ElingenierodeAnthropicdescribeunahojaderutade14pasos,basadaenunaarquitecturadetrescapasyunapilamientodecuatronivelesdeinteréscompuesto,quedesglosacómoconstruirunsistemadeagentesdeauto-mejoraqueserefuerzaiterativamenteentornoaFable5.Elcontenidoprovienedeartículosdeingenieríayexperimentospúblicosdelequipo.ElexperimentoContinualLearningBenchdeAnthropicmuestraqueFable5,equipadoconmemoria,alcanzaunacoberturadeverificacióndel73%.##Arquitecturadeapilamientodecuatronivelesdeinteréscompuesto:funcionamientocapaporcapadesdelacapadeprimitivashastalacapadeauto-mejora

(Fuente:AnthropicFable5)Segúnelmarcooriginal,elapilamientodecuatronivelesdeinteréscompuestoseconstruyedeabajoarriba.Lasalidadecadacapafluyehacialacapasuperior,dondeesevaluada,destiladayluegoescritadenuevoenlacapadememoria:·Capa1(Primitivas):incluyeelpropioFable5,subagentes,worktreesyherramientas;eselnivelqueusalamayoríadelosusuariosactualmente.·Capa2(Orquestación):utiliza/goalyOutcomesparabuclesdeautocorrección,flujosdetrabajodinámicosparaorquestacióndemúltiplespasos,yRoutinesparaejecuciónalargoplazoenlanube.·Capa3(Memoria):incluyearchivosdeestado(STATE.md),Skills,KnowledgeBasesyleccionesdestiladas.·Capa4(Auto-mejora):incluyeautoverificaciónvisual,buclesdeevaluaciónydestilacióndereglas.Elagentecalificasuspropiassalidas,refinaSkillsyescribeleccionesdevueltaalamemoria,cerrandoelbucle.##/goalyOutcomes:comparacióndeescenariosdeusodedosbuquesimpulsadosporobjetivosSegúnlosdocumentosdeingenieríadeAnthropic,/goal(ClaudeCode)yOutcomes(ClaudeManagedAgents)compartenlamismaformacentral:unevaluadorindependienteverificaeltrabajo;sisedeterminaquenosehaalcanzadoelobjetivo,seinicialasiguienteiteración;cuandoelevaluadoraprueba,elbuclesale.Lasreglasdeselecciónentreambossonlassiguientes:/goalesadecuadoparatareasqueseejecutanlocalmente,dentrodeunasesiónyconunestadofinalmedible(porejemplo,depuracióndecódigo,refinamientodeunsoloarchivo).Utilizaobjetivosdetextoplanoyunmodeloevaluador.OutcomesesadecuadoparatareasquenecesitanejecutarsedurantehorasodíasenlainfraestructuraalojadadeAnthropic(porejemplo,entrenamientodeML,migracioneslargas).Utilizacriteriosdeevaluaciónbasadosenarchivos,subagentesevaluadoresyunlímitemáximodeiteracionesestricto.Principioestructuralclavecompartido:elagentequeescribecódigonoeselagentequeevalúa.##**ExperimentoContinualLearningBench:CoberturadeverificacióndememoriadeFable5del73%SegúnelexperimentoContinualLearningBench1.0deAnthropic,laprogresióndememoriaencincofases(Fail→Investigate→Verify→Distill→Consult)muestradiferenciasentremodelos:Sonnet4.6:saleenlafase1.Lamemoriasonsolonotasdefallosyconjeturasnoresueltas;raravezconsultanotasanteriores.Lamemorianosecapitaliza.Opus4.7:saleenlafase3.Creadocumentosdereferenciaconanotacionesdeincertidumbre.Coberturadeverificacióndel7-33%(medianaalrededordel17%).Fable5:tiendeacompletartodalaprogresióndecincofases.Ensuejecuciónmásfuerte,alcanzaunacoberturadeverificacióndel73%(22de30preguntas)ydestilaloaprendidoenreglasgeneralesaplicablesatareasfuturas.Además,enelexperimentoParameterGolf,Fable5,conunverificadorindependiente,explorócambiosarquitectónicosdemayorescalayatravesóresultadosintermediosnegativos,lograndofinalmenteaproximadamenteseisvecesmásmejorasqueOpus4.7.##Progresióndememoriaencincofasesyarquitecturadelarchivodeestado:lascincoseccionesestructuralesdeSTATE.mdSegúnlosdocumentosdeingenieríadeAnthropic,lascincoseccionesdelarchivodeestado(STATE.md)correspondenalascincofasesdememoria:Verifiedfacts(hechossobrelosquesehadejadodeespecular,salidadelafase3),Generalrules(reglasdestiladasquetrasciendencasosespecíficos,salidadelafase4),Openfailures(trabajoencursodelasfases1-2),Lessonslearned(mássalidadelafase4),Lastsession(indicadordereanudacióndelafase5).LosdatosdeContinualLearningBenchmuestranque,sialiniciodecadasesiónnoseleeSTATE.mdnilasSkillsrelacionadas,inclusoFable5muestrauncomportamientodememoriasimilaraldeSonnet.LasSkillssealmacenanen~/.claude/skills/,sonreutilizablesentreproyectosyconstituyenelvehículodeacumulaciónalargoplazodelamemoriaprocedural;cadalecciónconfirmadadebeescribirseenunaSkill,nosoloenSTATE.md.