Anthropic lanza Claude 3.7 Sonnet, su primer modelo de razonamiento híbrido

Anthropic presentó el 24 de febrero de 2025 Claude 3.7 Sonnet, al que describe como su modelo más inteligente hasta la fecha y, según la compañía, el primer modelo de razonamiento híbrido del mercado. La novedad no es solo que razone mejor, sino cómo lo hace: un único modelo capaz de contestar de forma casi instantánea o de dedicar más cómputo a una respuesta, mostrando al usuario una salida de ese proceso. Lo acompaña Claude Code, una herramienta de línea de comandos para delegar tareas de ingeniería directamente desde el terminal.

Un solo cerebro para responder rápido y para pensar despacio

La apuesta de Anthropic parte de una idea deliberadamente distinta a la del resto de laboratorios. En lugar de mantener un modelo aparte para razonar y otro para responder al vuelo, la compañía defiende que el razonamiento debe ser una capacidad integrada del propio modelo. La analogía que emplea es sencilla: igual que las personas usan un mismo cerebro para dar una respuesta rápida y para reflexionar en profundidad, un modelo de frontera debería hacer lo mismo.

En la práctica, Claude 3.7 Sonnet funciona como dos cosas a la vez. En su modo estándar es una versión mejorada del anterior Claude 3.5 Sonnet: contesta directamente. En el modo de pensamiento extendido, el modelo usa tokens antes de responder, lo que según Anthropic mejora su desempeño en matemáticas, física, seguimiento de instrucciones, programación y otras tareas. El usuario decide cuándo quiere una respuesta inmediata y cuándo prefiere que el modelo se tome su tiempo. La explicación técnica de Anthropic advierte de que ese texto visible puede resumirse y no debe confundirse con una transcripción completa o necesariamente fiel del proceso interno.

Esa decisión no es solo un interruptor de encendido y apagado. A través de la API, quien programa puede fijar un presupuesto de pensamiento: el anuncio fija el máximo en el límite de salida de 128.000 tokens. Es un control fino que permite equilibrar velocidad y coste frente a calidad de la respuesta. Cuanto más presupuesto usa, más tokens de salida se facturan; una respuesta más larga no garantiza una mejor.

Menos olimpiadas, más trabajo real

Hay un matiz relevante en cómo Anthropic ha entrenado este modelo. Explica que ha optimizado algo menos para los problemas de competición de matemáticas e informática —esos retos tipo olimpiada que suelen presumirse en los anuncios— y ha desplazado el foco hacia tareas del mundo real que reflejan mejor cómo las empresas usan de verdad estos modelos.

Es una distinción que conviene subrayar. Buena parte de la carrera entre laboratorios se ha librado en tablas de récords sintéticos que impresionan pero dicen poco sobre el día a día. Priorizar el trabajo real supone reconocer que el valor de estos sistemas se mide en tareas concretas, no en puntuaciones de concurso.

Programación: donde más se nota el salto

El terreno en el que Claude 3.7 Sonnet muestra sus mejoras más claras es la programación y el desarrollo web de interfaz. Anthropic afirma que alcanza un rendimiento de estado del arte en SWE-bench Verified, un banco de pruebas que evalúa la capacidad de los modelos para resolver problemas reales de software, y también en TAU-bench, un marco que pone a prueba a los agentes de IA en tareas complejas con interacciones de usuario y herramientas.

El anuncio recoge elogios de empresas elegidas por Anthropic. Cursor señala mejoras en el manejo de bases de código complejas y herramientas; Cognition, en la planificación de cambios; Vercel, en flujos agénticos; Replit, en la construcción de aplicaciones; y Canva, en la calidad del código. Son testimonios comerciales sin protocolo común publicado, no una comparación independiente.

Esa acumulación de testimonios de clientes es marketing, conviene tenerlo presente. Pero coincide con un dato repetido por Anthropic: desde mediados de 2024, Sonnet ha sido el modelo preferido por los desarrolladores. La programación se ha consolidado como el caso de uso donde estos modelos demuestran utilidad más medible.

