Guías, comparativas y novedades sobre herramientas de IA

Cuando Claude Cowork se integró en el chat el 16 de septiembre de 2026, llegaron a la vez tres funciones de creación en beta: Claude Docs para documentos, Claude Slides para presentaciones y Claude Design para diseño visual. Este artículo va de la primera de ellas. En una frase, Claude Docs convierte lo que sale de una conversación en un documento que puedes seguir editando. Le pides que redacte la discusión como una especificación que el equipo pueda compartir y Claude la escribe delante de ti, preguntándote por lo que le falta antes de arrancar. Lo que obtienes es texto enriquecido con títulos y tablas, y un mismo documento puede contener varias pestañas. Puedes editarlo tú mismo o seleccionar texto dentro del documento, dejar un comentario y mencionar a @Claude para que haga el cambio. La virtud que más se pasa por alto es que también puedes convertir una sesión de Claude Code en una especificación, un runbook o un informe. Eso sí, es una beta, y lo que le falta se nota muchísimo: no hay historial de versiones, borrar no se puede deshacer, en el móvil no se puede editar y Team y Enterprise no pueden compartir fuera de la organización. Este artículo dedica a esas ausencias tanto espacio como a las funciones, y concreta para qué sirve la herramienta y para qué no.

Projects se ha reconstruido en Claude Code. Hasta ahora un proyecto era una carpeta que guardaba conversaciones y material de referencia; el nuevo Projects es una sola conversación. Tú escribes lo que necesitas, Claude lo divide en hilos, los hilos se ejecutan en paralelo en la nube y cada uno abre un pull request y te informa cuando termina. Cerrar el portátil no los detiene. Antes de lanzarte, eso sí, conviene comprobar tres cosas: las cuentas que pueden usarlo siguen siendo limitadas (es una beta pública de Pro y Max que llega primero a las cuentas sin proyectos existentes), github.com y la Claude GitHub App son un requisito en la práctica, y el ritmo al que se come tu límite de uso no se parece en nada al de una sola sesión. En este artículo repasamos cómo saber si el despliegue ya te ha llegado, con qué arranca un hilo (incluida la trampa por la que las reglas de permisos y los hooks dejan de aplicarse en cuanto un proyecto tiene más de un repositorio), de dónde sale el coste en tokens empezando por el Opus en high que viene por defecto, y cómo elegir entre las cinco formas de trabajar en paralelo: subagentes, agent view, agent teams, dynamic workflows y Projects, todo a partir de la documentación y el blog oficiales.

Un modelo más nuevo es más listo pero más caro: así solemos razonarlo. Sin embargo, comparar GPT-6 Astra con GPT-5.6 Sol solo por el precio unitario no resuelve nada, porque Astra termina el mismo trabajo con menos tokens. En las mediciones de Artificial Analysis, una firma independiente de evaluación, ejecutar Astra en su ajuste más flojo, low, cuesta por tarea casi exactamente lo mismo que Sol en high ($0.82 frente a $0.81) y además puntúa más alto (46 frente a 42), con un tercio de los tokens de salida y una cuarta parte de la espera hasta que arranca la respuesta. Partiendo de las cifras a 18 de septiembre de 2026, en este artículo repasamos el coste, los tokens y la velocidad en cada nivel de esfuerzo de razonamiento, el desglose que explica por qué un precio unitario 2.5 veces mayor acaba en el mismo total, qué pinta tienen las cifras cuando termine el precio promocional de Sol, cómo se estrecha la diferencia de precio en el trabajo de agentes de programación y los pasos para medirlo todo en tu propio trabajo.

Quieres que un modelo inteligente se encargue solo de planificar y que la implementación la haga un modelo más rápido y barato. El opusplan de Claude Code es una forma de indicar el modelo que lo hace de forma automática. Usa Opus mientras estás en el modo de planificación y Sonnet el resto del tiempo, y se activa con /model opusplan o con model en settings.json. Eso sí, no aparece en la lista de /model y, como el modelo cambia cada vez que entras en el modo de planificación o sales de él, cada cambio vuelve a leer toda la conversación sin caché. A partir de la documentación oficial a 15 de septiembre de 2026, el registro de cambios y los issues de GitHub, este artículo explica cómo configurarlo (incluido fijar las versiones y el contexto de 1M), el paso del modo de planificación a la aprobación y a la implementación, cómo se retiró del selector en la v2.0.0 y qué explicó un empleado de Anthropic, una estimación del coste de caché que genera cada cambio y cómo contenerlo, en qué se diferencia de la herramienta advisor y de los subagentes, y para qué tipo de trabajo encaja y para cuál no.