##ClasificadordeseguridaddeFable5yenrutamientodecostos:respaldoaOpus4.8enáreasdealtoriesgo,costosenrutadossegúnlacomplejidaddelatareaSegúnlosdocumentosdeingenieríadeAnthropic,Fable5tieneunclasificadordeseguridadincorporadoque,enáreascomoinvestigacióndevulnerabilidadesdeseguridad,biología,químicaydestilacióndemodelos,rechazaresponderyautomáticamenterecurreaOpus4.8.Susystemcardde319páginasdocumentaelalcancecompletodelclasificador;algunasdegradacionessedescubrieronprofundamenteenterradasenlosdocumentosdespuésdellanzamientoenjuniode2026.ElpatróndeenrutamientodecostosrealmenteutilizadoporlosingenierosdeAnthropices:Fable5actúacomoorquestador(planificaciónentredías,delegacióndesubagentes,verificaciónvisual);Opus4.8manejasubtareasdifícilesperoacotadas(decisionesarquitectónicas,depuracióncompleja)yelrespaldobloqueadoporelclasificador;Sonnet4.6manejatareasdetrabajadordealtovolumen(lint,refactorizaciónsimple,actualizacionesdedocumentación);Haiku4.5actúacomosubagenteevaluadoryclasificadordebajocosto.##Preguntasfrecuentes####¿Cuálesladiferenciaentre"auto-mejora"y"auto-aprendizaje"enFable5?SegúnlosdocumentosdeingenieríadeAnthropic,elauto-aprendizajeserefiereaqueelmodeloactualizasuspropiospesosenfuncióndeloaprendido;Fable5nohaceesto,ylosmodelosdisponiblespúblicamenteactualmentenotienenestacapacidadenentornosdeproducción.Laauto-mejoraserefiereaqueelsistemaalrededordelmodelosecapitalizaconcadaejecución:lamemoriaacumulahechosverificados,lasSkillssevuelvenmásprecisasalagregarcasoslímite,losbuclesdeevaluaciónrefinanlosprompts;elmodeloensínocambia,perosuentornodeejecuciónsevuelvemásafinado.####¿QuésonlosRoutinesycuándoselanzan?SegúnlosdocumentosdeingenieríadeAnthropic,losRoutinessonconfiguracionesguardadasdeClaudeCode(prompts,repositorios,conectores,permisos)queseejecutanenlainfraestructuraenlanubealojadaporAnthropicbajocondicionesdeactivación,inclusosilamáquinalocalestáapagada.LosRoutinesselanzaroncomovistapreviadeinvestigaciónel14deabrilde2026,yadmitentrestiposdeactivación:programada,porAPIyporeventosdeGitHub.####¿Porquéunsubagenteverificadorindependienteesmejorquelaautocrítica?**SegúnlapublicacióndelblogdeingenieríadelingenierodeAnthropicPrithviRajasekaranylosdatosdellanzamientodeFable5,cuandounmodeloevalúasupropiasalida,vesupropiatrayectoriaderazonamientoytiendeainclinarsehaciaconclusionescoherentesconloescritoanteriormente.Otroagentesolovelasalidayloscriteriosdeevaluación;elverificadornotieneintereseseneljuegodelcreador,puedeexplorarunespaciodehipótesismásamplioyrecuperarsederesultadosintermediosnegativos.

Aviso legal: La información en esta página puede provenir de fuentes de terceros y es solo para referencia. No representa las opiniones ni puntos de vista de Gate y no constituye asesoramiento financiero, de inversión ni legal. El comercio de activos virtuales implica un alto riesgo. No te bases únicamente en la información presentada en esta página para tomar decisiones. Para más detalles, consulta el Aviso legal.

Noticias relacionadas

hace17h

Anthropic asegura 1,4 millones de kW de capacidad de centro de datos en Australia por hasta $15 mil millones

hace22h

Anthropic planea asegurar 1,4 millones de kilovatios de capacidad de centros de datos en Australia por hasta 15 mil millones de dólares.

07-04 21:16

La puntuación de Claude Fable 5 en Debugging cae de 86,2 a 25,9 el 1 de julio, pero Arena.AI muestra un rendimiento plano