el progreso llegará a trompicones y no en línea recta.
𝕏 @Dan_Jeffries1 (Daniel Jeffries) defiende que el robot ideal debería ser actualizable, modificable, con toda la inteligencia en local y nunca en la nube, priorizando autonomía y aprendizaje continuo, una de las asignaturas pendientes de la IA actual.
Más información:
📎 From Robotaxis To Humanoids: Why Embodied AI Represents An Order-Of-Magnitude Leap Into The Future
5. Opinión: Chollet apuesta por la síntesis de programas
François Chollet, creador de Keras y del benchmark ARC-AGI, ha publicado en X una serie de mensajes con su tesis sobre el rumbo de la IA: buena parte del campo convergerá hacia un modelado simbólico del mundo guiado por la intuición. Lo define como síntesis de programas dirigida por deep learning, un enfoque que combina redes neuronales con representaciones simbólicas. Su razonamiento es que ese modelado permite construir modelos mentales compactos, reutilizables y capaces de generalizar con datos y recursos mínimos, frente al paradigma dominante de escalar modelos con volúmenes masivos de datos.
Chollet es una de las voces más críticas con la idea de que el escalado basta para alcanzar razonamiento general, y ARC-AGI nació para medir generalización, no memorización. En sus mensajes observa además que muchos flujos de trabajo ya evolucionan hacia arquitecturas donde modelos de razonamiento a gran escala (LRM) actúan como capa de control que orquesta programas simbólicos, algo que describe como una forma "tosca pero accesible" de aprendizaje simbólico. Chollet apunta que los participantes fuertes en ARC-AGI-3 comparten hasta ahora este mismo tipo de enfoque técnico.
Para 𝕏 @fchollet (François Chollet), el modelado simbólico permite a un sistema levantar un modelo mental compacto y reutilizable de un problema con datos mínimos, ventaja que atribuye a las representaciones simbólicas frente al escalado bruto.
6. Opinión: exigencias para la IA empresarial
Aaron Levie, CEO de Box, defiende que desplegar IA en una empresa no se resuelve conectando un chatbot: el valor real llega cuando los sistemas se alinean con los procesos de negocio en los que intervienen, y eso exige trabajo de integración. Su argumento apunta a un problema práctico poco tratado en el discurso sobre agentes autónomos. La mayoría de los flujos de trabajo actuales se diseñaron para personas y herramientas concretas, no para software que decide y ejecuta pasos. Por eso la adopción efectiva pasa por rediseñar la operativa, no por añadir una capa de IA sobre lo que ya existe. Este matiz rebaja las expectativas de automatización inmediata que rodean a los agentes empresariales. El reto, por tanto, deja de ser tecnológico y pasa a ser organizativo: definir qué datos puede usar la IA, qué tareas puede ejecutar, quién revisa sus decisiones y cómo se evitan errores en procesos críticos.
En un frente paralelo, David Sacks puso nombre a una inquietud creciente entre grandes empresas: la inteligencia artificial puede convertir datos, procesos internos y conocimiento propio en dependencia frente a los grandes laboratorios de IA. En X, Sacks sostuvo que la verdadera “seguridad” para las compañías pasa por controlar sus datos, modelos y capacidad de cómputo, no solo por confiar en proveedores externos. El nuevo criterio de compra de soluciones de IA tendrá que valorar quién conserva el control económico del conocimiento que hace valiosa a la empresa.
Para 𝕏 @levie (Aaron Levie), la mayoría de flujos de trabajo no se pensaron para que un agente se incorpore sin más, así que alinear la IA con la operativa es la parte que de verdad cuesta.
𝕏 @DavidSacks (David Sacks) respalda a Alex Karp, CEO de Palantir, y advierte que las empresas deben controlar sus datos, modelos y cómputo para no quedar dependientes de los grandes proveedores de IA.
7. Opinión: el cómputo como activo escaso
Eiso Kant, CEO de Poolside, destaca que la demanda de cómputo supera a la oferta, lo que convierte la capacidad en el activo escaso y valioso, al margen de la calidad de los modelos que corren sobre ella. El argumento se apoya en dos casos, Meta y xAI. Ambas han levantado grandes cantidades de capacidad para entrenar y desplegar sus sistemas, pero esos modelos aún no rinden al nivel esperado. El desfase deja centros de datos infrautilizados, y la salida natural sería vender parte del excedente a terceros. La lógica desplaza el foco del debate. Si el cuello de botella está en el silicio y la energía, y no en los pesos del modelo, incluso una empresa sin un modelo competitivo puede rentabilizar su inversión revendiendo cómputo. Eso separa el retorno de la infraestructura del éxito del laboratorio que la construyó.
𝕏 @eisokant (Eiso Kant) invierte el marco habitual: Meta y xAI habrían acertado al levantar cómputo y fallado en los modelos, de modo que acaban con capacidad que no pueden aprovechar y terminan revendiéndola, según él a buen precio.
El punto de Wes Roth es el que más me pesa. En cuanto un clasificador decide en silencio qué petición cambia de modelo, el debate deja de ser "evalúo un modelo o evalúo un enrutador". En producción, y más en un entorno regulado, se vuelve un problema de auditoría: no puedes explicar una decisión que no puedes reproducir. Llevo años llevando IA a producción en servicios financieros, y ahí "el sistema derivó tu petición y no te decimos con qué umbral" no es una molestia de benchmark: es un hallazgo de compliance. Y no es opacidad gratuita, hay un compromiso real entre filtrado de seguridad y reproducibilidad, pero ese costo de segundo orden no lo paga quien diseña el enrutador. Lo paga quien construye encima y responde cuando algo falla en producción.