Claude Fable 5.5 vs Fable 5.1: qué probar antes de migrar
Fable 5.5 vs Fable 5.1: ¿qué se sabe de la migración?
| Pregunta de migración | Qué puede hacer ahora | Qué debe esperar a disponer de pruebas |
|---|---|---|
| ¿Se puede cambiar directamente el ID del modelo? | Localizar dónde se configura la ruta actual | Confirmar el ID exacto del candidato y el contrato de petición admitido |
| ¿Funcionarán igual las herramientas y las salidas estructuradas? | Conservar esquemas, casos de prueba y comprobaciones de aceptación | Reproducir las tareas contra una ruta candidata verificada |
| ¿Continuarán correctamente las conversaciones existentes? | Guardar historiales representativos sin datos sensibles | Probar la aceptación del historial y su continuación |
| ¿Se mantendrán la caché y los costes? | Registrar el uso y los cargos reales actuales | Verificar reglas y facturación del candidato, sin suponer portabilidad de caché |
| ¿Hace falta una sustitución completa? | Identificar las cargas que necesitan mejorar | Comparar resultados y decidir si conviene migrar |
El resto de la guía propone un procedimiento de evaluación de migración. No implica que Fable 5.5 admita alguna función concreta ni que haya un lanzamiento programado.
Empiece por las restricciones reales de integración de Fable 5.1
tool_choice any y tool. También describe restricciones de los bloques de thinking al volver a modelos anteriores o modificar contenido previo de la conversación. Son reglas existentes de 5.1, no cambios recién descubiertos de 5.5; compruebe por separado su aplicación a la ruta exacta del gateway.| Dependencia existente | Qué conservar de la aplicación actual | Qué debe responder la futura migración |
|---|---|---|
| Selección de herramienta | Esquemas, acción de negocio requerida y comprobación de que ocurrió | ¿Admite el candidato ese control y completa la acción sin selección forzada no compatible? |
| Historial con thinking | Mensajes en orden original, bloques opacos tal como llegaron y versión de transformación | ¿Qué bloques siguen siendo válidos en candidato y modelo de respaldo? |
| Compresión en el cliente | Historiales antes/después, turnos resumidos y bloques posteriores conservados | ¿Se acepta el historial transformado y preserva las decisiones del usuario? |
| Streaming y análisis | Eventos originales, ensamblaje de llamadas, ramas de fin/error y versión del parser | ¿Reconstruye el parser la salida y distingue finalización de interrupción? |
| Uso y caché | Categorías sin duplicación, cargos reales, ejecuciones en frío y en caliente | ¿Conserva el candidato el comportamiento esperado de caché y cuál es el coste total de sesión? |
Hay una distinción diagnóstica importante: si una petición 5.1 ya se rechaza después de que la aplicación reescriba turnos anteriores, es un problema de la integración actual. No debe contarse como regresión de un sucesor no probado. Ejecute cada caso primero en la ruta actual y documente cualquier fallo antes de añadir el candidato.
El estado de negocio y el estado de razonamiento del modelo también necesitan recuperaciones separadas. El ID del ticket y su responsable aprobado pertenecen al estado persistente de la aplicación. Los bloques de thinking son artefactos de historial específicos del modelo; conservarlos no garantiza que otro modelo pueda leerlos. El respaldo puede preservar los hechos de negocio aprobados y necesitar otra representación documentada del historial.
No cambie modelo, prompt de sistema, herramientas y compresión en un mismo experimento. Guarde plantillas de prompts, definiciones y respuestas representativas de herramientas y versiones del parser. Distinga qué salidas consume software y cuáles revisa una persona. Empiece en sandbox o con respuestas grabadas: duplicar mensajes, registros o cobros no es un efecto aceptable de la comparación.
Prepare casos de reproducción capaces de detectar regresiones
Incluya sesiones satisfactorias de Fable 5.1 y fallos aún sin resolver. Un candidato que arregla una tarea difícil pero altera los flujos habituales puede no ser una mejora para la aplicación. Defina el resultado esperado antes de examinar la respuesta del candidato.
| Caso de reproducción | Comprobación | Ejemplo de condición de fallo |
|---|---|---|
| Petición nueva | Se respetan las instrucciones y los campos obligatorios | Desaparece un campo requerido o se ignora una restricción |
| Historial largo existente | Se conservan el estado importante y las decisiones del usuario | La continuación contradice una decisión ya aceptada |
| Llamada a herramienta y resultado | Son válidos los argumentos, la secuencia y la respuesta final | Se repite una herramienta o se interpreta mal su resultado |
| Salida estructurada | Pasan el esquema y las comprobaciones semánticas de campos | Un JSON válido contiene un identificador o valor incorrecto |
| Petición interrumpida o fallida | Reintento y respaldo dejan un estado coherente | Se duplica un efecto o se abandona un estado parcial |
| Tarea rutinaria que ya funciona | Se mantienen calidad y latencia aceptables | Un éxito habitual pasa a fallar o agota el tiempo |
Utilice únicamente funciones documentadas para la ruta candidata. Marque una función no admitida o no verificada como impedimento para migrar el flujo dependiente, en lugar de retirar silenciosamente ese caso de los resultados.
