Claude Platform

“En nuestra suite de investigación, Claude Fable 5.1 estableció nuevas puntuaciones récord. En una tarea encontró una solución novedosa en un eje completamente diferente al que habíamos visto con otros modelos o con investigadores humanos en el pasado, lo que elevó los resultados muy por encima del techo anterior. Es mejor en resolución creativa de problemas y para obtener ese destello de perspicacia necesario para resolver un problema difícil.”

“La elección de Claude estuvo totalmente respaldada por datos. Probamos múltiples proveedores de modelos de forma simultánea y Claude proporcionó constantemente los mejores resultados en cuanto a tasas de resolución de casos y puntuaciones de satisfacción del cliente.”

“La asociación con Anthropic ha sido excepcional: su orientación y apoyo han ayudado a nuestros equipos de ingeniería a aprovechar al máximo los modelos.”

“Los desarrolladores quieren agentes que puedan asumir trabajo de software real y terminarlo. En nuestras pruebas con GitHub Copilot CLI y VS Code, Claude Opus 5.5 utilizó una de las menores cantidades de tokens y pasos medidas. En VS Code, resolvió más tareas de terminal que Opus 5 en menos de la mitad de pasos. Más que hacer más eficientes las tareas individuales, hace que los proyectos más grandes de los desarrolladores sean más factibles.”

“Para los creadores de Lovable, Opus 5.5 significa compilaciones más rápidas con la misma calidad, tanto si se empieza desde cero como si se trabaja en una aplicación activa. Recopila contexto una vez, hace menos ediciones y más completas, y no se queda atascado reintentando; termina en un tercio o la mitad de pasos menos y usa muchos menos tokens en el proceso.”

“Con Claude Opus 5.5, hemos visto una clara mejora en la eficiencia de tokens en nuestras evaluaciones internas, ya que hemos podido completar las mismas tareas de forma más económica y rápida.”

“Las empresas financieras necesitan resultados sistemáticamente correctos. En la configuración de mínimo esfuerzo de Claude Opus 5.5, superó a Opus 5 con esfuerzo alto en nuestro BigFinance Bench con aproximadamente un 60 % menos de tokens de salida. Las respuestas de Claude Opus 5.5 son más cortas y mejor estructuradas y las diapositivas resultan más densas y acordes con los estándares del sector.”

“Claude Opus 5.5 es el primer modelo que usaríamos de forma predeterminada con un nivel de esfuerzo medio. En nuestras pruebas, igualó a Opus 5 con esfuerzo alto, con un 20 a 25 % menos de tokens de salida. En investigaciones largas y complicadas, siempre proporcionaba una respuesta clara y práctica. Esto significa que nuestros clientes hacen más por menos.”

“Nuestros clientes usan Box AI en ingentes cantidades de contenido, por lo que la velocidad y el coste son una de las mayores prioridades. En nuestras evaluaciones, Claude Opus 5.5 usó un tercio de los tokens de Opus 5 y las respuestas fueron un 40 % más concisas sin perder precisión. Esperamos que eso sea muy importante para los equipos que ejecutan agentes en todo su contenido en áreas como los servicios financieros y el sector público.”

“En las primeras pruebas de Epic, Claude Sonnet 5.5 alcanzó el mismo nivel de calidad que se esperaría de un modelo de nivel superior, superó con éxito una auditoría de diseño del sistema y una revisión del flujo de datos. El nuevo modelo gestionaba decenas de miles de líneas de código para la arquitectura del sistema de juego, respondía con rapidez, gestionaba tareas de varias horas y ofrecía resultados con prompts menos rígidos.”

“Sin cambiar ninguno de nuestros prompts, Claude Sonnet 5.5 obtuvo mejores resultados que Sonnet 5 en casi todas nuestras evaluaciones offline de Slackbot, en menos pasos y con aproximadamente un 14 % menos de tokens de salida. Cuando alguien asigna una tarea a Slackbot, lo que más importa es la calidad y la velocidad y Sonnet 5.5 permite que Slackbot ofrezca mejores resultados a los usuarios con mayor rapidez.”

