Comparativa de Claude con esfuerzo Low: Fable 5 vs Opus 4.8 vs Sonnet 5

Resumen

• En CursorBench 3.2, Fable 5 Low obtiene 62.1% con un costo de $4.46 por tarea**, **Opus 4.8 Low obtiene 53.1$2.02, y Sonnet 5 Low obtiene 47.7% con $1.30.
• Sonnet 5 Low es el más barato, pero lo reservaría para trabajo de alto volumen y alcance acotado, con verificaciones deterministas.
• Opus 4.8 Low es la opción intermedia según las mediciones, pero solo después de que una evaluación en tu repositorio demuestre que Low es aceptable. Cuesta $0.72 más por tarea de CursorBench que Sonnet y gana 5.4 puntos mientras usa seis pasos reportados menos.
• Fable 5 Low tiene la puntuación más alta de CursorBench entre estas tres configuraciones Low. Gana otros 9 puntos sobre Opus Low, pero cuesta $2.44 más por tarea.
• El resultado sorprendente aparece al comparar distintos niveles de esfuerzo: Fable Low se sitúa cerca de Opus Max, Sonnet Max y Opus Xhigh, con un costo menor y muchos menos tokens y pasos. Las diferencias pequeñas de puntuación aún podrían ser ruido del benchmark.
• CursorBench incluye trabajo de planificación, pero no publica una puntuación Low exclusiva para planificación. Por eso, mis recomendaciones de planificación son criterios fundamentados, no un ranking independiente.
• Una distribución práctica es Sonnet Low para ejecución rutinaria, Opus Low para planes normales y trabajo en varios archivos después de que Low apruebe la evaluación de tu repositorio, y Fable Low para planes ambiguos o costosos de reiniciar.
• Una política Low de tres modelos solo tiene sentido cuando un equipo se hace cargo de las pruebas, las rúbricas de aceptación, la visibilidad de costos y el escalamiento. De lo contrario, conserva la configuración High o Xhigh recomendada por el proveedor.

Qué aprenderás aquí

• Cómo se comparan los tres modelos Claude con el mismo ajuste de esfuerzo low
• Qué modelo es más barato, cuál tiene la puntuación más alta en el benchmark y cuál ofrece la mejor opción intermedia
• Por qué Fable Low puede ser más económico que las configuraciones Max o Xhigh de modelos más baratos
• Qué dicen y qué no dicen los datos publicados sobre planificación
• Qué modelo Low usar para ediciones rutinarias, revisiones, planes y migraciones
• Cómo implementar y evaluar una política sencilla de enrutamiento Low

Low no es un modelo más pequeño

El parámetro de esfuerzo de Claude controla el gasto total de tokens de respuesta, incluidos el razonamiento, el texto dirigido al usuario, las llamadas a herramientas y los argumentos de funciones. No reemplaza el modelo seleccionado por uno más pequeño.

Con low:

• el modelo tiende a gastar menos tokens de respuesta
• las llamadas a herramientas y las explicaciones pueden ser más breves
• las solicitudes simples pueden omitir el razonamiento extendido
• la latencia y el costo suelen disminuir
• el trabajo de complejidad moderada tiene un mayor riesgo de recibir un razonamiento insuficiente

La misma etiqueta no implica la misma cantidad de cómputo en todos los modelos. Anthropic calibra la escala de esfuerzo por modelo, por lo que Fable Low, Opus Low y Sonnet Low deben tratarse como configuraciones de producto y no como presupuestos ocultos de tokens equivalentes.

Los tres modelos usan high de forma predeterminada, no low. La recomendación actual de Anthropic es:

• Fable 5: usa High para la mayoría del trabajo y Medium o Low para trabajo rutinario; los ajustes más bajos de Fable suelen superar el rendimiento Xhigh de modelos anteriores.
• Opus 4.8: empieza con Xhigh para programación y trabajo agéntico; reduce el esfuerzo solo después de que tus evaluaciones demuestren que la calidad se mantiene.
• Sonnet 5: usa Low para trabajo simple, de alto volumen y sensible a la latencia; Anthropic advierte que las tareas de complejidad moderada pueden recibir un razonamiento insuficiente con Low.

Esa recomendación importa. Low es una optimización de costos que necesita una vía de escalamiento, no un reemplazo universal de High.

