Claude registra errores elevados en Mythos 5.1, Fable 5.1 y Opus 5

El panel de estado de Claude se encendió con una advertencia poco habitual: varios modelos devolvían tasas de error elevadas. La reacción fue inmediata. Miles de usuarios informaron de peticiones fallidas, sesiones bloqueadas y tiempos de espera agotados, con la interrupción afectando a sistemas destacados como Mythos 5.1, Fable 5.1 y Opus 5. El incidente se convirtió en pocas horas en uno de los temas más comentados entre desarrolladores y equipos que ya enrutan flujos críticos a través de modelos alojados.

Cómo se manifestó realmente la caída

El patrón resulta familiar para quien vigila la infraestructura de los grandes modelos de lenguaje: peticiones que normalmente responden en segundos empiezan a fallar o a quedarse colgadas, y la tasa de errores sube muy por encima del umbral que la página de estado pública considera saludable. Como los modelos afectados ocupan posiciones distintas en la gama de Anthropic, el alcance fue amplio. Los equipos que usan Mythos 5.1 para razonamiento de contexto largo, Fable 5.1 para redacción y creación, y Opus 5 para tareas analíticas avanzadas notaron los mismos síntomas casi al mismo tiempo.

Esa simultaneidad es clave. Cuando se degrada un solo modelo, los ingenieros suelen pensar en un problema localizado. Cuando se degradan varios a la vez, las causas probables se desplazan hacia dependencias compartidas: capas de autenticación, infraestructura de enrutamiento, sistemas de limitación de peticiones o la pasarela API que precede a cada solicitud. Anthropic no ha publicado un desglose detallado de la causa raíz, y el lenguaje de la página de estado se mantuvo deliberadamente acotado, hablando de errores elevados y no de una caída total.

La fiabilidad como nuevo terreno de juego

El momento es incómodo para todo el sector. Un estudio difundido esta misma semana concluye que los sistemas de IA fallan en torno al 88 % de las tareas financieras complejas, una cifra que pesa cuando las empresas deciden cuánta autonomía conceder a los modelos. Súmese una interrupción multimodelo en una de las plataformas más utilizadas y la pregunta práctica deja de ser la capacidad bruta para centrarse en la fiabilidad.

Para los desarrolladores, el impacto es operativo. Los equipos que habían fijado un único modelo ahora sienten la presión de construir cadenas de respaldo, lógica de reintentos y enrutamiento multiproveedor. Eso añade coste de ingeniería, pero también convierte una caída paralizante en un incidente degradado pero superable. Las soluciones habituales siguen siendo las mismas: consultar primero la página de estado oficial, comprobar si el fallo es del cliente o de la plataforma, limpiar las sesiones en caché y cambiar a un modelo alternativo si la carga de trabajo lo permite.

Qué conviene vigilar ahora

Anthropic ha restablecido el servicio históricamente sin largos informes públicos, así que la señal más clara llegará de la propia página de estado. Si las tasas de error vuelven a la normalidad en unas horas, el episodio quedará en anécdota. Si el patrón se repite entre modelos, cabe esperar negociaciones de compra más duras y garantías de disponibilidad que pasen de cláusula deseable a punto central de los contratos de IA empresarial.