Claude Fable 5 vs Sonnet 5 (2026): 5x más caro, cuándo conviene

Para la mayoría de los equipos la respuesta es "Sonnet 5 como default, Fable 5 para la cola difícil que no te podés permitir fallar." Aquí está el veredicto de una línea por escenario.

El resto de esta pieza es la evidencia detrás de esa tabla, más la versión honesta de "cuándo conviene el tier de $50".

Dos releases a tres semanas de distancia reacomodaron el techo y el medio de la línea Claude. Claude Fable 5 salió el 9 de junio de 2026 como el primer modelo clase Mythos generalmente disponible de Anthropic — la familia que Anthropic había retenido por su capacidad de ciberseguridad. Es el modelo Mythos con tres clasificadores de seguridad encima. Anthropic lo puso en planes Pro, Max y Team por dos semanas, luego lo sacó de esos planes el 23 de junio, dejando la tarifa de API de $10/$50 como vía de entrada. Ha estado rotando dentro y fuera de ventanas de acceso desde entonces, lo que importa para cómo lo arquitectás alrededor.

Claude Sonnet 5 salió el 30 de junio de 2026 con pricing introductorio de $2/$10 ($3/$15 estándar después del 31 de agosto). Es el modelo Sonnet-tier más agentic de Anthropic y el nuevo default para trabajo profesional que no está en la frontera.

La razón de comparar los dos extremos directamente, en lugar de cada uno contra Opus 4.8, es que responden preguntas distintas. Sonnet 5 responde "cuál es el modelo más barato que supera mi barra cotidiana". Fable 5 responde "cuál es el mejor modelo que el dinero puede comprar cuando la tarea es lo suficientemente difícil como para que equivocarse sea el resultado caro". La mayoría de los equipos necesita ambas respuestas, y la decisión interesante es dónde trazás la línea entre ellos. Esta pieza es más angosta y práctica: dos tiers, una decisión de ruteo.

Ambos modelos comparten la misma ventana de contexto nominal de 1M y salida máxima de 128K. Las diferencias reales son precio, disponibilidad y el hecho de que Fable 5 no puede apagar el thinking.

Los precios introductorios de Sonnet 5 ($2/$10) y la lectura de cache ($0.2/M) coinciden con la página publicada del modelo de Anthropic al 2 de julio de 2026. Los $10/$50 de Fable 5 son la tarifa de API de Anthropic según el anuncio de Fable 5; su lectura de cache es la razón estándar de 0.1x-del-input que Anthropic aplica en toda la línea. Fable 5 ha estado disponible por ventanas, así que confirmá que esté live en tu proveedor antes de construir contra él. FACTA es vendor-neutral y no recomienda ningún proveedor en particular.

En tarifas por token la brecha es limpia: Fable 5 es 5x Sonnet 5 durante la ventana introductoria, en input, output y lecturas de cache por igual. Después del 31 de agosto, cuando Sonnet 5 pase a $3/$15, el múltiplo baja a unos 3.3x. De cualquier forma, Sonnet 5 es dramáticamente más barato por token.

El sticker subestima la diferencia real por una razón estructural. El thinking de Fable 5 está siempre on y no se puede apagar, así que en cualquier tarea no trivial produce un bloque de tokens de thinking y de salida que una llamada más lean no haría. Sonnet 5 también tiene thinking adaptativo on por defecto, pero lo podés bajar con el parámetro effort o deshabilitarlo del todo para trabajo acotado.

La salida es la línea que cobra a $50/M en Fable 5 contra $10/M en Sonnet 5, así que más tokens de salida en el modelo más caro amplía la brecha efectiva más allá del sticker de 5x. Esto es lo opuesto a la historia Sonnet-contra-Opus, donde el thinking del modelo más barato achica el descuento. Acá el modelo más caro piensa más fuerte por defecto, así que la brecha solo crece.

