GPT-6 llega diciendo que gana a Fable 5.1 por más de un 10%: si el dato aguanta, se invierte el liderazgo

Los hechos, de momento, son escuetos: se ha presentado GPT-6 y, según los benchmarks citados en el anuncio, supera con claridad a los modelos anteriores —incluidos GPT-5.6 Sol, el tope de gama previo de OpenAI, y Fable 5.1 de Anthropic— con una ventaja superior al 10% frente a este último. No se detalla qué pruebas concretas componen esa comparación ni quién las ha administrado, y esa ausencia es parte de la noticia. Un «benchmark» puede ser una tarea de ingeniería real de varias horas o una batería ya saturada donde todos los modelos rozan el techo; el mismo 10% significa cosas opuestas en cada caso.

El contexto explica por qué el titular es relevante. En nuestro índice de Calidad Zendoric (un tercio SWE-bench-Pro, un tercio LMArena, un tercio Terminal-Bench), la foto de junio de 2026 daba a Fable 5 un 90 frente al 79 de GPT-5.6 Sol: once puntos de distancia y un liderazgo de Anthropic sostenido durante meses. Si la ventaja anunciada por GPT-6 se confirma en las pruebas duras, no estaríamos ante una mejora incremental sino ante el primer cambio de mando en la cabeza de la frontera en toda la serie. Y esa clase de saltos suele arrastrar consigo precios, límites de uso y capacidades agénticas de todo el mercado.

Toca aplicar el escepticismo de siempre, que en este oficio no es pesimismo sino método. Las cifras de lanzamiento las publica quien vende el modelo, con la selección de pruebas que mejor le sienta. Hemos visto Elos inflados por preferencias de votantes y índices compuestos calculados sobre la versión más favorable. Lo que discrimina de verdad son las tareas que aún no están saturadas: ingeniería de software sobre repositorios reales, uso autónomo de terminal, y las evaluaciones de ciberseguridad *expert unguided*, donde ningún modelo se acerca al techo. Ahí se verá si GPT-6 es un salto o un buen día de marketing.

**Nuestra lectura.** Que dos o tres laboratorios se disputen la cima cada pocos meses es, para el usuario, la mejor noticia posible: es lo que empuja los precios a la baja y las capacidades al alza a un ritmo que ninguna empresa mantendría en solitario. Pero la carrera solo importa por lo que permite hacer después. El horizonte que nos interesa —modelos capaces de acelerar la investigación biomédica, de sostener trabajo científico y de liberar a las personas de lo rutinario— no se decide con un 10% en una tabla, sino con capacidad demostrada y reproducible en problemas que nadie sabía resolver. Nos apuntamos GPT-6 como candidato serio a mover nuestros índices y esperamos las mediciones independientes antes de reescribir el ranking. Si el dato aguanta, lo diremos con la misma claridad con la que hoy pedimos verlo.