Claude Platform

“En nuestra batería de investigación, Claude Fable 5.1 estableció nuevas puntuaciones récord. En una tarea planteó una solución novedosa siguiendo un eje completamente distinto al que habíamos visto en otros modelos o en investigadores humanos, lo que elevó sus resultados muy por encima de la meseta anterior. Es mejor en la resolución creativa de problemas y en lograr ese destello de intuición que hace falta 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 hacerse cargo del trabajo real de software y terminarlo. En nuestras pruebas en GitHub Copilot CLI y VS Code, Claude Opus 5.5 utilizó una de las menores cantidades de tokens y pasos que medimos. En VS Code, resolvió más tareas de terminal que Opus 5 en menos de la mitad de los pasos. Más que hacer tareas individuales más eficientes, hace que los proyectos más grandes de los desarrolladores sean más alcanzables».

“Para los creadores de Lovable, Opus 5.5 significa compilar más rápido con la misma calidad, tanto al empezar desde cero como al trabajar en una aplicación en vivo. Recopila contexto una sola vez, realiza menos y más completas ediciones y no se atasca reintentando; de esta forma, termina usando entre un tercio y la mitad menos de pasos y significativamente menos tokens”.

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

«Las empresas financieras necesitan resultados que sean siempre correctos. En su configuración de esfuerzo más baja, Claude Opus 5.5 superó a Opus 5 en un alto esfuerzo en nuestro BigFinance Bench con aproximadamente un 60 % menos de tokens de salida. Sus respuestas son más cortas y mejor estructuradas, y sus diapositivas son más densas, más en línea con los estándares del sector».

«Claude Opus 5.5 es el primer modelo que elegiríamos por defecto con un nivel de esfuerzo medio. En nuestras pruebas, igualó a Opus 5 en alto esfuerzo, mientras que utilizaba entre un 20 y un 25 % menos de tokens de salida. En investigaciones largas y desordenadas, siempre daba una respuesta clara y práctica. Esto significa que nuestros clientes hacen más por menos».

«Nuestros clientes usan la IA de Box en enormes cantidades de contenido, por lo que la velocidad y el coste son una prioridad absoluta. En nuestras evaluaciones, Claude Opus 5.5 usó un tercio de los tokens que Opus 5, y las respuestas de Claude Opus 5.5 fueron un 40 % menos extensas sin perder precisión. Esperamos que eso sea muy importante para los equipos que ejecutan agentes en todo su contenido en áreas como servicios financieros y el sector público».

“En las primeras pruebas de Epic, Claude Sonnet 5.5 igualó la calidad de un modelo superior y rindió bien en una auditoría de diseño de sistemas y una revisión del flujo de datos. El nuevo modelo gestionó decenas de miles de líneas de código para la arquitectura de sistemas de juego, dio respuestas ágiles, asumió tareas de varias horas y rindió con una creación de prompts menos prescriptiva”.

“Sin cambiar ninguno de nuestros prompts, Claude Sonnet 5.5 superó a Sonnet 5 en casi todas nuestras evaluaciones offline de Slackbot, con menos pasos y cerca de un 14 % menos de tokens de salida. Cuando alguien encarga una tarea a Slackbot, importan sobre todo la calidad y la velocidad, y Sonnet 5.5 permite que Slackbot ofrezca mejores resultados a los usuarios, más rápido”.

“Probamos Claude Sonnet 5.5 con cientos de casos de uso en soporte, entre respuestas y solicitudes de escalado. Tomó menos decisiones erróneas y resolvió tickets más rápido que los modelos de Claude que usamos a día de hoy en producción. Los tickets se procesaron un 20 % más rápido, y nuestros clientes reciben la ayuda necesaria sin esperas”.

“Claude Fable 5.1 es un modelo líder en nuestras evaluaciones de investigación de incidentes, que usan incidentes reales de producción para valorar la eficacia con la que nuestro agente, Bits Investigation, puede elaborar análisis de causa raíz. Contrastamos los resultados de nuestro agente con las causas raíz identificadas por nuestros ingenieros. En estas evaluaciones, 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 trasladar nuestro tráfico de Opus 5 en Devin a Claude Fable 5.1 el mismo día del lanzamiento. En nuestras pruebas igualó o superó ligeramente a Fable 5 con un coste por tarea menor y, con los nuevos precios de lectura de caché, un modelo de la clase Fable por fin resulta rentable para las cargas de trabajo que manteníamos en Opus, empezando por la revisión de código.”

“Pedimos a Claude Fable 5.1 que revisara un proyecto de investigación clínica de Rakuten Medical que otros tres modelos de frontera habían dado por bueno. Encontró una laguna que ninguno de ellos había visto e insistió en seguir investigándola. Después propuso una hipótesis completamente nueva y convirtió un conjunto de datos que habíamos descartado en una nueva línea de investigación en una sola tarde. Es la primera vez que un modelo de frontera como Claude nos permite explorar nuevas vías de investigación de esta manera.”

“Lo más destacado de Claude Fable 5.1 es la escritura: más comprensible, con más sentido y que sigue mejor nuestras pautas de redacción. En pruebas ciegas frente a Fable 5, preferí su escritura y sus resultados. Y en Canva Code construyó un juego de ritmo con música real y una jugabilidad sincronizada con el compás y adaptada al nivel que generó, algo que ningún otro modelo que probamos consiguió.”

“En nuestra batería de investigación, Claude Fable 5.1 estableció nuevas puntuaciones récord. En una tarea planteó una solución novedosa siguiendo un eje completamente distinto al que habíamos visto en otros modelos o en investigadores humanos, lo que elevó sus resultados muy por encima de la meseta anterior. Es mejor en la resolución creativa de problemas y en lograr ese destello de intuición que hace falta 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 hacerse cargo del trabajo real de software y terminarlo. En nuestras pruebas en GitHub Copilot CLI y VS Code, Claude Opus 5.5 utilizó una de las menores cantidades de tokens y pasos que medimos. En VS Code, resolvió más tareas de terminal que Opus 5 en menos de la mitad de los pasos. Más que hacer tareas individuales más eficientes, hace que los proyectos más grandes de los desarrolladores sean más alcanzables».

“Para los creadores de Lovable, Opus 5.5 significa compilar más rápido con la misma calidad, tanto al empezar desde cero como al trabajar en una aplicación en vivo. Recopila contexto una sola vez, realiza menos y más completas ediciones y no se atasca reintentando; de esta forma, termina usando entre un tercio y la mitad menos de pasos y significativamente menos tokens”.

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