Las lecturas de cache son el único lugar donde la razón es 5x directo, sin asterisco. Si tus prompts cargan un prefijo estable grande (un system prompt, un tool schema, un set de documentos repetido), una lectura de cache es $0.2/M en Sonnet 5 contra $1/M en Fable 5. Para un endpoint productivo con mucha cache, esa línea sola puede dominar la factura mensual — y nunca favorece a Fable 5.

Los benchmarks son ruidosos, pero la brecha entre estos dos es lo suficientemente amplia como para sobrevivir al ruido. Aquí es dónde caen en los tests que mapean a código productivo, con Opus 4.8 como referencia del tier medio.

Dos filas cargan la decisión. SWE-bench Pro es la lectura productiva. Corre modelos contra issues reales de GitHub de extremo a extremo: leer el repo, escribir un patch, el patch o pasa la suite de tests oculta o no, sin crédito parcial. El 80.3% de Fable 5 contra 63.2% de Sonnet 5 es una diferencia de 17 puntos, y cada uno de esos puntos es un issue que cierra en la primera corrida en lugar de fallar. En un issue difícil multi-archivo, un miss al primer pase significa un loop de retries o un humano levantando los pedazos — y ambos cuestan más que tokens.

El benchmark Senior Engineer de Every es la lectura de techo. Every lo corre sobre los problemas más difíciles que pueden escribir, del tipo que un ingeniero senior tarda un día laboral en resolver. Fable 5 a 91/100 aterriza en rango de ingeniero-senior-humano; Opus 4.8 se sienta en 63. Anthropic no publicó una cifra de Sonnet 5 para este test, pero Sonnet 5 ya queda detrás de Opus 4.8 en SWE-bench Pro (63.2% vs 69.2%), así que en un benchmark más difícil aterriza a la par o debajo de Opus, no cerca de Fable 5. Esa es la brecha que compra el premium de precio: no "un poco mejor en promedio", sino "puede hacer una clase de tarea que el modelo más barato mayormente falla".

Tratá estos scores de leaderboard como una instantánea y revisá el Transparency Hub de Anthropic para la fuente por benchmark; la dirección es lo que importa para el ruteo, no el último decimal. El resumen honesto: para código cotidiano, los puntos extra no cambian el resultado, porque Sonnet 5 ya cierra el issue. Para código de frontera, los puntos extra son la diferencia entre shipped y stalled.

El sticker es un número, el costo-por-issue-resuelto es otro, y pueden apuntar en direcciones distintas. Aquí hay dos cargas de trabajo con los supuestos explícitos para que puedas poner los tuyos.

Escenario A — una flota de código cotidiano

5 desarrolladores, 20 tareas/día cada uno, 20 días laborables (2.000 tareas/mes). Por tarea de rutina: 40K input, y salida de 8K en Sonnet 5 (thinking bajo) contra 25K en Fable 5 (thinking siempre on). Asumí que la tarea está bien dentro del alcance de ambos, así que el éxito al primer pase es cercano a 1 en ambos.

En trabajo de rutina Fable 5 no es 5x más caro — es más o menos 10x, porque el thinking siempre-on se acumula en la línea de salida de $50. Pagar eso por trabajo que Sonnet 5 ya cierra es desperdicio puro.

Escenario B — la cola difícil

Ahora tomá issues genuinamente difíciles y multi-archivo donde el éxito al primer pase es todo el juego. Usá los rates de SWE-bench Pro como stand-in: 80.3% para Fable 5, 63.2% para Sonnet 5. Por intento: 60K input, 40K output en Fable 5, 30K output en Sonnet 5.

En tokens solos, Sonnet 5 sigue siendo más barato por issue resuelto incluso después de retries, porque un quinto del precio por intento compra muchos retries. Así que el caso de Fable 5 no es un caso de costo en tokens. Es este: el rate de SWE-bench Pro favorece a Sonnet 5 en las tareas más difíciles. En la clase de problema que apunta el benchmark de Every (donde Fable 5 saca 91 y Opus 4.8 solo 63), la tasa real de resolución de Sonnet 5 cae bastante por debajo de su titular de 63.2%, su cuenta de retries sube, y algunos issues nunca los cierra.

