Claude Fable 5: què és, per a què fer-lo servir a la teva pime i per a què no
Anthropic va llançar al juny Claude Fable 5, el primer model de la seva nova família Claude 5 i el més capaç que pots fer servir avui sense ser una gran corporació. Aquesta és la versió per a propietaris de pime: què canvia de veritat, quant costa i, sobretot, quan no el necessites.
Les dades, sense adjectius
- Llançat el 9 de juny de 2026. Va estar suspès uns dies per controls d’exportació dels EUA i va tornar a operar globalment l’1 de juliol.
- És la versió pública de la família Mythos: mateixes capacitats de base, amb mesures de seguretat addicionals. La variant sense aquestes mesures (Mythos 5) només està disponible per a organitzacions aprovades.
- Preu per API: 10 dòlars per milió de tokens d’entrada i 50 per milió de sortida. Com a referència, això és entre 3 i 10 vegades més car que els models amb què es construeixen la majoria d’automatitzacions de back-office.
- Data clau: fins al 12 de juliol a les 23:59 (hora del Pacífic) els subscriptors dels plans de pagament poden fer-lo servir dins dels seus límits sense cost extra. Des del 12, es cobra a part per ús.
Què fa millor que tot l’anterior
Tres coses rellevants per a una empresa, no per a un laboratori:
- Documents llargs i complexos. Manté el fil al llarg de milions de tokens sense perdre’s. Un expedient complet, un contracte de 200 pàgines amb els seus annexos, un històric de correus d’un cas: ho processa com un conjunt, no a trossos.
- Gràfics i taules de veritat. Extreu xifres concretes de figures i taules denses, del tipus que apareix en informes tècnics, comptes anuals o documentació de laboratori.
- Raonament de nivell sènior. En tasques d’anàlisi on abans havies de revisar el resultat de la IA com si fos d’un becari, el salt de qualitat és notable.
Per a què el faria servir en una pime
- Revisar un contracte o una licitació gran contra el teu checklist abans de signar-la.
- Analitzar d’una sola vegada un any de dades disperses (vendes, incidències, marges per client) i fer-li les preguntes difícils.
- Preparar una decisió puntual i important: entrar en un mercat, canviar d’ERP, respondre una inspecció.
El patró: tasques puntuals, d’alt valor, on pagar uns euros més per resposta no importa i el cost d’un error és alt.
Per a què NO el necessites (i aquí és on se’n van els diners)
Per a la feina repetitiva de volum: extreure 40 factures al dia, classificar comandes, generar certificats de visita, respondre correus operatius. Aquí el model més car no és la solució, és un sobrecost. El que fa fiable aquest tipus de procés no és la intel·ligència del model sinó el disseny del flux: validacions (que el CIF existeixi, que l’IVA quadri), llindars de confiança, una carpeta de revisió per als casos dubtosos i avisos quan alguna cosa falla. Un model mitjà amb bon disseny guanya un model brillant sense ell, i costa una fracció.
La regla que faig servir amb clients: el model gran per pensar, el model petit per produir, i el procés ben dissenyat perquè cap dels dos no et faci una mala passada.
Si tens subscripció de Claude, aquesta setmana
Fins diumenge 12 pots provar-lo sense cost extra dins del teu pla. Prova una tasca real: puja-li el teu contracte més enrevessat o l’informe que ningú del teu equip no vol llegir i demana-li les tres clàusules o xifres que més t’haurien de preocupar. Aquesta prova et diu més que qualsevol benchmark.
Preguntes freqüents
Fable 5 substituirà els fluxos que ja tinc automatitzats? No hauria de fer-ho. Els fluxos de volum continuen sent més rendibles amb models mitjans ben validats. Fable encaixa com a eina d’anàlisi puntual.
És segur per a les dades de la meva empresa? Anthropic aplica una retenció de 30 dies amb finalitats de monitoratge de seguretat i declara que no fa servir aquestes dades per entrenar models. Per a dades especialment sensibles, l’arquitectura correcta continua sent processar a la teva infraestructura el que no n’hagi de sortir.
Quant costaria fer-lo servir en un procés diari? Depèn del volum, però com a ordre de magnitud: un procés que llegeixi 1.000 documents al mes pot multiplicar per 5-10 el seu cost de model respecte a l’alternativa mitjana. Per això es reserva per a anàlisi, no per a producció en massa.