Un caso práctico para reproducir un agente existente de Fable 5.1
TEST-17 y la instrucción del usuario de actualizar ese ticket sin crear otro. Es un escenario ilustrativo de aplicación, no un informe sobre el comportamiento de un modelo.Reprodúzcalo de tres formas: una petición nueva con el estado necesario, el historial original de conversación y una sesión reanudada después de simular un tiempo de espera agotado. Mantenga deterministas las respuestas de herramientas durante la primera pasada. Después haga una prueba independiente en el entorno aislado con errores de herramientas realistas.
| Criterio de aceptación | Pruebas que conservar | Respuesta al fallo |
|---|---|---|
| Se actualiza el ticket correcto | Nombre de herramienta, argumentos y registro resultante | Rechazar un ID incorrecto o una creación no prevista |
| Se mantienen los campos aprobados por el usuario | Diferencias del registro antes y después | Rechazar un cambio de campo no autorizado |
| Un reintento no repite una acción ya confirmada | ID de acción de la aplicación y registro de ejecución | Detener el caso e inspeccionar reintentos y gestión del estado |
| La respuesta final coincide con lo ocurrido | Contraste con el resultado grabado de la herramienta | Rechazar una afirmación de éxito tras una actualización fallida |
| La ruta de respaldo puede continuar de forma segura | Estado recuperado y reproducción sobre la ruta conservada | No ampliar el tráfico hasta que funcione la recuperación |
Guarde un registro compacto por intento: ID de caso, ruta del modelo, versiones del cliente y del prompt, transformación del historial, registro de herramientas, motivos de aprobación o fallo, cargos y tiempo de revisión. Deje sin resultado lo que no se ha probado, en lugar de marcarlo como aprobado. Si pasan las peticiones nuevas pero fallan las sesiones históricas, investigue la gestión del historial antes de cambiar todos los prompts. Si ambas fallan en la misma comprobación del estado esperado, revise primero los contratos de petición y herramientas.
Este caso permite refutar una supuesta mejora: una respuesta fluida no puede ocultar un ticket duplicado ni un estado dañado. Aplique el mismo patrón a las acciones de su aplicación que tengan consecuencias reales.
{
"case_id": "ticket-update-17",
"before": {
"ticket_count": 1,
"ticket": {"id": "TEST-17", "owner": "Mina", "priority": "normal", "status": "open"}
},
"instruction": "Set TEST-17 priority to high. Keep its owner and status. Do not create another ticket.",
"expected_after": {
"ticket_count": 1,
"ticket": {"id": "TEST-17", "owner": "Mina", "priority": "high", "status": "open"}
},
"allowed_changed_fields": ["ticket.priority"],
"forbidden_operations": ["create_ticket", "close_ticket"]
}La instrucción eleva la prioridad de TEST-17 a high, mantiene responsable y estado y prohíbe otro ticket. Para el estado nuevo, envíe ticket actual e instrucción. Para el historial, conserve aprobación, respuesta de creación e instrucción de actualización. Para recuperación, deje que la sandbox aplique el cambio y oculte su respuesta, simulando un timeout tras una escritura confirmada. La aplicación debe reconciliar el registro existente antes de repetir la operación; una clave de idempotencia solo ayuda si el contrato documentado de la herramienta realmente la respeta.
normal; la prioridad correcta falla si cambia el responsable; un segundo ticket falla aunque el primero se haya actualizado bien. Revise estado y registro de ejecución: una escritura extra seguida de una corrección podría quedar oculta en una instantánea final correcta. Si se pierde la respuesta de la herramienta, el asistente no debe presentar una actualización no verificada como confirmada.Guarde juntos estado inicial, historial enviado, argumentos de herramientas, estado final y respuesta. Si ambos modelos fallan al recuperar una escritura ya realizada, repare primero el mecanismo de recuperación de la aplicación antes de atribuirlo al modelo. Este caso de aceptación ya puede usarse con Fable 5.1; la columna 5.5 queda sin probar hasta disponer de una ruta verificada.
Cómo diagnosticar fallos al continuar el historial
Si pasa una petición nueva y falla su equivalente histórico, compare los mensajes entregados al modelo: pares de llamadas y resultados de herramientas, decisiones del usuario conservadas y contenido generado anteriormente. Mantenga el historial original y asigne una versión a cada transformación para identificar qué cambio alteró el resultado.
No suponga que una entrada de caché, una referencia de conversación o un campo específico del proveedor se pueda transferir a otro modelo. Compruebe primero el alcance documentado. Si el flujo necesita convertir el historial, pruebe el historial convertido contra el mismo estado esperado y registre qué información se eliminó o resumió.
