La forma más rápida de reducir los costos de tokens de Claude Fable 5 es dejar de ejecutarlo en tareas que un modelo más barato puede manejar igual de bien. A $10/$50 por millón de tokens, Fable es 5× Sonnet 5, pero en mi prueba ambos resolvieron exactamente la misma tarea.
Adónde va realmente tu gasto de Fable 5
Antes de optimizar, mira dónde se escapa el dinero. En una solicitud agentic típica, los tokens de entrada superan ampliamente a los de salida: una sola consulta puede incluir 80.000–140.000 tokens de entrada (prompt del sistema, definiciones de herramientas, historial de la conversación, contexto de archivos) frente a solo 1.000–3.000 tokens de salida. Aunque la salida tiene un precio 5× más alto por token, el enorme volumen de la entrada suele convertirla en el mayor concepto de costo, por lo que el almacenamiento en caché y la disciplina del contexto importan más que unas respuestas más cortas.
Aquí está el precio que impulsa cada decisión a continuación:
| Modelo | Entrada ($/M) | Salida ($/M) | Lectura de entrada en caché ($/M) |
|---|---|---|---|
| Claude Fable 5 | $10 | $50 | ~$1 (≈90% de descuento) |
| Claude Opus 4.8 | $5 | $25 | ~$0.50 |
| Claude Sonnet 5 | $2 | $10 | ~$0.20 |
| Claude Haiku 4.5 | $1 | $5 | ~$0.10 |
El almacenamiento en caché de prompts reduce la entrada almacenada en caché a aproximadamente una décima parte de la tarifa base, pero escribir en la caché conlleva un recargo ($12.50/M para la caché de 5 minutos, $20/M para la caché de 1 hora). Precios verificados frente a las tarifas publicadas por Anthropic el 17 de julio de 2026; los $2/$10 de Sonnet 5 son introductorios hasta el 31 de agosto de 2026.
Ejecutamos la misma tarea en Fable 5, Opus 4.8 y Sonnet 5
La teoría — "usa un modelo más barato cuando puedas" — es fácil de enunciar y difícil de confiar sin números. Así que hice una prueba controlada. El mismo prompt para los tres modelos: *escribe una función de Python merge_intervals que maneje entradas vacías y desordenadas, con tres pruebas unitarias basadas en assert.* Luego ejecuté cada respuesta para confirmar que las pruebas realmente pasan.
Los tres produjeron código correcto que pasó todas las pruebas. La diferencia estuvo totalmente en el costo y la velocidad.
| Modelo | Tokens de salida | Latencia | Costo por llamada | Costo por 1,000 llamadas |
|---|---|---|---|---|
| Fable 5 | 265 | 12.3 s | $0.0190 | $19.01 |
| Opus 4.8 | 236 | 6.4 s | $0.0088 | $8.78 |
| Sonnet 5 | 267 | 3.9 s | $0.0038 | $3.82 |
Misma entrada (576 tokens), longitud de salida casi idéntica, corrección idéntica — y una variación de 5× en el precio. Sonnet también respondió en un tercio del tiempo.
Esta es una tarea pequeña e independiente, no una prueba de referencia — un problema de razonamiento pesado es בדיוק donde Fable 5 justifica su precio, y la diferencia se reduciría o se invertiría. Pero el punto se mantiene: para el trabajo rutinario que llena la mayoría de las sesiones, puedes estar pagando 5× por un resultado idéntico. Las cifras de latencia provienen de un endpoint de API de terceros, así que considérelas orientativas y no como un SLA oficial.
Palanca 1: Ajusta el modelo a la tarea
Este es el cambio de mayor ROI que puedes hacer, y la prueba anterior es la razón. Enruta por tipo de tarea: mantén Fable 5 para razonamiento profundo de múltiples pasos, refactors complejos y especificaciones ambiguas; envía boilerplate, formato, ediciones sencillas y llamadas simples de gran volumen a Sonnet 5 o Haiku 4.5. Cuando no estés seguro, empieza con el modelo más barato y escala solo si el resultado es incorrecto — una llamada barata fallida sigue costando una fracción de una llamada a Fable.
