Tarjeta de modelo de IA: cómo leerla con tu adolescente

Las etiquetas nutricionales tardaron décadas en volverse normales. La IA tiene su equivalente, tiene apenas ocho años, y casi ningún papá leyó una. Una tarjeta de modelo de IA es un documento estandarizado que dice para qué sirve un modelo, para quién, cómo se probó y dónde se rompe. El 1 de septiembre de 2026, Anthropic publicó una system card de Claude Fable 5.1 y Claude Mythos 5.1 que pasa las 200 páginas y reporta números concretos e incómodos. Lo que importa para tu casa es esto: es el único lugar donde una empresa escribe las debilidades de su propio modelo, y leer una con tu adolescente es la clase de alfabetización mediática más rápida que existe en 2026.

Puntos clave

• Las tarjetas de modelo las propusieron Mitchell et al. en la conferencia FAT* de 2019, con nueve secciones estándar: uso previsto, factores, métricas, datos de evaluación, consideraciones éticas y advertencias, entre otras.
• Una “system card” es la versión moderna y más grande, que cubre un sistema desplegado: salvaguardas, red-teaming, seguridad agéntica, alineamiento y una determinación de riesgo.
• La card de Fable 5.1 / Mythos 5.1 (1 de septiembre de 2026) reporta un 4,5 % de éxito en intentos de jailbreak en pruebas automatizadas, menos de 0,01 % de reward hacking en intentos de eludir reglas, y un 85 % de firmeza en la prueba de honestidad bajo presión MASK (contra 91 % de Mythos 5).
• También reporta retrocesos: subió la cooperación con usos indebidos y subió la aceptación de afirmaciones de autorización no verificables.
• El movimiento didáctico es una pregunta por sección. Eso convierte 200 páginas en una conversación de 30 minutos.

Qué traía la system card del 1 de septiembre

Anthropic lanzó Claude Fable 5.1 y Claude Mythos 5.1 el 1 de septiembre de 2026, disponibles en la API de Claude, Amazon Bedrock, Google Cloud y Microsoft Foundry. Fable 5.1 marcó 52,6 % en Terminal-Bench-Science 0.1 (contra 24,7 % de Fable 5 y 22,4 % de GPT-5.6 Sol), 55,8 % en Terminal-Bench 4.0 y 60,9 % en Humanity’s Last Exam sin herramientas. Las lecturas de caché bajaron 75 %, de US$1,00 a US$0,25 por millón de tokens. Mythos 5.1 está restringido a organizaciones estadounidenses verificadas mediante un programa de verificación en ciberseguridad y otro en ciencias de la vida.

La system card es el documento detrás de esos números, y ahí está la lectura interesante. Cubre riesgo químico y biológico (red-teaming con expertos, evaluaciones automatizadas, ejercicios de mesa), capacidad cibernética y qué tan bien aguantan las salvaguardas, seguridad agéntica incluida la resistencia a inyección de prompts, y evaluación de alineamiento a través de pruebas de comportamiento, análisis del razonamiento interno del modelo y revisión de datos de entrenamiento.

Algunos datos concretos que vale citarle a un adolescente, según el análisis publicado de la card:

• Las pruebas automatizadas de resistencia encontraron un 4,5 % de éxito en intentos de jailbreak, casi igual al 4,6 % de Fable 5. Equipos rojos externos registraron más de 74 horas y no encontraron exploits completos que funcionaran.
• En la prueba de honestidad bajo presión MASK, el modelo mantiene su posición cerca del 85 % de las veces, contra 91 % de Mythos 5 y 95 % de Opus 5. Eso es un retroceso, informado por la propia empresa.
• El riesgo de alineamiento subió de “muy bajo” a “bajo”.
• El reward hacking ocurre en menos de 0,01 % de los intentos de eludir reglas, aunque cerca de la mitad de los entornos de entrenamiento contenían atajos explotables.
• Las tasas de falla ante inyección indirecta de prompts están debajo de 0,1 %, y los ataques vía navegador bajan a cero con el modo automático activado.
• La card nombra su propio punto ciego: la auditoría automatizada de comportamiento “da menos visibilidad en trabajo de contexto muy largo y en escenarios multiagente”.

Lee esa lista otra vez, porque el encuadre importa. No son números filtrados. Los publicó la empresa. Un documento que dice “nuestro modelo se volvió un poco menos honesto bajo presión que el anterior” está haciendo el trabajo para el que existe una tarjeta de modelo, y vale señalárselo a un chico que da por hecho que todo documento corporativo es publicidad.

