Guía de Claude AI: Consejos y Tutoriales Prácticos

Comparación a fondo de los dos gigantes de la programación con IA en julio de 2026: Claude Opus 4.8 (28 de mayo) y el modelo tope de gama Sol de GPT-5.6 (9 de julio). Sus puntos fuertes son casi opuestos: Sol lidera en operación de terminal y capacidad agéntica global (TerminalBench 2.1 88.8% vs 78.9% de Opus, Agents' Last Exam 53.6, Coding Agent Index 80), mientras que Opus 4.8 lidera en programación de nivel producción (SWE-bench Pro 69.2% vs 64.6% de Sol) y pone en primer plano la honestidad (deja pasar fallos de su propio código unas 4 veces menos; solo en el 3.7% de los casos deja de avisar de fallos importantes). GPQA Diamond y FrontierMath, que se daban por no publicados, figuran en la tabla de evaluación de OpenAI con Sol por delante (igual que en GraphWalks 1M), y en SWE-bench Pro incluso la propia tabla de OpenAI sitúa a Opus por delante, así que en el corazón de la programación Opus tiene la ventaja. Cubrimos la tabla de especificaciones, el detalle de los benchmarks, el problema de los benchmarks no publicados, el coste real ($25 vs $30 de precio unitario frente a +54% de eficiencia de tokens), un mapa de fortalezas y debilidades, la elección por caso de uso y una estrategia de doble proveedor.

El «API Error: 400 Output blocked by content filtering policy» que aparece de golpe en Claude Code o en la API no es un límite de uso ni un exceso de contexto: es el estado en que el filtro de seguridad detuvo la «salida» que Claude iba a devolver. Su objetivo principal es evitar la reproducción literal de obras protegidas ya existentes, y es frecuente que se produzca un falso positivo (false positive) sin ninguna mala intención al generar el texto completo de licencias estándar como MIT/Apache, en tareas de «hacer coincidir» con una fuente existente o al duplicar documentos largos. Este artículo organiza, a partir de la explicación oficial (el filtro de la fase de salida detecta la reproducción de obra protegida y bloquea con un 400), los patrones de falso positivo vistos en los issues reales de Claude Code (preparación inicial de un repositorio OSS, cotejo de listas, y el diagnóstico erróneo como límite de tokens al final de ejecuciones largas de agente), cómo solucionarlo ahora mismo (obtener con herramientas en vez de copiar literalmente, reformular el prompt hacia generar/resumir, detener el bucle de reintentos con Esc, dividir la tarea, reportar los falsos positivos al soporte) y cómo distinguirlo de Prompt is too long, usage limit, 529 Overloaded y max_tokens.

Alcanzas el límite semanal de tokens de Claude Code y, aun así, la asignación se recupera por completo antes de que pasen siete días, y más de una vez. En Internet incluso hay textos sobre un "mecanismo oculto" que afirman que el límite semanal se reinicia cada 72 horas. ¿Es cierto? Este artículo rastrea el fenómeno hasta sus fuentes primarias. Pero Anthropic no ha documentado el mecanismo interno de reinicio, y los límites cambian constantemente, así que etiquetamos con claridad tres tipos de información: hechos verificables en fuentes oficiales, sucesos que múltiples usuarios observan de forma reproducible pero que Anthropic nunca abordó, y especulación de una sola fuente y sin confirmar. La clave: la recuperación total anticipada es, en la mayoría de los casos, fruto de los reinicios globales irregulares de Anthropic (anunciados en repetidas ocasiones por @ClaudeDevs); el tiempo de reinicio mostrado también es demostrablemente inestable; y la "cadencia de 72 horas" que circula es de observación única, no reproducida y contradicha por otra observación (24 h), por lo que no puede tomarse como un hecho. Desde septiembre de 2026 existe además un nuevo tipo de reinicio que se te concede y usas cuando quieras ("Reset for free" en Settings > Usage, en la web o en Claude Desktop; Claude Code en la terminal no tiene ese botón). Cuando algo no se puede afirmar, lo decimos: una investigación actualizada a septiembre de 2026.