¿Se puede dejar la sesión principal de Claude Code en Opus 5 y encargar solo trabajos como traducir o revisar en gran cantidad a subagentes con Sonnet o Haiku? Sí. El modelo de un subagente se decide en este orden: el modelo indicado al invocarlo, model en el archivo de definición, la variable de entorno CLAUDE_CODE_SUBAGENT_MODEL y, por último, el modelo de la sesión principal; el esfuerzo (effort) también se puede fijar para cada subagente. A partir de la documentación oficial a 15 de septiembre de 2026, este artículo explica cómo cambia ese orden según la versión, CLAUDE_CODE_SUBAGENT_MODEL_FORCE para fijar todos los subagentes en un único modelo, a qué modelo apuntan los alias según el proveedor y que, desde la v2.1.198, el Explore integrado hereda el modelo de la sesión principal. Después muestra lo que pasó al lanzar subagentes con otros modelos y comprobarlo en los registros de conversación: se ejecutaron con el modelo indicado, cada uno lee decenas de miles de tokens solo por arrancar, la caché de los subagentes caduca a los 5 minutos incluso con suscripción, y la misma traducción encargada a Opus 5, Sonnet 5 y Haiku 4.5, dos veces a cada uno, difirió en tiempo, coste y calidad. Por último, resume cómo afecta al coste y a los límites de uso, y qué criterios seguir para decidir qué trabajo bajar a un modelo más barato.

Si tienes varias sesiones en paralelo, acabas preguntándote cuál se está comiendo tu límite semanal. Sin embargo, el /usage de Claude Code solo muestra los números de la sesión actual y el consumo de todo el plan repartido por Skill, subagente, plugin y servidor MCP, y qué parte gastó cada sesión no aparece ni en el anillo de uso de la app de escritorio ni en la página de ajustes de claude.ai (a septiembre de 2026). La respuesta está en los registros de conversación guardados en tu máquina (los archivos JSONL de ~/.claude/projects), pero sumarlos tal cual da un resultado erróneo, porque una sola respuesta se escribe en varias líneas, una por bloque de contenido, y los registros de los subagentes están en archivos aparte. Medido en mi propia máquina, el total ingenuo salió aproximadamente el doble del valor correcto y, como el tamaño del error variaba de una sesión a otra, hasta cambió el orden. Este artículo explica qué muestran y qué no las pantallas oficiales, cómo contar bien los registros con un script de recuento de unas 50 líneas, el resultado medido en el que una sola sesión se llevó casi un tercio de todo el consumo, los límites de lo que pueden decirte los números y cómo configurar OpenTelemetry si quieres seguirlo a lo largo del tiempo.

Justo después de enviar un mensaje, Gemini se detiene con «Se ha producido un error (13)» o «Something went wrong(13)», y Google no explica la causa de este error en su ayuda oficial. Sin embargo, el informe oficial de incidencias de mayo de 2026 registra que este mensaje apareció durante unos 4 días; la causa fue una combinación de recursos insuficientes en la base de datos y errores de la aplicación, y la solución alternativa, «ninguna». Partiendo de ese registro oficial y de que el número «13» coincide con el código de error interno de gRPC (INTERNAL), aunque Google no ha afirmado que signifiquen lo mismo, este artículo ordena las 4 situaciones más frecuentes en la comunidad oficial: aparece a todos a la vez, solo en un chat largo, solo al adjuntar una imagen y solo en una cuenta concreta. Después propone 7 pasos para aislar el problema, empezando por lo que menos esfuerzo requiere: desde consultar el estado del servicio hasta continuar en un chat nuevo, probar con otra cuenta e informar mediante comentarios.

No hace falta pedir cada vez «empieza por la conclusión» o «respóndeme en español»: basta con escribirlo una sola vez en el campo de instrucciones que se aplica automáticamente a todas las conversaciones. En ChatGPT se llama «Instrucciones personalizadas», en Claude «Instrucciones para Claude» y en Gemini «Instrucciones para Gemini», pero cambian el nombre en la interfaz, la ubicación y la cantidad de texto que admiten. ChatGPT permite 1.500 caracteres en Free y Go y 5.000 en Plus y superiores (ampliado en julio de 2026), mientras que Claude y Gemini no publican ningún límite. Este artículo comprueba la ubicación y el límite en las ayudas oficiales de las tres empresas y muestra, a partir de la guía oficial de prompts de Anthropic, cómo escribir instrucciones que funcionen, con un ejemplo. Además, reúne en una lista de comprobación las situaciones en las que, según las ayudas oficiales, las instrucciones no se aplican: dentro de un proyecto, dentro de un Gem, en un chat temporal o con una cuenta de empresa.