Una vez que un patch fallido cuesta una hora de ingeniero senior o manda un bug a producción, el delta de $3 en tokens deja de ser el número que importa. Ahí es cuando Fable 5 conviene: no porque sea más barato, sino porque equivocarse es caro y él se equivoca menos.

Elegí anthropic/claude-sonnet-5 para la gran mayoría del trabajo.

Elegí anthropic/claude-fable-5 cuando la tarea está en la frontera de capacidad y una respuesta equivocada es el resultado caro.

Dos casos caen entre los tiers. El primero es ciberseguridad, biología y química, o trabajo de destilación de modelos. Fable 5 los detecta y los rutea a Opus 4.8 igual, así que llamar a Fable 5 para ellos solo agrega un hop de ruteo. Llamá a anthropic/claude-opus-4.8 directo y saltealo.

El segundo es el medio del rango de dificultad — las tareas demasiado difíciles para que Sonnet 5 las cierre de forma fiable pero no lo suficientemente difíciles como para justificar el costo efectivo de 10x de Fable 5. Ahí es exactamente donde vive Opus 4.8: $5/$25, 69.2% SWE-bench Pro, y sin ventana de disponibilidad que planear. Para muchos equipos el árbol real de ruteo tiene tres tiers, no dos, con Opus 4.8 como workhorse del trabajo duro cotidiano y Fable 5 reservado para la frontera genuina.

La decisión de ruteo, de extremo a extremo:

La forma honesta de zanjar la línea de ruteo es correr ambos en tus propias tareas y leer las cuentas de tokens. Un gateway compatible con OpenAI expone la línea Claude en un endpoint, así que lo único que cambia entre corridas es el string del model ID, y una key cubre los tres tiers sin billing separado de Anthropic.

Dos gotchas antes de correrlo: ambos modelos rechazan temperature, top_p y top_k no-default con un 400, así que dejá los sampling params como están (los ejemplos lo hacen). Y Fable 5 tiene que estar live en una ventana de acceso para que su línea resuelva; cuando no está listado, esperá la ventana o apuntá esa llamada a la propia API de Anthropic.

Python: A/B de ambos modelos en un loop

from openai import OpenAI

client = OpenAI(base_url="https://tu-gateway.ejemplo/v1", api_key="TU_GATEWAY_KEY")

prompt = "Fix the race condition in this worker pool: ..."
for model in ["anthropic/claude-fable-5", "anthropic/claude-sonnet-5"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    u = r.usage
    print(model, u.prompt_tokens, u.completion_tokens)

Mirá la columna completion_tokens. El thinking siempre-on de Fable 5 aparece ahí, y multiplicado por $50/M es donde vive la brecha de costo efectivo.

Node: misma forma

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://tu-gateway.ejemplo/v1", apiKey: process.env.GATEWAY_KEY });

const prompt = "Fix the race condition in this worker pool: ...";
for (const model of ["anthropic/claude-fable-5", "anthropic/claude-sonnet-5"]) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: prompt }],
  });
  console.log(model, r.usage.prompt_tokens, r.usage.completion_tokens);
}

Corré esto en 20 o 30 de tus tareas genuinamente difíciles, sumá input y output tokens por modelo, multiplicá por las tarifas de la tabla de specs, y dividí por cuántos resolvió cada modelo. Ese costo-por-issue-resuelto, no el sticker, es el número que decide dónde va la línea de ruteo.

Ambos modelos mantienen la forma de la Messages API, pero el mismo request que funcionaba en un Claude más viejo puede dar 400 en cualquiera de estos.

Las filas de Fable 5 son las que hacen tropezar. El thinking está siempre on, así que no hay switch de disable, y los clasificadores de seguridad pueden pasar un request a Opus 4.8 a mitad de vuelo. En la API, optá por un fallback para que un rechazo no simplemente detenga el request; el parámetro server-side fallbacks de Anthropic re-sirve un request declinado en Opus 4.8 en la misma llamada.

