La mejor IA para desarrolladores

“Como parte de nuestra evaluación continua de modelos de IA, Claude Fable 5.1 ofreció resultados impresionantes en nuestras pruebas. Usando Claude Code identificó correctamente la causa raíz de cada compilación defectuosa que probamos, en todos los niveles de esfuerzo. También se comunica de forma más eficaz que los modelos anteriores de Anthropic, con actualizaciones más concisas y fáciles de seguir.”

“Incluso con el nivel de esfuerzo mínimo, Claude Opus 5.5 detectó el 72 % de los errores conocidos en nuestras revisiones de código, frente al 56 % de Opus 5 con esfuerzo alto, con menos falsas alarmas y una fracción del resultado. En análisis de consultoría en Estados Unidos, el bajo esfuerzo de pensamiento igualó sus parámetros de pensamiento más exigentes en la mitad del resultado y superó nuestras pruebas de calidad. Cuando se despliegan más esfuerzos de pensamiento más bajo en producción, es trabajo listo para el cliente entregado con eficiencia.”

“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 fue uno de los que menos tokens y pasos utilizó en nuestras mediciones. En VS Code, resolvió más tareas de terminal que Opus 5 en menos de la mitad de pasos. Más que hacer que las tareas individuales sean más eficientes, hace que los proyectos más grandes de los desarrolladores sean más factibles.”

“Le encomendé a Claude Opus 5.5 una tarea de ingeniería grande en seis de nuestros repositorios y dejé que la ejecutara de la noche a la mañana, sin supervisión. Estuvo activo durante más de 18 horas, definiendo cómo nuestros servicios interactúan entre sí y determinando cómo cada uno debería aplicarlo. En comparación con Opus 5, alcanzó hitos más rápido y requirió un retrabajo mínimo. Los comentarios de código eran cortos y útiles, no largos y prolijos. Me cuesta encontrar algo negativo que decir.”

“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.”

“Probamos modelos en trabajo real de ingeniería y mesas de trading. En nuestras tareas de agentic coding, Claude Opus 5.5 igualó la calidad de Opus 5 en aproximadamente la mitad de turnos, tiempo y tokens de salida, reduciendo el coste de esa carga de trabajo entre un 40 y un 50 %. Obtuvo la puntuación más alta que hemos registrado en la suite de soporte de trading de una mesa, superó tareas en las que modelos anteriores de Claude habían fallado y superó a los ocho modelos en nuestra tarea de análisis.”

“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.”

“Claude Fable 5.1 gestiona mejor los trabajos largos y sin supervisión que Fable 5. He tenido flujos de trabajo que funcionaron durante mucho tiempo sin perder el hilo: mantiene registros propios, cambia las prioridades a medida que cambian y lo retoma donde lo dejó.”

“En los problemas más difíciles en los que trabajamos, Claude Fable 5.1 se diferencia mucho de cualquier otro modelo que hayamos probado. En un problema de nivel de gran reto que hemos utilizado como banco de pruebas durante 18 meses, logró avances materiales reales. En lugar de quedarse en la mera recopilación de datos, estableció conexiones novedosas en territorio inexplorado que aún no he visto en ningún otro lugar. También optimizó un kernel de cómputo en el que Fable 5 se había quedado estancado, logrando una mejora de aproximadamente un 35 %.”

“Hubo un cambio que afectó a más de ocho servicios en tres bases de código. Claude Fable 5.1 mapeó todo el flujo de trabajo de principio a fin, con un detalle extremadamente preciso, desde la llamada de servicio entrante hasta la función individual y las tablas y filas de la base de datos, y la precisión se mantuvo en todos los niveles. Apreciamos la oportunidad de probar el modelo y ofrecer comentarios, lo que nos ayudó a prepararnos para una nueva frontera en la que podremos confiar cada vez más en estas herramientas para emprender iniciativas más audaces.”

“Claude Fable 5.1 es el modelo más capaz que hemos ejecutado en CursorBench 3.2, con una puntuación del 73,4 % al esfuerzo máximo. Nos pareció especialmente hábil verificando el trabajo realizado, lo que permitía asumir tareas de programación difíciles de principio a fin.”

“Lo que destaca en Claude Fable 5.1 es la escritura: es más comprensible, más significativa y sigue mejor nuestras directrices de escritura. En pruebas a ciegas contra Fable 5, preferí la escritura y el resultado 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.”

“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.”

“Como parte de nuestra evaluación continua de modelos de IA, Claude Fable 5.1 ofreció resultados impresionantes en nuestras pruebas. Usando Claude Code identificó correctamente la causa raíz de cada compilación defectuosa que probamos, en todos los niveles de esfuerzo. También se comunica de forma más eficaz que los modelos anteriores de Anthropic, con actualizaciones más concisas y fáciles de seguir.”

“Incluso con el nivel de esfuerzo mínimo, Claude Opus 5.5 detectó el 72 % de los errores conocidos en nuestras revisiones de código, frente al 56 % de Opus 5 con esfuerzo alto, con menos falsas alarmas y una fracción del resultado. En análisis de consultoría en Estados Unidos, el bajo esfuerzo de pensamiento igualó sus parámetros de pensamiento más exigentes en la mitad del resultado y superó nuestras pruebas de calidad. Cuando se despliegan más esfuerzos de pensamiento más bajo en producción, es trabajo listo para el cliente entregado con eficiencia.”