Le escribes a Claude en español y te contesta en inglés: en el repositorio oficial se repite el mismo reporte una y otra vez, y la investigación ha comprobado que, cuando la petición y la respuesta van en idiomas distintos, incluso los modelos más potentes no logran responder de forma constante en el idioma indicado. Pero no hay una sola causa. Se divide en tres patrones: el inglés se cuela poco a poco mientras Claude lee código y salidas de herramientas, el idioma se olvida justo después de la compactación que resume la conversación, o la respuesta no llega en inglés sino en otro idioma distinto. Cada uno tiene una solución diferente. Este artículo explica cómo reconocer cada patrón, por qué el ajuste language de Claude Code, que fija la instrucción en el prompt del sistema, sigue funcionando después de la compactación, y el problema que empezó a reportarse en septiembre de 2026, sesiones largas en las que la propia salida se descompone, separando la información confirmada de la que no lo está.

«Si instalas demasiadas Skills, te comen la ventana de contexto»: la mitad es cierta y la otra mitad es falsa. Según la documentación oficial de Claude Code, el listado de Skills dispone de un presupuesto fijo del 1% de la ventana de contexto del modelo, y por muchas Skills que añadas la cosa se detiene ahí. En lugar de crecer, lo que ocurre es que dejan de invocarse: cuando el listado desborda el presupuesto, Claude Code elimina descripciones empezando por las Skills que menos se invocan y conserva solo sus nombres. Una Skill que ha perdido su descripción ya no se conecta con lo que pides, pero no aparece ningún error ni nada va más lento. Este artículo ordena en qué se diferencian las tres herramientas de medición (/context, /usage y /skill-doctor), la definición de fallo de caché en 5% y 2,000 tokens, cómo la vida útil de la caché pasa de una hora a cinco minutos según el tipo de contrato, por qué la CLI sigue pesando menos que MCP aunque las definiciones de herramientas se carguen ya de forma diferida por defecto, el fundamento para mantener CLAUDE.md por debajo de 200 líneas y, una vez medido, por dónde empezar a recortar, todo limitado a lo que puede comprobarse en la documentación oficial.

Las disposiciones restantes del EU AI Act pasaron a ser de aplicación general el 2 de agosto de 2026 y, con ellas, llegó una oleada repentina de afirmaciones según las cuales publicar un artículo escrito con IA sin etiquetarlo ya es ilegal. La respuesta corta es que, para la mayoría de quienes publican por su cuenta y para los blogs corporativos, no nace ninguna obligación de revelarlo. El artículo 50, apartado 4, dice con todas las letras que la obligación no se aplica cuando el contenido ha pasado por una revisión humana o un control editorial y alguien asume la responsabilidad editorial de la publicación. La condición que lleva adjunta es que la revisión debe ser sustantiva y no puede limitarse a cuestiones superficiales ni a un visto bueno meramente formal, de modo que publicar de forma automática un texto que nadie ha leído no entra en la exención. Este artículo recorre por qué el proveedor y el responsable del despliegue tienen obligaciones completamente distintas, por qué la revelación de los textos generados por IA depende de la finalidad de la publicación y no del tema, la obligación de revelar los deepfakes y el trato atenuado de las obras artísticas y satíricas, los avisos de los chatbots, por qué el marcado legible por máquina como C2PA Content Credentials es una obligación del proveedor, y los plazos del 2 de diciembre de 2026 y el 2 de febrero de 2027, siempre limitado a lo que ha podido contrastarse con el texto legal y con el material de la Comisión Europea.

OpenAI presentó GPT-6 Astra el 3 de septiembre de 2026. La API está disponible de forma general y sin listas de acceso, el identificador del modelo es gpt-6-astra, el contexto es de 1,050,000 tokens, el precio es de $10 de entrada y $50 de salida por millón de tokens, y el corte de conocimiento es el 30 de abril de 2026. Pero «ya se ha lanzado» y «tu plan puede usarlo» son dos cosas distintas: en ChatGPT Plus no aparece en la pantalla de chat habitual, y la puerta de entrada son ChatGPT Work y Codex. En este artículo repasamos la disponibilidad por plan, cómo plantear los precios cuando un precio unitario del doble puede salir más barato por tarea, los benchmarks que OpenAI nombró de verdad, la capacidad en ciberseguridad que alcanza por primera vez el nivel «Critical» del Preparedness Framework y la línea que OpenAI ha trazado a su alrededor, los cuatro puntos que se rompen al migrar (parámetros de muestreo fuera, Responses API, adiós al esfuerzo none y el ajuste de caché renombrado) y la comparación con Claude Opus 5, Fable 5.1 y Gemini 3.8 Flash, siempre dentro de lo que hemos podido confirmar en fuentes primarias. También explicamos por qué no publicamos la tabla comparativa del tipo «Astra 74.1% frente a Opus 5 96%» que circula por ahí.