Si estás moviendo una carga de Sonnet 5 hacia Fable 5 para la cola difícil, presupuestá más tokens de salida por tarea, no menos, porque el thinking siempre-on va en contra de la intuición de que un modelo más inteligente termina más rápido. El test de ruteo no es el score de benchmark — es costo-por-issue-resuelto: corré ambos en tus tareas difíciles reales, contá los tokens y contá cuántos cerró cada uno.

• Un gateway compatible con OpenAI pone a Sonnet 5, Opus 4.8 y Fable 5 (cuando está en ventana) en un endpoint, así que rutear entre tiers es un cambio de un string en lugar de tres integraciones. El pricing en tiempo real está en el catálogo de modelos de tu proveedor.
• Opus 4.8 es el tier del medio que vale nombrar explícitamente: $5/$25, 69.2% SWE-bench Pro, siempre disponible, sin ventana que planear. Para las tareas entre el techo de Sonnet 5 y el piso de Fable 5, suele ser la elección correcta.
• Anthropic directo es el fallback para Fable 5 en particular. Cuando Fable 5 no está listado en un agregador, su propia API mantiene la tarifa de $10/$50 disponible, a costa de una segunda key y billing separado.

La decisión interesante en un lineup de dos tiers nunca es qué modelo es mejor. Es dónde trazás la línea — y esa línea es una línea de costo-por-issue-resuelto, no de sticker.

El sticker castiga el error obvio: pagar 5x por trabajo que el modelo barato ya cierra. Pero el costo-por-issue-resuelto castiga el más sutil: mandar una tarea difícil al modelo barato y pagarla en retries, limpieza humana y bugs mandados a producción. Los dos números apuntan en direcciones distintas justo en las tareas que más importan.

La trampa es dejar que el default barato se filtre hacia la cola difícil, o que el modelo tope se filtre hacia el 80% de rutina. Ambos son desperdicio, pero solo el segundo aparece en la factura y se siente como que pagaste de más por IA — por eso los equipos se sobre-corrigen y corren todo en el tier barato, y después se preguntan por qué sus issues difíciles se stallan.

La disciplina es medir la porción, mantener chica la del techo, y dejar que una hora-ingeniero ahorrada — no un token ahorrado — sea lo que justifica la línea de 10x.

La línea de ruteo que conviene es costo-por-issue-resuelto, no sticker — y el modelo que se equivoca menos vale 10x solo en las tareas donde equivocarse es el resultado caro.

• Anthropic, anuncio "Claude Fable 5 and Mythos 5" (Fable 5 $10/$50, clase Mythos, clasificadores de seguridad ruteando a Opus 4.8), verificado 2 jul 2026
• Anthropic, docs "Introducing Claude Fable 5" (thinking siempre-on, sin sampling params, manejo de rechazos)
• Anthropic, post de lanzamiento "Introducing Claude Sonnet 5", 30 jun 2026
• Anthropic, docs "What's new in Claude Sonnet 5" (cambios de comportamiento, pricing)
• Anthropic Transparency Hub (fuente por benchmark)
• Cifras de SWE-bench Pro / SWE-bench Verified / Every Senior Engineer de materiales de lanzamiento de Anthropic y el benchmark publicado de Every

Sobre FACTA

FACTA es una consultora de IA. Ayudamos a los equipos a elegir el modelo correcto para la tarea correcta, rutear entre tiers y medir costo-por-outcome en lugar de costo-por-token.

Escribimos estas comparaciones porque el sticker es el número que cotizan los vendors y el costo-por-issue-resuelto es el número que realmente decide el ruteo. Un lineup de dos tiers es una chance de clavar esa línea en lugar de defaultear a un solo modelo para todo.

Si estás diseñando un setup de ruteo de modelos por tiers — o querés una evaluación vendor-neutral de qué modelo Claude encaja en cada porción de tu carga — podemos ayudar.

Vendor-neutral por diseño. Costo-por-outcome por hábito.