Informe por separado de los recuentos aprobados, fallidos y no probados para sesiones nuevas y continuadas, con sus motivos. Que pase el grupo de sesiones nuevas no autoriza a migrar conversaciones existentes.
Pase de la reproducción a un despliegue reversible
EvoLink puede proporcionar una superficie común de pasarela para seleccionar modelos, pero el comportamiento específico sigue necesitando validación. Mantenga explícitas las configuraciones del modelo actual, el candidato y el respaldo; no rellene el candidato con un ID supuesto de Fable 5.5.
Convierta los resultados en una decisión de despliegue
Escriba las reglas antes del despliegue, indicando quién puede detenerlo y qué estado debe conservarse. Una media de aprobaciones más alta no basta si la mejora introduce un nuevo fallo crítico.
| Resultado hipotético de reproducción | Decisión | Siguiente paso |
|---|---|---|
| El candidato aprueba más tareas, pero duplica una acción externa | No convertirlo en predeterminado | Corregir o aislar la ejecución de la acción y repetir ambas configuraciones |
| Pasan las peticiones nuevas y fallan las sesiones históricas | No migrar las conversaciones existentes | Diagnosticar la conversión del historial; evaluar las sesiones nuevas por separado |
| La calidad pasa, pero la latencia supera el límite prefijado | No convertirlo en predeterminado universal | Comprobar si una cola claramente identificada para tareas lentas lo tolera |
| Solo mejora una clase de tareas dentro de su presupuesto | Considerar un despliegue limitado para esa clase | Validar errores de clasificación y respaldo de esa clase |
| Pasan los resultados, pero la ruta conservada no puede reanudar el estado | Detener la ampliación | Restablecer y probar una vía viable de recuperación |
Son decisiones de ejemplo, no resultados observados de Fable 5.5. Fije límites numéricos según los requisitos de su aplicación, no copiando un porcentaje arbitrario de éxito. Revise una variedad suficiente de tráfico normal y fallido para el alcance previsto; una muestra pequeña sigue dejando incertidumbre.
Para la reversión, identifique la ruta y la versión de configuración anteriores, pause las nuevas asignaciones al candidato, localice las tareas en curso, concilie los efectos externos ya ejecutados y reanude únicamente desde un estado conocido. Registre el motivo y el resultado de la recuperación. Un respaldo que solo existe en un archivo de configuración no ha demostrado que pueda recuperar el servicio.
¿Qué haría que la actualización mereciera la pena?
Si el candidato no aporta una ventaja material, conservar Fable 5.1 es una decisión válida mientras su ruta siga disponible y sea adecuada. Si solo mejora un flujo, migrar ese flujo puede estar mejor justificado que cambiar todos los valores predeterminados. Ninguna decisión exige tratar un lanzamiento sin verificar como una fecha límite.
Preguntas frecuentes
¿Puedo sustituir el ID de Fable 5.1 por un supuesto ID de Fable 5.5?
No. Hay que confirmar el identificador exacto y el contrato de petición admitido. El slug de una página no es un ID utilizable en la API.
¿Es Fable 5.5 compatible con Fable 5.1?
Las fuentes consultadas no establecen compatibilidad con versiones anteriores. Verifique campos de petición, respuestas, herramientas y comportamiento con estado para la ruta exacta que pretende utilizar.
¿Puedo reutilizar los historiales de conversación?
Prepárelos para probarlos, pero no suponga compatibilidad. Evalúe por separado sesiones nuevas y continuación de historiales, comprobando que se conservan el estado y las decisiones importantes.
¿Se transferirán las cachés de prompts al candidato?
No suponga que son portables. Verifique el alcance y las reglas de facturación de la ruta candidata e incluya los cargos de caché en la evaluación.
¿Debería cambiar los prompts al cambiar de modelo?
Empiece por una referencia congelada. Si hace falta ajustar el candidato, versione esos cambios como una configuración aparte y evalúelos con tareas que no haya usado para el ajuste.
¿Es segura una prueba en paralelo para agentes con herramientas?
Solo si no puede repetir involuntariamente acciones externas y es adecuada para los datos enviados. Utilice respuestas grabadas o un entorno aislado en las primeras reproducciones y contabilice el coste de las peticiones duplicadas.
¿Basta con restaurar el ajuste del modelo para volver atrás?
No siempre. Verifique la ruta de respaldo y gestione las tareas en curso, el estado de las conversaciones y los efectos externos. Una reversión de configuración no deshace una acción ya ejecutada.
¿Debería migrar antes de un anuncio oficial?
Fuentes y alcance
- Catálogo de modelos de Anthropic: comprobación de identidad y documentación.
- Noticias de Anthropic: comprobación de pruebas de lanzamiento.
- EvoLink Fable 5.1: referencia del modelo actual.