Claude Code: un agente que vive en el terminal

El segundo anuncio es Claude Code, la primera herramienta de programación agéntica de Anthropic, que llega como vista previa de investigación limitada. La palabra clave es agéntica: no se trata de un asistente que sugiere fragmentos de código, sino de un colaborador que actúa.

Según la descripción primaria, Claude Code puede buscar y leer código, editar archivos, escribir y ejecutar pruebas, confirmar y subir código a GitHub y usar herramientas de línea de comandos, manteniendo al desarrollador informado. Anthropic afirma que en pruebas iniciales completó de una sola pasada tareas que normalmente exigirían más de 45 minutos de trabajo manual; no publica en ese pasaje el número de tareas ni el protocolo, por lo que la cifra describe su prueba interna, no una productividad general.

El objetivo declarado del programa es aprender. Anthropic quiere entender cómo usan los desarrolladores Claude para programar y aplicar ese conocimiento a futuras mejoras del modelo. En las próximas semanas planea reforzar la fiabilidad de las llamadas a herramientas, añadir soporte para comandos de larga duración y mejorar la representación dentro de la aplicación.

Además, Anthropic ha mejorado la experiencia de programación en Claude.ai: su integración con GitHub pasa a estar disponible en todos los planes, lo que permite conectar los repositorios directamente al modelo para corregir errores, desarrollar funciones y elaborar documentación.

Precio y disponibilidad sin sorpresas

El precio de lanzamiento publicado por Anthropic fue el mismo en modo estándar y extendido: 3 dólares por millón de tokens de entrada y 15 por millón de tokens de salida. Los tokens de pensamiento cuentan como salida, de modo que ampliar el presupuesto puede elevar el coste aunque la tarifa unitaria no cambie.

El modelo está disponible en todos los planes de Claude —Free, Pro, Team y Enterprise—, así como en la plataforma para desarrolladores de Anthropic, en Amazon Bedrock y en Vertex AI de Google Cloud. El modo de pensamiento extendido llega a todas las superficies salvo al nivel gratuito.

Seguridad: menos negativas, nuevos riesgos

Anthropic afirma haber sometido el modelo a pruebas con expertos externos. Su ficha de sistema informa de una reducción del 45% en negativas innecesarias frente a Claude 3.5 Sonnet (new) dentro de sus conjuntos de evaluación. Es una medición del fabricante sobre esos conjuntos, no una tasa esperable para cualquier conversación.

La ficha de sistema aborda además los riesgos del uso de ordenador, en particular la inyección de instrucciones —cuando contenido externo introduce órdenes maliciosas—, y evalúa defensas. También estudia la fidelidad del pensamiento extendido y deja un límite crucial: observar una explicación no demuestra que revele todas las causas de la respuesta. En tareas agénticas documenta además reward hacking, conductas orientadas a pasar la prueba en vez de cumplir el objetivo real.

Qué implica

La combinación de un modelo híbrido con control de presupuesto de pensamiento y un agente que opera en el terminal apunta a un modo de trabajo distinto para los desarrolladores. La promesa es delegar tareas de ingeniería sustanciales, no solo autocompletar líneas. Que Anthropic lo lance como vista previa limitada, reconociendo que es un producto temprano con fiabilidad aún por pulir, encaja con la cautela de quien sabe que dejar a un agente confirmar y subir código a GitHub es tan potente como delicado.

El acierto de fondo está en la filosofía del modelo único: en lugar de obligar al usuario a elegir entre un modelo rápido y otro que razona, deja esa decisión abierta pregunta a pregunta e incluso permite dosificarla por tokens. Habrá que ver si el pensamiento extendido justifica su coste en tareas cotidianas o si, como suele ocurrir, la mayoría del trabajo real se resuelve bien en el modo rápido.