Claude Fable 5 se considera actualmente uno de los modelos de lenguaje más potentes de disponibilidad general, pero también es caro y reacciona a los prompts de forma distinta a los modelos anteriores. El youtuber Nate Herk ha trabajado la documentación oficial de Anthropic sobre cómo hacer prompting con Fable 5 y la ha reducido a seis hábitos prácticos. Los hemos traducido al español para usted, contrastado con los ejemplos originales de la documentación y completado con indicaciones honestas de la práctica, sin hype de IA.
Lo esencial en breve
- Seis reglas de prompting marcan la diferencia entre probar a ciegas de forma cara y trabajar de forma eficiente con Fable 5.
- El contexto gana a las órdenes: dígale al modelo el porqué, no solo el qué.
- Elija el nivel de effort de forma consciente: no toda tarea necesita el modelo más caro en su nivel máximo.
- Haga que se verifique: pida que le demuestren los resultados en lugar de confiar en ellos a ciegas.
- Menos es más: con un modelo tan capaz, las instrucciones cortas y claras suelen dirigir mejor que reglamentos de varias páginas.
Por qué el prompting funciona distinto con Fable 5
Fable 5 sigue las instrucciones cortas y claras mejor que los modelos anteriores, sencillamente porque razona mejor. A menudo «entiende» su intención antes de que usted haya detallado cada punto. De ahí salen justamente las seis reglas: no son un fin en sí mismas, sino que aprovechan esa fortaleza de forma deliberada.
Una advertencia honesta de entrada: Fable 5 no es un modelo barato. Cuesta unos 10 dólares estadounidenses por millón de tokens de entrada y 50 dólares estadounidenses por millón de tokens de salida, es decir, exactamente el doble que Opus 4.8 (5 y 25 dólares respectivamente). Para la mayoría de las tareas rutinarias no lo necesita en absoluto. El verdadero arte consiste en usarlo solo cuando realmente compensa.
Regla 1: dele al modelo el «porqué»
Anthropic es claro: Fable 5 da mejores resultados cuando conoce su intención. El contexto conecta la tarea con la información correcta, en lugar de que el modelo tenga que adivinar la intención. La documentación llega a proponer una fórmula fija: «Estoy trabajando en [la tarea mayor] para [quién]. Hace falta [lo que el resultado permite]. Con ese trasfondo: [la petición]».
- En vez de: «Escríbeme un correo a un cliente por el retraso».
- Mejor: «Estoy trabajando en este proyecto mayor, este es el cliente y esta es su petición. ¿Puedes escribirme con ese contexto un correo sobre el retraso?».
Vale para: cualquier modelo. Quien ya trabaja con archivos de contexto o con un sistema de conocimiento bien estructurado le da además al modelo la oportunidad de consultar de forma dirigida la información correcta.
Regla 2: diga expresamente lo que NO debe hacer
En el fondo, los modelos de IA predicen la siguiente palabra plausible, y a veces se ponen «creativos» y hacen cosas que usted no quería. El prompting negativo lo acota. Anthropic lo hace igual en su propia documentación. Un ejemplo apunta a que Fable 5 no «ordene» por su cuenta cuando trabaja con un effort alto (traducido según el sentido):
«No añadas funciones, no refactorices y no introduzcas abstracciones que vayan más allá de lo que exige la tarea. Un arreglo de un fallo no necesita una limpieza alrededor. Haz lo más simple que funcione bien».
La mejor comparación: explíqueselo como a una persona en prácticas. A alguien que empieza le dice usted con toda naturalidad lo que no debe hacer, porque aún no conoce el proceso. El segundo ejemplo de la documentación marca exactamente ese límite (traducido según el sentido):
«Cuando la usuaria describe un problema, hace una pregunta o piensa en voz alta, en lugar de pedir un cambio, el resultado es tu valoración. Informa de lo que encuentres y párate. No apliques ninguna corrección hasta que te lo pidan expresamente».
Vale para: cualquier modelo.
Regla 3: déjelo actuar en cuanto sepa lo suficiente
Detenga la planificación excesiva. Anthropic formula para esto un fragmento propio en la documentación de Fable 5, justamente porque una sola petición puede durar muchos minutos con niveles de effort altos, mientras el modelo reúne contexto, construye y se revisa a sí mismo (traducido según el sentido):
«Si tienes información suficiente para actuar, actúa. No vuelvas a deducir hechos que ya están fijados en la conversación, no reabras una decisión que la usuaria ya ha tomado y no enumeres opciones que de todos modos no vas a seguir».
Y además: elija el nivel de effort adecuado. Fable 5 ofrece varios niveles: low, medium, high, extra high. La recomendación de Anthropic, literalmente:
- high como estándar para la mayoría de las tareas
- extra high (xhigh) para las cargas de trabajo más sensibles a la capacidad
- medium o low para el trabajo rutinario
Interesante: según la documentación, incluso los niveles bajos de effort de Fable 5 superan a menudo el nivel más alto de los modelos anteriores, y a menor coste. En cambio, quien deja Fable 5 al máximo para todo casi siempre paga de más. De forma realista, solo necesita el modelo de gama alta para una pequeña parte de sus tareas.