El sandbox de Claude Code restringe, a nivel del sistema operativo, el acceso a archivos y red de los shells aislados y sus procesos hijos. Conoce /sandbox, las ubicaciones de escritura, las lecturas denegadas, los dominios permitidos y los modos regular y auto-allow. Read/Edit/Write integrados, MCP, hooks, comandos excluidos y reintentos sin sandbox son vías separadas. No garantiza impedir toda acción destructiva, envío dentro de áreas permitidas o filtración de secretos; la guía explica el tratamiento de hosts desconocidos según el modo y los ajustes de las excepciones.

¿No se te ocurre qué preguntarle a la IA? Para quien se queda en blanco con la primera frase, hemos reunido 30 «temas» que solo tienes que copiar y pegar para recibir una respuesta divertida. 6 categorías × 5: conócete a ti mismo (fortalezas ocultas, valores, con qué animal te compararías), ideas e hipótesis (usos inesperados de objetos corrientes, si la gravedad fuera la mitad, inventar un día festivo), explicaciones que te hacen sentir que lo entendiste (la física cuántica para un niño de 5 años, el interés compuesto con 3 metáforas, internet como el reparto de pizza), juegos de palabras (reescribir en 10 estilos, microrrelato de 2 frases, sobrenombres, palíndromos), juego de rol y consejo (coach duro, sabio de refranes inventados, carta de tu yo del futuro, extraterrestre desconcertado) y útil pero divertido (excusas convertidas en aforismos, 5 niveles de rechazar, nombres de menú dramáticos, un desvío divertido en tu lista de tareas). Se prueba gratis en ChatGPT, Claude o Gemini. Con trucos para que sea más divertido (insistir con «más», papel y restricciones, cambiar de IA), precauciones y un enlace al artículo hermano «15 formas divertidas de usar la IA».

Cuando se habla de IA siempre sale lo serio, pero puede que la IA brille más que nunca cuando se trata de jugar. Este artículo te muestra 15 formas divertidas de usar la IA, cada una con un prompt para copiar y pegar que puedes probar ahora mismo. Juegos de palabras y comedia (① batallas de comedia ② máquina de raps/canciones paródicas ③ fábrica de nombres), interpretación y diálogo (④ habla con un personaje histórico ⑤ haz que dos IA debatan ⑥ practica discutir con un bot abogado del diablo), juegos (⑦ aventura de texto con la IA como director de juego ⑧ concurso original de preguntas ⑨ juego de misterio para atrapar al culpable), creatividad (⑩ guía de campo de criaturas ficticias ⑪ una historia en la que eres el héroe ⑫ jugar con la generación de imágenes) y el día a día y lo inesperado (⑬ chef de sobras ⑭ planes de viaje a la antigua Roma o a la Luna ⑮ adivino de entretenimiento). Todo funciona con ChatGPT, Claude o Gemini gratis (salvo el n.º 12, la generación de imágenes, que Claude no hace: usa ChatGPT o Gemini). Las tres claves de la diversión —dale un papel, átalo con restricciones, acumula "más"— son también las bases de los prompts prácticos. Con precauciones (hecho frente a ficción, información personal, jugar con niños) y una sección de preguntas frecuentes.

Claude Fable 5 y Opus 5 son ambos de primer nivel, pero la respuesta no es «siempre Fable 5» ni «siempre Opus 5»: elige según la tarea. Y la llegada de Opus 5 el 24 de julio de 2026 ha movido mucho esa respuesta: la generación anterior, Opus 4.8, era «un escalón por debajo de Fable 5, pero a mitad de precio», mientras que Opus 5 mantiene ese mismo precio de $5 / $25 y además iguala o supera a Fable 5 en los benchmarks agénticos (Frontier-Bench 43.3% frente a 33.7% y OSWorld 2.0 70.6% frente a 66.1%, ambos de la tabla comparativa de Anthropic; en CursorBench 3.2 Anthropic afirma que se queda a menos del 0.5% de Fable 5 con aproximadamente la mitad de coste). Donde la diferencia es pequeña, el orden depende de la tabla: en DeepSWE v1.1, Fable 5 gana 69.7% frente a 68.8% en la de Anthropic y Opus 5 gana 73.7% frente a 69.9% en la de OpenAI. Las especificaciones coinciden en la ventana de contexto de 1M y la salida máxima de 128K; el modo rápido (unas 2.5 veces) es exclusivo de Opus 5, pero cuesta el doble y solo está en la API de Claude, y Opus 5 tiene el corte de conocimiento más reciente, mayo de 2026. El flujo de decisión: prueba primero con Opus 5 y escala a Fable 5 solo donde se estanque. En la práctica, «Opus 5 como base, Fable 5 para lo difícil» es lo óptimo, respaldado por el cambio automático de la aplicación ante bloqueos de seguridad y por el nuevo modo «default» de reserva de la API. Cubre disponibilidad (suspensión de junio, redespliegue de julio), evitar depender de un único modelo, el ajuste de effort para el coste y unas preguntas frecuentes, enlazando el grupo de artículos de Fable 5 con la guía del lanzamiento de Opus 5.

