Cursor suma Claude Fable 5.1 y lo pone a la cabeza de su propio benchmark de código
El editor confirmó que el modelo de Anthropic anotó 73.4% en CursorBench 3.2 con el máximo nivel de esfuerzo, superando a Grok 4.6 y a la versión anterior de Fable, gracias a su capacidad de revisar y corregir su propio trabajo antes de entregarlo.
Cursor anunció que Claude Fable 5.1 ya está disponible dentro del editor y que, corrido al máximo nivel de esfuerzo, lidera su tabla interna CursorBench 3.2 con 73.4%, por encima de Grok 4.6 (70.8%) y de la versión anterior del propio Fable (70.5%). CursorBench se arma con tareas de código ambiguas y de varios archivos tomadas de sesiones reales de uso, no con problemas de referencia estilo examen.
Según la compañía, la mejora frente a versiones anteriores viene sobre todo de que Fable 5.1 verifica su propio trabajo: en vez de detenerse al primer parche que parece razonable, el modelo sigue probando sus supuestos y revisando el resultado antes de darlo por terminado, lo que le permite tomar tareas de principio a fin con menos intervención humana. El modelo ofrece cinco niveles de esfuerzo de razonamiento —de bajo a máximo— sin una opción para apagar el razonamiento por completo.
La salvedad importante es que el 73.4% se logró en el nivel de esfuerzo más alto, que también es el más costoso en tiempo y en tokens; en los niveles más económicos que la mayoría usa a diario, el desempeño es menor. Aun así, la integración confirma a Fable 5.1 como el modelo de referencia para tareas de codificación agentic de varios pasos en una de las herramientas más usadas por desarrolladores.