Este artículo complementa desde la perspectiva de Low a Fable 5 High vs Opus 4.8 High vs Sonnet 5 High. Ese artículo cubre High, Xhigh, Max, Ultracode y una revisión más amplia de benchmarks. La pregunta aquí es más específica: si decides operar en la frontera Low, ¿cómo se posicionan estos tres modelos y cuándo puede un modelo más potente con Low superar a uno más barato con un nivel de esfuerzo costoso?

Los valores predeterminados de razonamiento adaptativo también difieren. Fable siempre usa razonamiento adaptativo, Sonnet lo habilita de forma predeterminada y las solicitudes de Opus a la API requieren thinking: {type: "adaptive"} para habilitarlo. El esfuerzo sigue controlando el gasto en texto y llamadas a herramientas cuando el razonamiento está deshabilitado.

La comparación con el mismo nivel de esfuerzo

CursorBench 3.2 es la comparación pública más clara de los tres modelos con Low. CursorBench es la suite de evaluación offline de Cursor, basada en sesiones reales de ingeniería y tareas vinculadas a soluciones registradas mediante commits a través de Cursor Blame. Su conjunto actual de tareas cubre edición, refactorización, corrección de errores, comprensión de codebases, detección de errores, planificación, revisión de código, seguimiento de instrucciones y uso avanzado de herramientas.

Todas las métricas siguientes son una instantánea del July 16, 2026. Sonnet 5 usa actualmente su precio introductorio de $2/$10 por millón de tokens hasta August 31, 2026. Si el costo del mismo uso en el benchmark escalara linealmente al precio estándar de $3/$15 vigente a partir de September 1, Sonnet Low pasaría de $1.30 a aproximadamente$1.95 por tarea. La diferencia de precio publicada de Opus Low se reduciría entonces de $0.72 a aproximadamente$0.07. Revisa de nuevo el ranking en vivo antes de establecer una política duradera.

Cursor calcula el costo por tarea a partir del uso registrado de la API y los precios publicados de los tokens, incluidas las lecturas y escrituras de caché. La puntuación y el costo usan las mismas ponderaciones de tareas. Cursor también advierte que las diferencias pequeñas de puntuación podrían no ser estadísticamente significativas.

Estos tres puntos forman una frontera de costo–calidad:

lower cost                                              higher capability

Sonnet Low ----------------> Opus Low ----------------> Fable Low
$1.30 / 47.7%              $2.02 / 53.1%              $4.46 / 62.1%

Entre estas tres configuraciones Claude Low, ninguna está estrictamente dominada por otra: cada aumento en la puntuación del benchmark también incrementa el costo por tarea.

Qué obtienes con cada mejora

Con los precios actuales, pasar de Sonnet a Opus supone un aumento de 55% en el costo por tarea a cambio de una mejora relativa de 11% en la puntuación. El cambio de precios de September podría eliminar la mayor parte de esa diferencia de costo publicada si el uso se mantiene constante.

Opus usó más tokens que Sonnet, pero Cursor reporta seis pasos menos por tarea. Cursor no define públicamente step en el ranking ni demuestra que menos pasos reduzcan la desviación, por lo que cualquier beneficio operativo es una hipótesis que hay que poner a prueba.

Las tarifas de tokens publicadas para Fable son exactamente el doble de las de Opus en cada categoría. Aun así, Cursor reporta $4.46 frente a$2.02 por tarea, una relación de 2.21 veces, porque los totales agregados de tokens no muestran la combinación de entrada, salida, lecturas y escrituras de caché usada para calcular el costo.

Este es el equilibrio central de Fable:

Pagas por un modelo más potente, no necesariamente por una traza más larga.

Fable Low no es la opción más barata. Es la configuración que conviene considerar cuando evitar un primer intento fallido o incompleto vale más que los aproximadamente tres dólares adicionales por tarea del benchmark.

La sorpresa al comparar niveles de esfuerzo

El hallazgo más útil aparece al comparar Low con configuraciones costosas de los otros modelos:

En este benchmark:

• Fable Low obtiene 2.7 puntos más que Opus Xhigh a un costo casi idéntico. Esa diferencia de puntuación aún podría ser ruido; la diferencia mayor es que Fable usa menos tokens y pasos.
• Fable Low queda solo 0.2 puntos por debajo de Opus Max mientras cuesta 23% menos.
• Fable Low obtiene 0.6 puntos más que Sonnet Max mientras cuesta 31% menos.
• Fable Low usa muchos menos tokens y pasos que cualquiera de las dos configuraciones Max.