“Ofrecimos a Claude Sonnet 5.5 cientos de casos de uso reales de soporte en respuestas y solicitudes de escalada. Claude Sonnet 5.5 tomó menos decisiones incorrectas y resolvió tickets más rápido que los modelos de Claude que usamos en producción hoy. Los tickets se procesaron un 20 % más rápido, con lo que nuestros clientes obtuvieron la ayuda que necesitaban sin tener que esperar.”

“Claude Fable 5.1 es un modelo líder para nuestras evaluaciones de investigación de incidentes, que utilizan incidentes de producción reales para evaluar la eficacia con la que nuestro agente, Bits Investigation, puede realizar análisis de causas raíz. Evaluamos el resultado de nuestro agente frente a las causas raíz identificadas por nuestros ingenieros. En estas evaluaciones, Claude Fable 5.1 ha demostrado un razonamiento más sólido que Opus 5 y ha diagnosticado con éxito los incidentes de producción más complejos que hemos probado.”

“Vamos a migrar el tráfico de Opus 5 en Devin a Claude Fable 5.1 el día del lanzamiento. Igualó o superó a Fable 5 en nuestras pruebas, por un coste por tarea inferior y, con el nuevo precio de lectura en caché, un modelo similar a Fable por fin es asequible para las cargas de trabajo que habíamos mantenido en Opus, empezando por la revisión de código.”

“Le pedimos a Claude Fable 5.1 que revisara un proyecto de investigación clínica para Rakuten Medical que otros tres modelos de vanguardia habían aprobado. Encontró una brecha que ninguno de los otros había visto e insistió en probarlo más a fondo. Luego, propuso una hipótesis completamente nueva, convirtiendo un conjunto de datos que habíamos descartado en una nueva rama de investigación en una sola tarde. Es la primera vez que un modelo de vanguardia como Claude nos permite explorar nuevos campos de investigación de esta manera.”

“Lo que destaca en Claude Fable 5.1 es la escritura: es más comprensible, tiene más significado y se adapta mejor a nuestras directrices de escritura. En pruebas a ciegas contra Fable 5, preferí la escritura y los resultados de este modelo. Y en Canva Code creó un juego de ritmos con música real y jugabilidad sincronizada con el ritmo, acorde con el nivel generado, algo que ningún otro modelo que probamos ofreció.”

“En nuestra suite de investigación, Claude Fable 5.1 estableció nuevas puntuaciones récord. En una tarea encontró una solución novedosa en un eje completamente diferente al que habíamos visto con otros modelos o con investigadores humanos en el pasado, lo que elevó los resultados muy por encima del techo anterior. Es mejor en resolución creativa de problemas y para obtener ese destello de perspicacia necesario para resolver un problema difícil.”

“La elección de Claude estuvo totalmente respaldada por datos. Probamos múltiples proveedores de modelos de forma simultánea y Claude proporcionó constantemente los mejores resultados en cuanto a tasas de resolución de casos y puntuaciones de satisfacción del cliente.”

“La asociación con Anthropic ha sido excepcional: su orientación y apoyo han ayudado a nuestros equipos de ingeniería a aprovechar al máximo los modelos.”

“Los desarrolladores quieren agentes que puedan asumir trabajo de software real y terminarlo. En nuestras pruebas con GitHub Copilot CLI y VS Code, Claude Opus 5.5 utilizó una de las menores cantidades de tokens y pasos medidas. En VS Code, resolvió más tareas de terminal que Opus 5 en menos de la mitad de pasos. Más que hacer más eficientes las tareas individuales, hace que los proyectos más grandes de los desarrolladores sean más factibles.”

“Para los creadores de Lovable, Opus 5.5 significa compilaciones más rápidas con la misma calidad, tanto si se empieza desde cero como si se trabaja en una aplicación activa. Recopila contexto una vez, hace menos ediciones y más completas, y no se queda atascado reintentando; termina en un tercio o la mitad de pasos menos y usa muchos menos tokens en el proceso.”

“Con Claude Opus 5.5, hemos visto una clara mejora en la eficiencia de tokens en nuestras evaluaciones internas, ya que hemos podido completar las mismas tareas de forma más económica y rápida.”