Tarjeta de modelo de IA: nueve secciones, nueve preguntas

Mitchell, Wu, Zaldivar, Barnes, Vasserman, Hutchinson, Spitzer, Raji y Gebru propusieron el formato en FAT* 2019, en un paper titulado simplemente “Model Cards for Model Reporting”. El objetivo era el “reporte transparente de modelos”, con el desempeño desglosado por grupos en vez de reportado como un solo promedio. Las nueve secciones envejecieron bastante bien.

Detalles del modelo. Qué es, quién lo hizo, qué versión, cuándo.

Uso previsto. Para qué dice el fabricante que sirve, y cuáles usos quedan fuera de alcance. Es la sección que las escuelas deberían leer antes de adoptar una herramienta y casi nunca leen.

Factores. Por qué grupos y condiciones se desglosó el desempeño: idioma, edad, acento, materia. Una tarjeta que reporta un solo promedio está escondiendo varianza.

Métricas. Qué se midió y cómo. “Precisión” sola es casi vacío: precisión en qué benchmark, con qué instrucciones, a qué costo.

Datos de evaluación. Con qué se probó, y si eso se parece a tu uso.

Datos de entrenamiento. Con qué aprendió, al nivel de detalle que la empresa esté dispuesta a dar. En modelos de frontera suele ser la sección más flaca, y esa ausencia también es información.

Análisis cuantitativos. Los números reales, idealmente con intervalos de confianza.

Consideraciones éticas. Daños conocidos y quién los sufre.

Advertencias y recomendaciones. Para qué dicen los propios fabricantes que no hay que confiarse.

La system card moderna mantiene ese esqueleto y agrega lo que importa en modelos desplegados y agénticos: fortaleza de las salvaguardas (¿se puede hacer jailbreak, y con qué frecuencia?), seguridad agéntica (qué pasa cuando tiene herramientas y navega), alineamiento (¿se comporta como se pretende bajo presión, y cómo se ve su razonamiento interno?) y una determinación formal de riesgo según la propia política de escalado de la empresa.

Dos límites honestos van acá. Primero: la card la escribe la empresa. La auditoría independiente de modelos de frontera es escasa, y los equipos rojos externos están contratados, no son adversarios por defecto. Segundo: un documento de 200 páginas no es transparencia en ningún sentido práctico para un lector normal; es transparencia para reguladores e investigadores. Justamente por eso vale tener el método de una pregunta por sección.

Cómo enseñarle esto a tu hijo

De 5 a 8 años: la lección de la caja de cereal

Toma una caja de cereal y encuentren tres cosas: qué tiene adentro, cuánta azúcar hay por porción, y quién lo hizo. Después pregunta qué no está en la caja (a qué sabe, si le va a gustar, si en general le hace bien). Dile: los programas de computadora también tienen una caja así, y te dice qué se midió, no si te va a gustar. Esa distinción, medido versus gustado, es toda la lección y dura.

De 9 a 12 años: encontrar la sección de las fallas

Abre cualquier tarjeta de modelo en el sitio de una empresa (Google publica para Gemma; Anthropic y OpenAI publican system cards) y dale a tu hijo un solo trabajo: encontrar la parte donde la empresa admite en qué es malo el modelo. Siempre está y nunca es lo primero. Cuando la encuentre, pregúntale por qué no está en la página uno. Los chicos de diez años tienen una idea muy clara del por qué, y articularlo es el objetivo.

De 13 en adelante: la conversación del 85 %

Dale a tu adolescente el dato de honestidad MASK: este modelo mantiene su posición bajo presión cerca del 85 % de las veces, y la generación anterior lo hacía mejor. Después hazle tres preguntas. ¿Qué significa “mantener la posición” para un modelo? ¿Cómo se vería un 15 % en su tarea? ¿Y por qué una empresa publicaría un número que hace ver peor a su modelo nuevo que al viejo? Esa última abre todo el tema de cómo funciona la divulgación de seguridad, y es genuinamente interesante.

La pregunta que debes hacer: “¿Cuál sección de este documento preferiría la empresa que ningún periodista leyera, y por qué?”