Las diferencias de 0.2 y 0.6 puntos podrían ser ruido. Frente a las configuraciones Max, las diferencias de costo, tokens y pasos son grandes. Frente a Opus Xhigh, el costo es casi idéntico, aunque Fable usa menos tokens y pasos.

Esto no demuestra que Fable Low reemplace a Opus Max o Sonnet Max en todas las cargas de trabajo. Demuestra que la capacidad del modelo y el esfuerzo deben ajustarse en conjunto. Aumentar el esfuerzo de un modelo más barato puede costar más que elegir el modelo más potente con Low.

Para la comparación de High, Xhigh, Max y Ultracode, consulta Fable 5 High vs Opus 4.8 High vs Sonnet 5 High.

CursorBench es la única comparación pública de los tres modelos con Low y el mismo harness que encontré hasta July 16, 2026. El experimento Fusion de Cognition del July 13 también reporta buenos resultados económicos para Fable Low con un modelo auxiliar más barato que no identifica. Usa un stack de orquestación diferente y no reemplaza a CursorBench para el enrutamiento de Claude; considéralo solo como una señal de que un modelo principal con Low puede delegar de forma económica.

¿Qué modelo Low es mejor para programar?

Mi regla para Sonnet es intencionalmente restrictiva:

If the expected patch is obvious from the task
and deterministic tests can decide success,
Sonnet Low is a reasonable first attempt.

Anthropic recomienda Opus Xhigh para programar e indica que se reduzca el esfuerzo solo después de una evaluación. Por tanto, considerar Opus Low como la opción intermedia es una política de equipo, no una recomendación del proveedor. Fable tiene aquí el mejor resultado agregado con Low y Anthropic reporta mejoras en el manejo de ambigüedad, revisión, depuración y delegación, pero Cursor no publica subpuntuaciones Low separadas para esas categorías.

Si el trabajo consiste en edición interactiva dentro de Cursor en lugar de Claude Code o la API, evalúa también Composer 2.5 Fast. Sonnet Low es una opción de alto volumen en la plataforma Claude; no es automáticamente el ciclo de programación nativo de Cursor más barato.

¿Qué modelo Low es mejor para planificar?

No hay un ranking público claro, exclusivo para planificación con Low, para estos tres modelos hasta July 16, 2026.

CursorBench es relevante porque su conjunto de tareas incluye planificación, comprensión de codebases y revisión. Su ranking público es agregado, por lo que no puede responder:

What percentage of planning tasks did each Low model pass?

Por lo tanto, las recomendaciones siguientes son un criterio editorial informado por el benchmark agregado y las recomendaciones del proveedor sobre el comportamiento de los modelos. Para el enrutamiento de planificación e implementación por fases, consulta Una estrategia de modelos por fases para GitHub Spec Kit; esta sección se mantiene en el nivel de modelo y esfuerzo.

Opus supera la puntuación agregada de Sonnet por 5.4 puntos, pero Cursor no publica un desglose exclusivo de planificación ni intervalos de confianza. Fable tiene la puntuación agregada más alta con Low de estos tres y el proveedor lo posiciona mejor para la ambigüedad y la delegación. Ninguno de estos hechos demuestra una ventaja específica en planificación.

Mi política de enrutamiento

Incoming task
    |
    +--> Mechanical, narrow, deterministic?
    |       -> Sonnet 5 Low
    |
    +--> Normal code change or implementation plan?
    |       -> Opus 4.8 Low, only after the repo eval passes
    |
    +--> Ambiguous, cross-system, expensive to restart?
    |       -> Fable 5 Low
    |
    +--> Low result fails tests or review?
            -> Escalate effort or model; do not repeat blindly

Cuándo vale la pena hacerse cargo de una política con Low

Un enrutador Low de tres modelos solo compensa si el equipo puede mantener:

• pruebas deterministas o rúbricas de aceptación explícitas por tipo de tarea
• una persona responsable del escalamiento que decida si aumentar el esfuerzo, cambiar a un modelo más potente o recurrir a una revisión humana
• visibilidad de costos por modelo y nivel de esfuerzo
• revisiones periódicas cuando cambien los benchmarks, los harnesses o los precios

Si faltan esos controles, estandariza Opus 4.8 High —o la opción predeterminada aprobada por tu organización— antes de experimentar con Low. Esto es especialmente importante porque Anthropic recomienda Xhigh, no Low, como punto de partida de Opus para programar.

