Anthropic ha dado un nuevo paso en su estrategia de desarrollo de agentes de IA con el lanzamiento de su familia de modelos Claude 4. La presentación de Claude Opus 4 y Claude Sonnet 4, realizada durante la primera conferencia para desarrolladores de la compañía en San Francisco, supone una ampliación significativa de las capacidades de estos sistemas, especialmente en tareas de codificación avanzada, razonamiento multietapa y autonomía operativa en tareas de larga duración.
La nueva generación de modelos, que reemplaza directamente a las versiones anteriores de Claude Sonnet 3.7 y Claude Opus 3, introduce mejoras técnicas que permiten a los modelos no solo responder de forma más precisa a las instrucciones, sino también mantener el foco y la coherencia en tareas que pueden prolongarse durante varias horas. Esta evolución apunta directamente a un nuevo paradigma en el uso de modelos de lenguaje: el paso de asistentes conversacionales a agentes autónomos con capacidad de toma de decisiones operativas.
Claude Opus 4: persistencia, profundidad y memoria estructurada
Claude Opus 4 ha sido concebido como el modelo de mayor capacidad de Anthropic hasta la fecha, diseñado específicamente para sostener tareas de alta complejidad técnica, como la reestructuración de grandes bases de código, durante períodos de trabajo extendidos. Según la propia empresa, Opus 4 ha sido capaz de ejecutar procesos continuos de programación durante hasta siete horas con rendimiento constante, un logro validado por Rakuten en un entorno de desarrollo de software de código abierto.
El modelo alcanza una puntuación del 72,5 % en el benchmark SWE-bench y un 43,2 % en Terminal-bench, dos de las métricas de evaluación más reconocidas en codificación automática. Estas cifras lo sitúan por encima de modelos como GPT-4.1 de OpenAI o Gemini 2.5 Pro de Google en cuanto a precisión y completitud en tareas de ingeniería de software.
Además de su rendimiento computacional, Opus 4 incorpora un sistema de “memoria activa” basado en archivos persistentes, lo que le permite almacenar información clave a lo largo de una tarea compleja. Esta funcionalidad no solo incrementa la coherencia a lo largo de múltiples pasos, sino que también habilita un comportamiento más adaptativo en contextos cambiantes. En escenarios prácticos, como la creación de guías de navegación en videojuegos o la generación autónoma de estructuras de código, el modelo ha demostrado una capacidad superior para mantener la dirección estratégica de una tarea incluso sin supervisión humana continua.
Anthropic ha clasificado este modelo bajo su estándar interno de seguridad ASL-3, reservado para sistemas que podrían amplificar riesgos si se emplean en contextos sensibles. Esta categorización refleja tanto el poder del modelo como la necesidad de controles específicos para evitar usos indebidos en aplicaciones críticas.
Claude Sonnet 4: eficiencia operativa para aplicaciones distribuidas
Por su parte, Claude Sonnet 4 representa una evolución incremental sobre Sonnet 3.7, modelo que ha sido ampliamente utilizado como motor de tareas intermedias dentro del ecosistema de Anthropic. Esta nueva versión mantiene un equilibrio entre coste computacional, velocidad de respuesta y calidad de salida, lo que la posiciona como una opción idónea para integración en sistemas productivos que requieren rendimiento constante con menor carga de infraestructura.
Con un 72,7 % en SWE-bench, Sonnet 4 iguala o supera a modelos de mayor coste en tareas de codificación y razonamiento lógico. GitHub ha confirmado que adoptará este modelo como núcleo de su nuevo agente de codificación en GitHub Copilot, destacando su rendimiento en escenarios agentivos y su capacidad para seguir instrucciones detalladas con precisión.
Distintos actores del ecosistema tecnológico han reportado mejoras en tareas de navegación por código, desarrollo autónomo de aplicaciones, reducción de errores de contexto y generación de soluciones con mayor coherencia estructural. iGent, Sourcegraph y Augment Code destacan que Sonnet 4 ha contribuido a disminuir errores de navegación y aumentar la precisión en ediciones complejas, factores clave en entornos de desarrollo colaborativo.