Un patrón al que los profesionales siguen llegando: dejar que Fable 5 planifique y que un modelo más barato ejecute. Fable escribe la arquitectura o desglosa la tarea en pasos; Sonnet 5 o Haiku 4.5 hace la mayor parte del trabajo de escritura. El equipo detrás del agente de codificación Cline informó haber gastado más de $2,000 en un solo día en Fable, y luego descubrió que modelos más baratos, combinados con bucles de revisión adversarial, alcanzaban resultados similares —a veces mejores— a un costo significativamente menor.
Hay un detalle práctico que conviene conocer en Claude Code: no puedes cambiar el modelo activo a mitad de sesión desde el chat. La solución es pedirlo en lenguaje llano: dile a Claude que planifique el trabajo por sí mismo, pero que entregue la implementación a un modelo más barato, y este inicia un subagente Sonnet 5 para llevar a cabo la ejecución mientras el modelo caro se queda en el puesto de planificación. Obtienes una descomposición de tareas al nivel de Fable y un coste por token al nivel de Sonnet en la parte del trabajo que quema más tokens.
Dentro de un solo modelo, el ajuste de esfuerzo es la misma palanca en un nivel más fino, y es la primera a la que recurro. Por defecto, usa esfuerzo low para el trabajo rutinario y sube solo cuando un resultado realmente salga mal: low omite los tokens de razonamiento que Fable de otro modo gastaría antes de responder, y en tareas fáciles eso es un ahorro puro sin pérdida de calidad. Mantén high o max para los problemas en los que el razonamiento adicional cambia la respuesta. Nuestro desglose de los niveles de esfuerzo high vs max de Fable 5 muestra dónde está ese límite, y Sonnet 5 vs Fable 5 cubre qué tareas pueden bajar de nivel con seguridad.
Palanca 2: Protege tu caché de prompts
Porque la entrada domina tu recuento de tokens, el descuento de caché de ~90% es la segunda palanca más importante. La clave: la caché solo ayuda si el prefijo permanece idéntico byte a byte entre llamadas. Cambia un token al principio del prompt del sistema o reordena las definiciones de tus herramientas, y todo lo que venga después será un fallo de caché facturado al precio completo.
Para mantener la caché intacta:
- Congela el prefijo estable. Coloca primero tu prompt del sistema y las definiciones de herramientas, y no los modifiques a mitad de sesión. Añade el nuevo contexto al final.
- No reordenes las herramientas entre solicitudes — los agentes que reconstruyen su lista de herramientas dinámicamente invalidan la caché de forma silenciosa.
- Reutiliza en lote dentro de la ventana de caché. La caché de 5 minutos es barata de escribir; agrupa las llamadas relacionadas para que se hagan antes de que expire.
El punto de equilibrio es rápido: la escritura en caché de 5 minutos cuesta 1.25× un token de entrada normal, mientras que cada lectura en caché ahorra 0.9×, por lo que la caché se amortiza después de aproximadamente dos reutilizaciones del mismo prefijo — algo trivial para cualquier agente que reenvía la conversación completa en cada turno, donde una caché intacta marca la diferencia entre pagar $10/M y $1/M por la parte repetida.
Palanca 3: Envía menos contexto
Cada token que no envías es un token que no pagas en ningún nivel. Las ganancias aquí no son glamorosas, pero se acumulan:
- Borra entre tareas no relacionadas. En Claude Code,
/clearcomienza de nuevo para que el historial obsoleto deje de arrastrarse en cada mensaje posterior. - Compacta sesiones largas.
/compactresume la conversación hasta ahora; añadir una instrucción como "focus on code samples and API usage" le dice qué conservar. - Alimenta con documentación, no con exploración. Una habilidad densa y preescrita o un fragmento de documentación fijado a una versión cuesta mucho menos que dejar que el agente busque y lea hasta llegar al mismo conocimiento.
- Prefiere Markdown sobre PDF. Los PDF incorporan tokens de diseño que el modelo no necesita; el mismo contenido en Markdown plano es drásticamente más ligero.