Implementa el enrutador en Claude Code (API/CLI)

Usa los IDs completos de los modelos para que los alias de proveedores externos no seleccionen silenciosamente un modelo anterior:

#!/usr/bin/env bash
set -euo pipefail

task_class="${1:?usage: claude-low <routine|normal|ambiguous> [prompt]}"
shift

case "$task_class" in
  routine)
    exec claude --model claude-sonnet-5 --effort low "$@"
    ;;
  normal)
    exec claude --model claude-opus-4-8 --effort low "$@"
    ;;
  ambiguous)
    exec claude --model claude-fable-5 --effort low "$@"
    ;;
  *)
    echo "unknown task class: $task_class" >&2
    exit 2
    ;;
esac

Estas selecciones de modelos requieren Claude Code 2.1.197 o posterior. Fable 5 requiere 2.1.170 o posterior, Opus 4.8 requiere 2.1.154 o posterior y Sonnet 5 requiere 2.1.197 o posterior. La disponibilidad del proveedor y las listas de modelos permitidos de la organización aún pueden provocar el rechazo o la sustitución de un modelo.

Las puntuaciones de CursorBench reflejan el harness de Cursor. Si ejecutas tareas en el IDE de Cursor, asigna el trabajo rutinario a Sonnet, el normal a Opus y el ambiguo a Fable mediante la selección de modelos, mantén el esfuerzo en Low donde esté disponible y valida por separado en lugar de considerar este wrapper de CLI equivalente al IDE.

El wrapper elige una configuración inicial. No decide si el resultado es aceptable.

Combínalo con una regla de escalamiento acotada:

1. Run the selected Low configuration once.
2. Execute deterministic acceptance checks.
3. Review the plan or diff against a fixed rubric.
4. If evidence fails, classify the failure:
   - task was underspecified -> improve the task
   - model under-thought -> raise effort
   - model lacked capability -> route to a stronger model
5. Rerun once, then stop for human review.

No escondas reintentos repetidos con Low detrás de un precio menor por llamada. Tres intentos fallidos y baratos pueden costar más que una configuración apropiada.

Evalúa Low en tu repositorio

Ejecuta las mismas tareas con las tres configuraciones Low.

Incluye:

• ediciones rutinarias como tareas sencillas de referencia
• correcciones normales de errores con pruebas ocultas
• tareas de revisión de código con defectos introducidos intencionalmente
• planes con un grafo de dependencias conocido
• tareas ambiguas de definición del alcance en el repositorio

Usa el mismo commit del repositorio, prompt, herramientas y criterios de aceptación. Comienza con al menos cinco repeticiones por condición como prueba piloto y luego elige el tamaño final de la muestra según la variación observada y el nivel de confianza que requiera tu decisión.

Registra:

type LowEffortRun = {
  taskId: string;
  category: "routine" | "code" | "review" | "planning" | "ambiguous";
  model: "fable-5" | "opus-4.8" | "sonnet-5";
  accepted: boolean;
  testsPassed?: boolean;
  planRequirementsCovered?: number;
  planRequirementsTotal?: number;
  inputTokens?: number;
  outputTokens?: number;
  totalCostUsd?: number;
  agentSteps?: number;
  wallTimeMs: number;
  humanReviewMinutes: number;
  escalationNeeded: boolean;
};

Calcula:

cost per accepted result =
    total cost across all attempts
    / accepted results

Para planificación, mide también:

• cobertura de requisitos
• dependencias faltantes
• suposiciones inválidas
• retrabajo de implementación causado por el plan

Un plan que cuesta $1 menos, pero genera un ciclo adicional de implementación, no es más barato.