Regla 4: haga que demuestre que ha terminado
Puede que sea la regla más importante. A veces los modelos afirman haber terminado, pero no es así, o no han comprobado nada. Anthropic informa de que contrastar el progreso con resultados reales de herramientas eliminó casi por completo los avisos de estado inventados en sus pruebas. Incorpore, por tanto, bucles de verificación (traducido según el sentido):
«Antes de informar de un avance, contrasta cada afirmación con un resultado de herramienta de esta sesión. Informa solo del trabajo del que puedas mostrar pruebas. Si algo aún no está verificado, dilo expresamente en lugar de suponer. Si una prueba falla, dilo con la salida; si se ha saltado un paso, dilo».
El consejo vale para cualquier modelo y lo ideal es fijarlo en sus Skills, agentes y archivos de configuración, en vez de añadirlo a cada prompt por separado.
Regla 5: no le pida a Fable 5 que revele sus pensamientos
Esta regla es específica de Fable y está nombrada expresamente en la documentación oficial. Los prompts, Skills o instrucciones del harness que piden al modelo reproducir, transcribir o explicar su razonamiento interno como texto de respuesta pueden activar la categoría de rechazo reasoning_extraction. La consecuencia: más fallbacks a Claude Opus 4.8. Por eso, al cambiar de modelo, revise sus Skills y system prompts existentes en busca de formulaciones del tipo «explica tu razonamiento». Si realmente necesita ver el reasoning, lea en su lugar los bloques estructurados de thinking, en vez de pedírselo al modelo.
Regla 6: diga menos, no más
De entrada suena contradictorio, porque durante mucho tiempo se dijo que más contexto es mejor. Pero la capacidad de Fable 5 para seguir instrucciones es tan buena que una indicación corta dirige la mayoría de los comportamientos con la misma fiabilidad que un reglamento detallado, siempre que el modelo trabaje en un buen entorno, con contexto, herramientas y Skills.
Esto no contradice la regla 1: dar el «porqué» no significa inflarlo todo. En vez de «regla uno: sé breve, regla dos: …, regla tres: …», suele bastar una indicación corta como: «Empieza por el resultado. Tu primera frase al terminar debe responder qué ha pasado o qué has encontrado». Y para las consultas: «Detente solo cuando el trabajo lo exija de verdad: ante una acción destructiva, un cambio real de alcance o cuando solo la usuaria pueda aportar algo». Vale para: específico de Fable, en el sentido del fuerte seguimiento de instrucciones.
Extra: cuando Fable pasa la tarea en silencio a Opus 4.8
Fable 5 ejecuta clasificadores de seguridad que apuntan a tres ámbitos: técnicas ofensivas de ciberseguridad (por ejemplo, construir exploits, malware o herramientas de ataque), contenidos de biología y ciencias de la vida (por ejemplo, métodos de laboratorio o mecanismos moleculares) y la extracción del razonamiento resumido del modelo. Si uno de esos clasificadores se activa, la petición puede terminar con el motivo de parada refusal y puede pasarse automáticamente por fallback a Claude Opus 4.8. Conviene saberlo: también la investigación de seguridad legítima o tareas útiles de ciencias de la vida pueden activar estos mecanismos de protección. La consecuencia práctica: formule de forma clara y legítima y, si construye sobre la API, configure limpiamente el fallback a Opus 4.8.
Para llevar: descargas gratuitas
📄 Chuleta: Descargar la lista de las 6 reglas en PDF (en alemán) — de una sola página, para imprimir o dejar junto a la pantalla.
📘 En detalle: Descargar la guía completa en PDF (en alemán) — las seis reglas con ejemplos y contexto.
Conclusión
Las seis reglas no son magia, sino buenas reglas de oficio: dar contexto, delimitar con claridad, dejar actuar, verificar, no pedir el reasoning y ser breve. Cuatro de ellas valen para cualquier modelo y mejoran sus prompts en general. Dos son específicas de Fable y ayudan a usar el caro modelo de gama alta de forma eficiente y sin rodeos innecesarios. Pero la mayor palanca sigue siendo la elección del modelo: recurra a Fable 5 solo donde realmente necesite ese rendimiento, y ancle estas reglas de forma permanente en sus Skills y archivos de configuración, en vez de teclearlas cada vez.
Fuentes: el vídeo «How Anthropic Engineers Actually Prompt Fable 5» de Nate Herk | AI Automation (YouTube, en inglés) y la documentación oficial de Anthropic «Prompting Claude Fable 5». Los ejemplos se han traducido del inglés según el sentido y se han contextualizado.