Imagine a dos técnicos frente a una mancha de humedad. Uno la pinta por encima y cierra la incidencia. El otro sigue la marca hasta la tubería que pierde agua, la repara y después revisa la habitación contigua. Claude Opus 5 está diseñado para programar como el segundo técnico.
Por eso el número clave es 43,3% en Frontier-Bench v0.1. La evaluación pide resolver ingeniería desconocida usando terminal y herramientas. En la comparación de Anthropic, GPT-5.6 Sol logró 34,4%, Fable 5 33,7% y Opus 4.8 21,1%. Opus 5 no se limita a sustituir a 4.8: casi duplica su resultado.
Un ejemplo ilustra su carácter. Debía reconstruir una pieza mecánica desde un dibujo que no podía ver directamente. Escribió su propia canalización de visión, extrajo geometría de los píxeles y fabricó el modelo en FreeCAD. En otro caso encontró la causa raíz de un fallo y un borde que el parche de la comunidad había omitido. Son ejemplos del proveedor, no leyes universales, pero muestran el objetivo: investigar hasta que las pruebas coincidan.
Por qué supera a Fable 5
Fable todavía gana algunas fotos de meta: 53,5% en FrontierCode contra 53,4%, y cerca de medio punto más en el máximo de CursorBench. Pero una clasificación es una decisión de compra, no un museo de decimales. Opus 5 cuesta $5/$25 por millón de tokens, exactamente la mitad de Fable, no exige retención general de datos y aplica clasificadores menos restrictivos.
Artificial Analysis aporta la primera señal independiente: 61 y primer lugar con max. High y xhigh obtienen 59 y 60. La advertencia es importante: max generó muchísimos tokens. Un modelo a mitad de precio aún puede producir una factura completa si escribe una novela para arreglar un botón.
Por qué se queda por poco sin el #1
GPT-5.6 Sol lidera DeepSWE v1.1 con 72,7%, frente a 69,7% de Fable y 68,8% de Opus 5. Sin embargo, en la comparación directa actual de Artificial Analysis, Claude Code con Opus 5 y Codex con GPT-5.6 Sol empatan con 67 en el Coding Agent Index general. El reparto aclara más que el empate: GPT gana DeepSWE y Terminal-Bench y termina las tareas más rápido y por menos dinero; Opus gana la prueba de comprensión del repositorio. GPT-5.6 ocupa por tanto el primer puesto por un desempate de eficiencia y terminal, no porque programe claramente mejor que Opus 5 en todo.
La ruta sensata es sencilla: Opus 5 para errores vagos, causas raíz, cambios multarchivo y verificación visual; Sol para maratones de terminal; Fable solo cuando su diminuta ventaja máxima compensa el doble de precio.
La migración conserva contexto de 1M, salida de 128k, visión, PDF, caché, lotes y herramientas. El pensamiento adaptativo está activo por defecto. Solo faltan web fetch y Priority Tier. Opus 5 reemplaza por completo a Opus 4.8 y hace difícil justificar Fable para el volumen cotidiano.
