La mejor IA para desarrolladores

“Como parte de nuestra evaluación continua de modelos de IA, Claude Fable 5.1 obtuvo resultados impresionantes en nuestras pruebas. Con Claude Code, identificó correctamente la causa raíz de todas las compilaciones rotas que probamos, en todos los niveles de esfuerzo. Además, se comunica con más eficacia que los modelos anteriores de Anthropic, con actualizaciones más concisas y fáciles de seguir.”

“Even at its lowest effort setting, Claude Opus 5.5 caught 72% of known bugs in our code reviews to Opus 5’s 56% at high effort, with fewer false alarms and a fraction of the output. On US consulting analysis, low thinking effort matched its higher thinking settings on half the output and passed our quality checks. When more lower thinking efforts are deployed in production, that’s client-ready work delivered efficiently.”

«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».

“I handed Claude Opus 5.5 a large engineering task across six of our repositories and let it run overnight, unattended. It stayed on task for over 18 hours defining how our services talk to each other and working out how each one should apply that. Compared with Opus 5, it hit milestones faster and required minimal reworking. Its code comments were short and useful instead of long and prose-heavy. I’m struggling to find anything negative to say.”

“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».

“We test models on real engineering and trading-desk work. On our agentic coding tasks, Claude Opus 5.5 matched Opus 5’s quality in about half the turns, time and output tokens, cutting the cost of that workload by 40 to 50%. It posted the highest score we’ve recorded on one desk’s trading-support suite, passing tasks earlier Claude models had failed, and topped all eight models on our analysis task.”

“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.”

“Claude Fable 5.1 se maneja mejor que Fable 5 en trabajos largos y sin supervisión. He tenido flujos de trabajo funcionando durante largos periodos sin perder el hilo: lleva sus propios registros, reprioriza cuando las cosas cambian y retoma el trabajo donde lo dejó.”

“En los problemas más difíciles en los que trabajamos, Claude Fable 5.1 se distancia con claridad de cualquier otro modelo que hayamos probado. En un problema de nivel gran desafío que llevamos 18 meses usando como banco de pruebas, logró avances materiales reales. En lugar de quedarse atrapado coleccionando datos, estableció conexiones claras en espacios inexplorados que todavía no he visto en ningún otro sitio. También optimizó en torno a un 35 % un kernel de cómputo con el que Fable 5 había tocado techo.”

“Teníamos un cambio que afectaba a más de ocho servicios en tres bases de código. Claude Fable 5.1 trazó todo el flujo de trabajo de principio a fin, con un nivel de detalle extraordinario, desde la llamada de servicio entrante hasta la función individual y las tablas y filas de la base de datos, y fue preciso en todos los niveles. Agradecimos la oportunidad de probar el modelo y aportar comentarios, lo que nos ayuda a prepararnos para una nueva frontera en la que podremos confiar cada vez más en estas herramientas para asumir iniciativas más ambiciosas.”

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

“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.”

“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.”

“Como parte de nuestra evaluación continua de modelos de IA, Claude Fable 5.1 obtuvo resultados impresionantes en nuestras pruebas. Con Claude Code, identificó correctamente la causa raíz de todas las compilaciones rotas que probamos, en todos los niveles de esfuerzo. Además, se comunica con más eficacia que los modelos anteriores de Anthropic, con actualizaciones más concisas y fáciles de seguir.”

“Even at its lowest effort setting, Claude Opus 5.5 caught 72% of known bugs in our code reviews to Opus 5’s 56% at high effort, with fewer false alarms and a fraction of the output. On US consulting analysis, low thinking effort matched its higher thinking settings on half the output and passed our quality checks. When more lower thinking efforts are deployed in production, that’s client-ready work delivered efficiently.”