Un ingeniero probó los modelos Claude Fable 5 y GPT-5.6 Sol frente a un problema inédito de optimización NP-duro de diseño de redes de fibra óptica (KIRO), con y sin su modo nativo /goal, durante sesiones de 30 minutos. El problema exige conectar puntos de distribución y terminales mediante bucles redundantes y cadenas cortas, minimizando el tendido total; el espacio de búsqueda solo en París ronda los 10^1223 candidatos. Fable 5 obtuvo la mejor solución absoluta (31.934) y la mayor regularidad: en modo plain sus resultados oscilaron en un margen de apenas 319 puntos frente a los 1.958 de Sol. En cambio, el modo /goal no se comportó como un simple interruptor de "esfuérzate más": ganó cuatro de seis ensayos, pero la media empeoró en ambos modelos (+759 en Fable 5 y +868 en Sol) porque las mejoras pequeñas se compensaron con regresiones severas cuando el agente se aferró a un solver lento. El artículo documenta además que /goal se implementa de forma muy distinta en Claude Code (un evaluador externo basado en Haiku que juzga la transcripción) y en Codex CLI 0.144.4 (estado persistente, herramientas create_goal/get_goal/update_goal y autoevaluación del propio modelo). La conclusión es práctica: Fable 5 rindió de forma consistente como configuración más segura, mientras que /goal puede merecer la pena en tareas con progreso legible pero resulta arriesgado en optimización, donde el tiempo extra amplifica tanto las buenas como las malas decisiones iniciales. Los autores subrayan las limitaciones: un solo problema, solo dos modelos con pares emparejados limpios y posibles derivas en los servicios de suscripción.
Noticias agregadas con IA