Claude Fable 5 No Necesita Menos Dirección. Necesita Más.

Incógnita desconocida. Exactamente eso fue lo que le cayó encima a Thariq Shihipar, ingeniero del equipo Claude Code de Anthropic, la semana que se sentó a editar el video de lanzamiento de Fable 5 con... Claude Code.

Eligió la herramienta que conocía mejor que casi cualquier otra persona en el planeta, para un proyecto que entendía desde adentro. Contexto máximo, si es que alguna vez lo hubo.

Y aún así lo tomó por sorpresa. La transcripción se desvió. El timing de los cortes no coincidía con el ritmo del metraje. El color grading era algo que ni siquiera podía evaluar a ojo (tuvo que parar y pedirle a Claude que le enseñara cómo se veía un buen grading antes de poder evaluar las opciones que le daba).

Digresión random: todavía no perdono completamente los 18 días que Fable 5 estuvo offline este año por una disputa de controles de exportación, volvió online el 1 de julio. Tenía 3 deadlines de clientes esa semana y terminé redirigiendo todo a través de Opus. No tiene nada que ver con puntos ciegos, solo me parece gracioso que un modelo frontier pueda desaparecer por una disputa comercial de la misma manera que la escasez de tarjetas gráficas cancela tu pedido de GPU.

Si el tipo con el máximo contexto posible en este proyecto exacto todavía se topa con sus propios puntos ciegos, "conozco mi stack" nunca te iba a salvar tampoco.

La Creencia Que No Sobrevive Los Datos

Mientras más inteligente se vuelve el modelo, menos necesitas explicarle. Esa es la suposición integrada en muchos consejos de coding agéntico ahora mismo. Ya se dará cuenta de lo que quisiste decir.

Es lo opuesto. Y los números lo respaldan sin necesidad de opiniones adjuntas.

Un modelo débil falla ruidoso y local. Ves el problema en el primer intento, se rompe de manera obvia, lo parcheas y sigues adelante. Un modelo como Fable 5 toma tu instrucción al pie de la letra y corre con ella hasta el final, con confianza, incluso cuando esa instrucción escondía una brecha que no sabías que existía. Mientras mejor se vuelve el modelo, más te cuesta una suposición no declarada. No menos.

El propio desglose de Shihipar toma prestadas las 4 cajas de Donald Rumsfeld. Los conocidos conocidos son lo que ya está especificado en tu prompt, y los conocidos desconocidos son las brechas de las que eres consciente pero que aún no has respondido. La pareja peligrosa son las otras 2: desconocidos conocidos, las suposiciones tan obvias para ti que nunca pensarías en escribirlas (estilo de la casa, gusto, el "obviamente no tocamos esa tabla"), y desconocidos desconocidos, las cosas que nunca consideraste en primer lugar. El techo de calidad de Fable 5 se asienta casi completamente en esas últimas 2 cajas, las que no puedes ver desde adentro porque eres tú quien está parado en ellas.

La propia investigación de Anthropic hace el punto sin editorializar. Un análisis interno de aproximadamente 400,000 sesiones de Claude Code encontró que en una sesión típica, los humanos mantienen cerca del 70% de las decisiones de planificación mientras Claude maneja cerca del 80% de las decisiones de ejecución. Los humanos todavía poseen el pensamiento. El modelo solo corre con él más lejos y más rápido de lo que solía.

Shihipar no es el único punto de datos aquí. 2 de sus colegas se sientan en el otro extremo del espectro: Boris Cherny, quien dirige Claude Code en Anthropic, y Jarred Sumner, quien construyó el runtime JavaScript Bun. Ninguno de ellos carga muchas incógnitas en una sesión, no porque sean más inteligentes, sino porque conocen sus codebases al dedillo, conocen las tendencias del modelo, y escriben especificaciones tan precisas que Fable 5 no tiene dónde adivinar. Si ellos son los builds min-maxeados, la mayoría de nosotros todavía estamos descubriendo nuestro árbol de habilidades. Planificar con anticipación tampoco te lleva ahí. Las incógnitas aparecen a mitad de implementación tan seguido como aparecen en el brief, a veces señalando que todo el enfoque necesita cambiar, no solo la redacción.

Nada de esto significa escribir un prompt más largo. Shihipar también advierte contra el error opuesto: sobre-especificar y bloqueas al modelo en un mal enfoque del que no tiene espacio para desviarse. Un artículo separado sobre el pánico de productividad del AI coding hace casi el mismo punto desde un ángulo diferente, culpando a las herramientas por una desaceleración mientras diagnostica la enfermedad equivocada en lugar del cuello de botella real. La palanca no es el conteo de palabras. Es el número de puntos ciegos que cargas en la sesión antes de presionar enter.

1 Millón de Tokens Esconde Una Mala Suposición

En una sesión interactiva corta, una mala suposición se rompe rápido. Haces el prompt, Claude responde, notas que se desvió en un par de intercambios, lo corriges. El loop es lo suficientemente ajustado que las brechas no declaradas se capturan temprano, casi por accidente.

Fable 5 cambia la forma de ese loop. Corre con una ventana de contexto de 1 millón de tokens, que es exactamente lo que hace posibles las sesiones autónomas largas en primer lugar (docenas de pasos sin que revises ninguno de ellos).