Integración de herramientas externas y razonamiento extendido
Una de las innovaciones principales de los modelos Claude 4 es la introducción del modo de razonamiento extendido con uso de herramientas (extended thinking with tool use). Esta funcionalidad permite a los modelos alternar entre pensamiento simulado y ejecución de herramientas externas, como buscadores web o conectores API, en paralelo y de forma intercalada.
La capacidad de ejecutar herramientas simultáneamente, junto con la posibilidad de decidir cuándo y cómo utilizarlas durante el razonamiento, dota a los modelos de una versatilidad operativa inédita. Esto representa un paso hacia modelos de lenguaje que no se limitan a responder preguntas sino que actúan como agentes autónomos con capacidad de planificar, consultar fuentes, validar datos y completar procesos de múltiples fases.
En este contexto, Anthropic ha desarrollado un mecanismo de síntesis de pensamiento que condensa los procesos de razonamiento cuando exceden cierto umbral de complejidad. Estas “thinking summaries” están disponibles para el 5 % de los casos, permitiendo mantener la transparencia en la toma de decisiones sin comprometer la eficiencia. Los usuarios que deseen visualizar el razonamiento completo pueden hacerlo mediante un nuevo modo para desarrolladores.
Claude Code: entorno de programación asistida y SDK extensible
Coincidiendo con el lanzamiento de Claude 4, Anthropic ha hecho disponible para todos los usuarios su entorno de codificación Claude Code. Este sistema ya está integrado con los principales entornos de desarrollo, como Visual Studio Code y JetBrains, y permite realizar ediciones de código directamente en los archivos del usuario, con seguimiento visual de cambios propuestos.
Además, la compañía ha publicado un SDK que permite construir agentes personalizados sobre la base de Claude Code. El conector con GitHub permite etiquetar al asistente en pull requests para responder a comentarios de revisión, corregir errores detectados por sistemas de integración continua y realizar cambios de manera autónoma en el repositorio.
Esta evolución transforma a Claude Code en una plataforma extensible para la automatización del desarrollo de software, habilitando casos de uso en los que el agente no solo sugiere código, sino que ejecuta tareas en segundo plano con criterio propio.
Desafíos técnicos y horizonte de desarrollo
Pese a las mejoras introducidas, los modelos Claude 4 no están exentos de limitaciones. La propia Anthropic reconoce que la naturaleza no determinista de los modelos de lenguaje plantea retos significativos en cuanto a fiabilidad y validación de resultados. Aunque se ha logrado reducir el fenómeno de reward hacking en un 65 %, sigue siendo necesaria la supervisión humana en tareas críticas, especialmente en producción de código, donde errores sutiles pueden comprometer la funcionalidad de un sistema.
Expertos del sector, como Stefano Albrecht, advierten de los riesgos asociados al uso prolongado de agentes autónomos sin mecanismos de supervisión adaptativa. Aunque los avances en memoria persistente y control de tareas permiten ampliar el rango de acción de estos sistemas, su implementación práctica requiere una revisión continua de criterios de seguridad, fiabilidad y alineación con los objetivos del usuario.
Estrategia de despliegue, precios y acceso
Claude Opus 4 y Sonnet 4 están disponibles a través de la API de Anthropic, Amazon Bedrock y Google Cloud Vertex AI. Mientras Sonnet 4 puede ser utilizado por usuarios gratuitos, Opus 4 está reservado a los planes de pago, incluyendo las modalidades Pro, Max, Team y Enterprise.
El modelo Sonnet 4 mantiene el precio de $3 por millón de tokens de entrada y $15 por millón de salida. En el caso de Opus 4, el coste asciende a $15 y $75 respectivamente. Ambos modelos operan en modo híbrido, con respuestas instantáneas para tareas sencillas y razonamiento extendido para operaciones de mayor complejidad.
Esta estrategia de segmentación permite a Anthropic ofrecer soluciones adaptadas a distintos perfiles de uso, desde entornos experimentales hasta sistemas críticos de alto volumen.