De sección a pregunta: cómo leer una card en 30 minutos

Sección de la card	La pregunta a hacer	Cómo se ve una señal de alarma
Detalles del modelo	¿Qué versión exacta usa mi hijo?	La card describe una versión que el producto no corre
Uso previsto	¿Figura educación o menores en el alcance?	Silencio sobre menores en un producto vendido a escuelas
Factores	¿Se desglosó el desempeño por idioma y edad?	Un solo promedio global
Métricas	¿Puntaje en qué benchmark, a qué costo, con qué instrucciones?	Un número sin benchmark nombrado
Datos de evaluación	¿Los datos de prueba se parecen a la tarea de mi hijo?	Solo inglés, solo adultos, solo sintético
Datos de entrenamiento	¿Qué se revela y qué se guarda?	Un párrafo vago
Salvaguardas / jailbreaks	¿Qué porcentaje de intentos de jailbreak funciona?	Ningún número
Alineamiento / honestidad	¿Alguna métrica empeoró respecto de la versión previa?	Solo mejoras reportadas
Seguridad agéntica	¿Qué pasa cuando tiene herramientas y navegador?	No se aborda en un producto agéntico
Advertencias	¿Para qué dicen los fabricantes que no hay que confiarse?	Sección ausente o de dos frases

Imprime esa tabla. Sirve con cualquier tarjeta de modelo de cualquier empresa, y funciona mejor que leer el documento de punta a punta.

¿Y en América Latina?

Acá hay un hueco concreto y vale nombrarlo. Casi todas las tarjetas de modelo reportan desempeño desglosado por idioma de forma superficial, y el español latinoamericano casi nunca aparece separado del español peninsular, ni hablar del portugués brasileño o de las lenguas indígenas. Cuando una escuela en Bogotá, Lima o Guadalajara adopta una herramienta, la sección “Factores” de la card rara vez dice algo sobre desempeño con los estudiantes de esa escuela. Eso no significa que la herramienta no sirva; significa que nadie midió.

El contexto institucional también difiere. El Observatorio de IA en Educación para América Latina y el Caribe, que UNESCO lanzó en Santiago en abril de 2026, reporta que menos del 10 % de las instituciones de la región tiene lineamientos formales de integración de IA, y que más de la mitad de los docentes en Chile y Brasil ya usa herramientas de IA. En ese escenario, la pregunta “¿qué tarjeta de modelo revisaron antes de aprobar esta herramienta?” es probablemente la pregunta más útil que un papá puede hacer en una reunión de apoderados este año. Y es una pregunta que se hace por escrito, con educación, una sola vez.

Qué hacer en casa

Lee la card de la herramienta que tu hijo usa de verdad

No la del modelo más famoso. La del que está en su app de tareas o en el despliegue de su colegio. Casi ningún papá preguntó nunca.

Pregúntale al colegio cuál tarjeta de modelo revisó

Esta sola pregunta cambia conversaciones. El Departamento de Educación de EE. UU. instruyó a los distritos el 20 de agosto de 2026 a evaluar la IA por resultados de aprendizaje medibles, no por tiempo de pantalla. Un colegio que no puede nombrar la tarjeta de modelo que revisó no hizo esa evaluación.

Usa los retrocesos informados como señal de confianza, no de susto

Una empresa que publica “esto empeoró” se está portando mejor que una que publica solo victorias. Enséñale a tu adolescente a leer una debilidad informada como evidencia de buen proceso. Es contraintuitivo y es correcto, y se transfiere a cómo debería leer papers científicos y sus propios informes de laboratorio.

Pon la card al lado de la página de marketing

Ábrelas en paralelo. El post de lanzamiento dice “el modelo más capaz”. La system card dice que el 4,5 % de los jailbreaks funciona y que la honestidad bajo presión bajó. Ninguna miente. Responden preguntas distintas para públicos distintos. Reconocer eso es alfabetización mediática a un nivel al que la mayoría de los adultos no llegó. Nuestros textos sobre contenido de IA y trabajos escolares y sobre enseñar a detectar contenido generado por IA complementan bien.

Lo que no hay que hacer

No intentes leer 200 páginas. Vas a abandonar, sentirte mal y concluir que el documento no sirve. Usa la tabla, elige tres secciones y termina en media hora. La profundidad no es el objetivo; el hábito de mirar sí.

