Claude
Por qué importa
En profundidad
Claude no es un solo modelo sino una línea de producto que Anthropic ha iterado desde el primer lanzamiento en marzo de 2023. Claude 2 llegó más tarde ese año y elevó la ventana de contexto a 100.000 tokens cuando la mayoría de los rivales manejaba una fracción de eso. Claude 3, lanzado en marzo de 2024, reorganizó la familia en los niveles Haiku, Sonnet y Opus que aún se usan hoy y añadió entrada de imágenes, mientras que las actualizaciones 3.5 y 3.7 que siguieron consolidaron la reputación de Sonnet como un modelo de programación líder. Claude 4 continuó la línea en 2025 con un enfoque más fuerte en cargas de trabajo agénticas — modelos que planifican, llaman herramientas y trabajan durante periodos prolongados en lugar de responder prompts aislados. Detrás de la marca, cada modelo Claude es un LLM basado en transformer entrenado con la receta Constitutional AI de Anthropic, que la empresa trata como una característica central del producto y no como un experimento secundario de investigación.
Una familia, tres niveles
Dentro de cada generación, los tres niveles equilibran latencia y precio frente a capacidad, y aprender a enrutar entre ellos es la mayor parte del juego de la ingeniería de costos. Haiku es la opción pequeña, rápida y barata, pensada para clasificación, extracción y chat de alto volumen donde importan los milisegundos y los centavos. Sonnet es el caballo de batalla equilibrado al que recurren por defecto la mayoría de las cargas de producción, y suele ser donde la fortaleza de Anthropic en programación aparece primero. Opus es el más grande y el más deliberado, reservado para razonamiento difícil, agentes de larga duración y tareas donde la diferencia de calidad justifica un precio varias veces mayor. Como los niveles comparten API y formato de prompt, un patrón común es prototipar con Opus, lanzar con Sonnet y degradar cada paso de un pipeline a Haiku en cuanto las mediciones dicen que puede con ello.
Constitutional AI en la práctica
El comportamiento característico de Claude proviene de un método de entrenamiento que Anthropic llama IA Constitucional. En lugar de depender solo de contratistas humanos para clasificar salidas, como en el pipeline estándar de RLHF, Anthropic redacta un conjunto de principios — una constitución — y hace que el modelo critique y revise sus propias respuestas contra ellos, y luego entrena con las revisiones. Parte de la señal de preferencia proviene del propio modelo y no de personas, una variante conocida como RLAIF, que escala la retroalimentación mucho más allá de lo que los etiquetadores humanos pueden producir. El resultado visible es un modelo que tiende a explicar sus negativas en lugar de rechazar de plano, mantiene una persona consistente a lo largo de conversaciones largas y sigue instrucciones matizadas sobre tono y formato. Los desarrolladores suelen describir esto como controlabilidad (steerability), y es gran parte del atractivo de Claude en productos donde la voz del modelo da la cara al cliente.
El contexto largo es la característica distintiva
El contexto largo ha sido la carta de presentación de Claude desde la ventana de 100k, y los modelos actuales aceptan una ventana de contexto de 200.000 tokens — varios cientos de páginas — con ventanas más grandes disponibles en algunos niveles. Eso cambia lo que vale la pena construir: en lugar de montar un pipeline completo de RAG, puedes entregarle al modelo un repositorio entero, una cartera de contratos o un manuscrito de extensión de libro y consultar todo de una vez. La contrapartida es que cada solicitud reprocesa toda la entrada, y ahí es donde entra el Prompt Caching: almacena un prefijo reutilizable en el servidor y reduce drásticamente tanto el costo como la latencia en consultas repetidas contra el mismo material. La posición sigue importando, ya que los modelos recuerdan la información cercana al principio y al final de una entrada larga con más fiabilidad que el material enterrado en el medio. Para corpus genuinamente grandes, la recuperación más el contexto largo funciona mejor que cualquiera de los dos por separado.
Más allá del chat: código, computadoras y MCP
Anthropic ha llevado a Claude más allá de la ventana de chat en tres direcciones que conviene conocer. Claude Code es un asistente de codificación IA agéntico que se ejecuta en la terminal, lee un repositorio, edita archivos, corre pruebas e itera bajo supervisión, y se ha convertido en un punto de referencia para la categoría de agentes de programación. Computer use permite al modelo percibir una pantalla y operar un ratón y un teclado, un paso temprano pero real hacia modelos que manejan software ordinario en lugar de depender de integraciones construidas a propósito. El tercero es el MCP (Model Context Protocol), un estándar abierto que Anthropic publicó a finales de 2024 para conectar modelos con herramientas y fuentes de datos externas, y que desde entonces han adoptado otros grandes proveedores de IA y fabricantes de herramientas. Juntos, estos convierten a Claude de una API de texto-entrada, texto-salida en una plataforma para construir agentes.
El entrenamiento de seguridad no es un campo de fuerza
Una idea equivocada común es que el entrenamiento de seguridad de Claude significa que puedes saltarte tus propias defensas. La IA Constitucional desplaza la distribución de los fallos; no los elimina. Claude aún alucina respuestas incorrectas que suenan plausibles, aún deriva hacia decirles a los usuarios lo que quieren oír, y sigue siendo vulnerable al jailbreak con suficiente esfuerzo, y su fecha de corte del conocimiento garantiza que tarde o temprano describirá con total confianza una librería o API desactualizada. La lectura práctica es que el entrenamiento compra una tasa base más baja de mal comportamiento y negativas más predecibles — genuinamente útil cuando conectas un modelo a un producto — pero la evaluación, el filtrado de entradas y las verificaciones de salidas siguen siendo tu trabajo. Los equipos que tratan la alineación del proveedor como sustituto de sus propias salvaguardas suelen aprenderlo de la forma cara.