Ninguno de estos cambia tu tarifa, pero en un contexto de 100k tokens recortan miles de tokens en cada llamada.
Palanca 4: Reducir la propia tarifa por token
Los controles anteriores reducen cuántos tokens gastas y en qué nivel. El último reduce el precio por token. La API propia de Anthropic no tiene un nivel de descuento por batch o asíncrono para Fable 5, así que la tarifa que ves es la tarifa que pagas.
Una opción es un agregador de API que revende el acceso a Claude con un margen por debajo del precio de lista. AIReiter, por ejemplo, es compatible con Anthropic-API y fija el precio de los modelos Claude en aproximadamente el 20% de las tarifas oficiales, lo que sitúa a Fable 5 cerca de $2/$10 por millón en lugar de $10/$50. La contrapartida es la habitual en cualquier revendedor: estás confiando en el enrutamiento y el tiempo de actividad de un tercero en lugar de Anthropic directamente, por lo que encaja mejor con cargas de trabajo de gran volumen y sensibles al costo que con rutas de producción críticas para la latencia. El camino que elijas, la tarifa es un multiplicador de todo lo demás, así que vale la pena configurarla una vez y luego centrarse en los factores de volumen de tokens, que ajustas a diario.
Qué palancas realmente marcan la diferencia
Si haces solo una cosa, haz la Palanca 1 — enrutar el trabajo al modelo adecuado es la diferencia que midió la prueba, y nada más se le acerca. Aquí está la clasificación honesta:
1. Ajusta el modelo a la tarea — hasta ~5× en trabajo mal asignado. La mayor ganancia, la más duradera. 2. Protege la caché del prompt — hasta ~90% de descuento en entradas repetidas, que constituyen la mayor parte de tus tokens en bucles de agente. 3. Envía menos contexto — reducción constante del 20–50% en el volumen de tokens, con efecto acumulativo en cada llamada. 4. Reduce la tarifa por token — un multiplicador fijo; se establece una vez y beneficia a todo.
Los tentadores "exploits" — codificar prompts como imágenes, trucos personalizados de tokenizer — tienden a romperse en la siguiente actualización del modelo. Los cuatro niveles aquí son hábitos, no hacks: siguen funcionando porque se alinean con la forma en que el precio está realmente estructurado.
Preguntas frecuentes
¿Cómo reduzco los costos de tokens en Claude?
Establece el nivel de esfuerzo en low para trabajo rutinario, dirige las tareas más simples a Sonnet 5 o Haiku 4.5, mantén tu prefijo de prompt estable a nivel de bytes para que se aplique el almacenamiento en caché y borra o compacta el contexto entre tareas. La elección del modelo y el nivel de esfuerzo son donde residen los mayores ahorros.
¿Cuánto cuesta Fable 5 por token?
$10 por millón de tokens de entrada y $50 por millón de salida — el doble de Opus 4.8 ($5/$25) y cinco veces Sonnet 5 ($2/$10, introductorio hasta el 31 de agosto de 2026). El almacenamiento en caché de prompts reduce las lecturas de entrada en caché a aproximadamente $1 por millón.
¿Por qué me quedo sin tokens de Fable 5 tan rápido?
Normalmente, un contexto sobredimensionado (historial largo o archivos grandes adjuntos a cada llamada), bucles de reintento que reenvían el contexto completo en cada turno, o ejecutar Fable en tareas que un modelo más barato podría manejar. Recortar el contexto y enrutar las tareas soluciona la mayor parte de ello.
¿Vale la pena el almacenamiento en caché de prompts para Fable 5?
Sí, siempre que reutilices un prefijo estable grande — reduce la entrada en caché a aproximadamente el 10% de la tarifa base. Solo compensa si el prefijo permanece idéntico byte a byte entre llamadas, así que fija tu prompt del sistema y las definiciones de herramientas.
¿Reducir la configuración de esfuerzo perjudica la calidad?
En tareas simples, rara vez — low o medium omite tokens de razonamiento que la tarea no necesitaba. Mantén high o max para problemas genuinamente difíciles en los que el razonamiento extra cambia la respuesta.