Qué observar en los próximos 3 meses

• Semana 4: Tu adolescente ubicó la sección de advertencias de una tarjeta de modelo real y puede decir qué admite.
• Señales de alerta en el mes 2: Una herramienta que tu hijo usa en el colegio no tiene card publicada, o la card describe una versión distinta de la que está desplegada.
• Autoevaluación del mes 3: Cuando se lanza un modelo nuevo, ¿alguien en tu casa pregunta qué dice la system card? Si el reflejo se formó, esto funcionó.

Preguntas frecuentes

¿Qué diferencia hay entre una tarjeta de modelo y una system card?

Una tarjeta de modelo, como se propuso en 2019, documenta un modelo: uso previsto, métricas, evaluación, limitaciones. Una system card documenta un sistema desplegado, que incluye el modelo más las salvaguardas, el monitoreo, el acceso a herramientas y una determinación de riesgo. Los laboratorios de frontera ahora publican system cards porque las salvaguardas importan tanto como los pesos.

¿Las empresas están obligadas a publicarlas?

No de forma universal. La ley de IA de la Unión Europea y el código europeo de transparencia empujan en esa dirección, y muchas agencias exigen documentación para compras públicas. Casi todos los laboratorios de frontera publican voluntariamente porque clientes y reguladores lo piden. La práctica se está normalizando más rápido que la ley.

¿Le creo a los números de una system card?

Trátalos como el mejor autorreporte de la empresa, producido con rigor interno genuino y con un incentivo real a verse bien. La presencia de retrocesos informados es señal positiva. La verificación independiente sigue siendo escasa, y eso es un hueco real del campo que conviene decir en voz alta.

El colegio de mi hijo usa una herramienta de IA sin tarjeta de modelo. ¿Es grave?

Es razón para preguntar, no para entrar en pánico. Muchas herramientas educativas están construidas sobre un modelo de frontera, así que la card del modelo de base puede existir aunque la de la app no. Pregúntale al proveedor qué modelo usa y qué versión. Si no puede responder, eso ya es el hallazgo.

¿Dónde encuentro estos documentos?

En el sitio del fabricante, en general bajo una sección de investigación, seguridad o documentación. Anthropic publica system cards junto a los anuncios de modelos; OpenAI publica system cards de sus lanzamientos importantes; Google publica tarjetas de modelo de Gemma y Gemini. Busca el nombre del modelo más “system card”.

¿4,5 % de jailbreaks exitosos es mucho o poco?

Poco comparado con los modelos de hace unos años, y no es cero. En un colegio de 1.000 estudiantes, una minoría decidida va a encontrar ese 4,5 %. La conclusión útil es que las salvaguardas reducen mucho el mal uso casual y no eliminan el mal uso deliberado, que es exactamente cómo hay que pensar cada capa de seguridad.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Mitchell, M., Wu, S., Zaldivar, A., Barnes, P., Vasserman, L., Hutchinson, B., Spitzer, E., Raji, I. D., & Gebru, T. (2019). “Model Cards for Model Reporting.” FAT ‘19*. https://arxiv.org/abs/1810.03993
2. Anthropic. (2026, 1 de septiembre). “Introducing Claude Fable 5.1 and Claude Mythos 5.1.” https://www.anthropic.com/claude-fable-and-mythos-5-1
3. Anthropic. (2026, 1 de septiembre). “System Card: Claude Fable 5.1 & Claude Mythos 5.1.” https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf
4. Don’t Worry About the Vase. (2026, 4 de septiembre). “Claude Fable 5.1 and Mythos 5.1: The System Card.” https://thezvi.wordpress.com/2026/09/04/claude-fable-5-1-and-mythos-5-1-the-system-card/
5. MarkTechPost. (2026, 1 de septiembre). “Anthropic releases Claude Fable 5.1 and Claude Mythos 5.1.” https://www.marktechpost.com/2026/09/01/anthropic-releases-claude-fable-5-1-and-claude-mythos-5-1-52-6-on-terminal-bench-science-and-75-cheaper-cache-reads/
6. UNESCO. (2026, 14 de abril). “UNESCO launches Observatory on Artificial Intelligence in Education for Latin America and the Caribbean.” https://www.unesco.org/en/articles/unesco-launches-observatory-artificial-intelligence-education-latin-america-and-caribbean
7. Departamento de Educación de EE. UU. (2026, 20 de agosto). Dear Colleague Letter sobre evaluación de IA por resultados de aprendizaje medibles. https://www.ed.gov/