Advertencias

1. CursorBench usa el harness de Cursor. Claude Code, los agentes de API y las herramientas personalizadas pueden cambiar el ranking.
2. La puntuación pública es agregada. No hay una puntuación Low exclusiva para planificación en el ranking actual.
3. El costo por tarea depende de la combinación de tokens y del uso de caché. Tus prompts, repositorio, tasa de aciertos de caché y proveedor pueden cambiarlo.
4. Las etiquetas de esfuerzo son relativas a cada modelo. Low no garantiza una asignación equivalente de tokens de razonamiento.
5. El precio promocional de Sonnet es temporal. El precio de lanzamiento de $2/$10 por millón de tokens termina el August 31, 2026; haz pruebas con el precio que tu despliegue pagará realmente.
6. Las salvaguardas de Fable afectan a algunos dominios. Cubren ciberseguridad, biología y química, desarrollo o destilación de modelos de frontera y solicitudes para reproducir el razonamiento interno. Según la plataforma y la configuración, una solicitud marcada puede devolver stop_reason: "refusal" o recurrir a Opus 4.8 como alternativa; el trabajo legítimo también puede activar los clasificadores.
7. La cercanía en un benchmark puede ser ruido. Considera que Fable Low y Opus Max están prácticamente empatados en puntuación, no que exista una desventaja definitiva de 0.2 puntos.
8. Low necesita una política de escalamiento. Es un ajuste para controlar costos, no una autorización para aceptar evidencia más débil.

Recomendación final

Si la pregunta es simplemente «¿qué modelo Low debería usar?»:

Cheapest:
    Sonnet 5 Low

My best one-model balance after the repo eval passes:
    Opus 4.8 Low

Highest CursorBench score among these three:
    Fable 5 Low

Mi política de equipo sería:

1. Usar Sonnet Low para trabajo acotado cuya corrección sea barata de verificar.
2. Usar Opus Low para programación y planificación normales solo después de que una pequeña evaluación del repositorio confirme que Low pasa las verificaciones de aceptación; de lo contrario, seguir la recomendación High/Xhigh de Anthropic.
3. Usar Fable Low cuando la ambigüedad, la arquitectura o el costo de reiniciar pesen más que el precio de los tokens.
4. Escalar según la evidencia de fallos, no según la preferencia por un modelo.

El hallazgo clave no es que Fable gane o que Sonnet sea barato.

Es que la elección del modelo y el esfuerzo deben optimizarse en conjunto. En CursorBench, Fable Low alcanza aproximadamente la misma puntuación que Opus Max y Sonnet Max con un costo menor por tarea. Ese es el tipo de inversión que una comparación basada solo en tarifas no detecta.

Lecturas relacionadas

• Artículo complementario: comparación de Fable 5 High, Xhigh, Max y Ultracode
• Una estrategia de modelos por fases para GitHub Spec Kit en 2026
• Claude Sonnet 4.6 1M vs Composer 2.5 Fast
• Cuándo usar subagentes en lugar del hilo principal de chat

Fuentes

• Cursor, “CursorBench 3.2”, consultado el July 16, 2026.
• Cursor, “Cómo comparamos la calidad de los modelos en Cursor”, March 11, 2026.
• Claude Platform Docs, “Esfuerzo”, consultado el July 16, 2026.
• Claude Platform Docs, “Precios”, consultado el July 16, 2026.
• Claude Platform Docs, “Descripción general de los modelos”, consultado el July 16, 2026.
• Claude Platform Docs, “IDs y control de versiones de modelos”, consultado el July 16, 2026.
• Claude Platform Docs, “Rechazos y modelos alternativos”, consultado el July 16, 2026.
• Claude Platform Docs, “Cómo crear prompts para Claude Fable 5”, consultado el July 16, 2026.
• Claude Platform Docs, “Cómo crear prompts para Claude Opus 4.8”, consultado el July 16, 2026.
• Claude Platform Docs, “Cómo crear prompts para Claude Sonnet 5”, consultado el July 16, 2026.
• Claude Code Docs, “Configuración de modelos”, consultado el July 16, 2026.
• Claude Code Docs, “Referencia de la CLI”, consultado el July 16, 2026.
• Anthropic, “Presentamos Claude Opus 4.8”, May 28, 2026.
• Anthropic, “Claude Fable 5 y Claude Mythos 5”, June 9, 2026.
• Anthropic, “Presentamos Claude Sonnet 5”, June 30, 2026.
• Cognition, “Cómo hacer que Fable sea más barato que Opus”, July 13, 2026.