Una suposición no declarada plantada al inicio de una de esas sesiones no se rompe inmediatamente. Se propaga: 10 pasos adentro, todo todavía se ve bien, y 20 pasos adentro también se ve bien, porque el modelo sigue construyendo fielmente sobre la premisa equivocada, y la ejecución fiel se ve exactamente como progreso hasta que no. Para cuando la brecha entre tu mapa mental y el codebase real se vuelve visible, ya no estás viendo una corrección pequeña. Estás viendo desenredar una cadena de decisiones que cada una tuvo sentido localmente y ninguna de las cuales tuvo sentido una vez que retrocediste y miraste todo el conjunto.

Las sesiones más largas no encogen el punto ciego, solo alargan la mecha.

Cómo Se Ve Un Punto Ciego En La Práctica

I'm working on adding a new auth provider but I know nothing about the auth modules in this codebase. Can you do a blindspot pass to help me figure out my relevant unknown unknowns and help me prompt you better.

Esa está cerca de la línea exacta que Shihipar usa antes de tocar una parte de un codebase que no conoce bien. Lo llama un blindspot pass: pedirle al modelo que escanee tu propio prompt y marque lo que es ambiguo o indefinido antes de que escriba una sola línea. Es el movimiento que cambia una pregunta de la caja de desconocidos desconocidos directamente a la caja de conocidos desconocidos, donde realmente puedes hacer algo al respecto.

Esto es lo que significa "más dirección" en la práctica. No un prompt más largo escrito por un humano tratando de anticipar todo por adelantado. Un pase extra donde el modelo te dice lo que aún no sabe, antes de que empiece la implementación. Saltártelo en terreno desconocido y obtienes el equivalente de coding de "YOU DIED" sin nombre de jefe adjunto: algo falló, y no estás seguro cuál de tus suposiciones es la que te mató.

El blindspot pass no es el único movimiento en el kit. Para las áreas densas con desconocidos conocidos (decisiones de gusto, diseño visual, las cosas que reconocerías como incorrectas pero no puedes especificar por adelantado), Shihipar se apoya en brainstorming en su lugar. Hace que Fable 5 genere un puñado de direcciones radicalmente diferentes como prototipos desechables antes de escribir el prompt real, luego reacciona a lo que tiene enfrente en lugar de tratar de describir una preferencia que realmente no ha formado aún.

Es la misma secuencia que usó en el video de lanzamiento mismo, sin darse cuenta de que estaba nombrando un patrón: detectar el desconocido desconocido (no puedo juzgar este color grade), convertirlo en conocido desconocido (¿cómo se ve siquiera un buen grading?), llevarlo a conocido conocido (pedirle a Claude que le enseñe primero), luego proceder.

No cierra la brecha completamente. Detectar un punto ciego sigue siendo una decisión de juicio que un humano tiene que hacer en el momento, no un botón que resuelve el problema de una vez por todas.

Mi Propio Framework Tiene La Misma Brecha

Construí el framework completo de prompt contracts después de suficientes de estos desastres para dejar de confiar en mis propias vibes en una spec. Funciona. Captura conocidos desconocidos, las cosas de las que eres consciente que aún no has decidido, y fuerza conocidos conocidos a la escritura en lugar de dejarlos en tu cabeza donde Claude no puede alcanzarlos.

No vi la brecha hasta que el hilo de Shihipar me envió de vuelta a mirar mi propio trabajo. Un prompt contract cubre lo que es conocido y declarado, y lo que se sabe que falta. No alcanza nativamente las 2 cajas que realmente rompen un modelo tan capaz como Fable 5: lo que sabes pero nunca escribiste porque se sentía demasiado obvio para mencionar, y lo que nunca consideraste en primer lugar. Esas son exactamente las 2 zonas donde un modelo capaz falla silenciosamente en lugar de ruidosamente, que es todo el problema que este artículo ha estado rodeando.

Tal vez estoy siendo generoso con mi propio trabajo aquí, pero no creo que esto rompa el framework. Es un punto ciego en una herramienta que todavía se gana su lugar en todos los demás lados. Si ya estás lo suficientemente metido en coding agéntico para estar corriendo prompt contracts, esta es la capa para atornillar encima: un pase que caza específicamente las cosas que no pensaste en escribir. Todo el framework, cuadrantes y todo, está expuesto en más profundidad en Prompt Contracts, mi segundo libro sobre el tema.

El instinto natural es asumir que el próximo modelo finalmente arregla esto. Más inteligente, menos brechas que capturar después del hecho, el problema silenciosamente se encoge con cada lanzamiento.

Es lo opuesto en cada paso hacia arriba en capacidad. Fable 5 no encoge la lista de cosas que no dijiste, solo ejecuta esa lista más fielmente, todo el camino hasta el final, sin parar a preguntar si estabas seguro. El próximo modelo hará lo mismo, estilo HAL 9000: todavía calmado, todavía educado, todavía sin parar a revisar, solo con una pista más larga antes de que alguien se dé cuenta.

El cuello de botella ya dejó el modelo. Está sentado en tu lado del teclado, antes de que hayas tecleado la primera línea del prompt.

Fuentes

La guía de campo original de Thariq Shihipar corrió como un hilo en X a principios de julio de 2026. The Decoder cubrió la técnica del blindspot pass y la historia del video de lanzamiento en detalle, y TechTimes cubrió los datos de 400,000 sesiones y dónde se asienta el cuello de botella ahora.

Este post puede contener enlaces de afiliados. Si los clickeas, podría ganar una pequeña comisión (no te cuesta nada, y me ayuda a seguir enviando artículos de calidad todos los días para tu placer de lectura).