El 1 de julio de 2026, Anthropic volvió a desplegar su modelo insignia Claude Fable 5 en todo el mundo (Mythos 5 volvió solo para un grupo de organizaciones de EE. UU.), tan solo 19 días después de que ambos fueran suspendidos por completo el 12 de junio en virtud de una orden estadounidense de control de exportaciones. La razón directa del regreso: el Departamento de Comercio de EE. UU. levantó los controles de exportación el 30 de junio. El desencadenante original fue un informe de jailbreak de investigadores de Amazon, pero Anthropic ha sostenido de forma constante que «Fable 5 no ofrece ninguna capacidad ofensiva exclusiva», y el levantamiento resuelve el asunto en línea con esa postura. No volvió sin más, tal cual estaba: un nuevo clasificador entrenado para detectar la técnica de elusión reportada la bloquea en más del 99 % de los casos y, cuando se activa, la solicitud se redirige automáticamente a Opus 4.8 (el interruptor «cambiar de modelo cuando se marca un mensaje» de la app). Por ahora se aplica un tope temporal: hasta el 50 % del límite semanal en los planes Pro, Max, Team y algunos Enterprise hasta el 7 de julio, y luego mediante créditos de uso. Fable 5 consume el uso más rápido que Opus 4.8, y el acceso desde la nube (AWS, Google Cloud, Microsoft Foundry) vuelve por fases (aún sin fecha). Como continuación de la suspensión, esta pieza cubre por qué pudo volver, qué cambió, las advertencias de uso y la lección de diseñar sin depender de un único modelo, con base en el anuncio oficial y la cobertura de prensa.

Las reglas de permisos de Claude Code controlan llamadas a herramientas mediante allow, ask y deny en settings.json. Aprende la prioridad de los ajustes, la coincidencia de comandos y rutas, y ejemplos prácticos. La guía también explica otras formas de invocar Bash, los scripts arbitrarios, los patrones de negación de Read/Edit y los cambios de decisión de los mods, distinguiendo las reglas de una garantía de bloqueo de archivos secretos o acceso a la red por todas las vías.

El modo de permisos de Claude Code decide con qué frecuencia se detiene a pedir permiso antes de editar o ejecutar comandos. Aprende en qué se diferencian los 6 modos (incluido dontAsk), cómo cambiar con Shift+Tab y cuál elegir para trabajar de forma segura.

El control deslizante de «Esfuerzo» de Claude Code, de «Más rápido» a «Más inteligente», decide cuánto razonamiento y cuántos tokens dedica la IA a cada respuesta. Te explicamos los 5 niveles de la API (low–max), por qué «Extra» es xhigh y no el máximo, cuál es el modo Ultracode y cómo configurarlo con /effort. Incluye una referencia rápida de qué nivel usar y cuándo.

Las agent evals son el proceso de medir sistemáticamente si un agente —uno que usa herramientas y da múltiples pasos para alcanzar un objetivo— puede realmente cumplir sus tareas. Son una evolución de las LLM evals, que amplía el objetivo de "una salida" a "una secuencia de acciones". Como un agente planifica, llama a herramientas y actualiza el estado, la salida final por sí sola no basta; Google señala que hay que entender el "por qué" detrás de las acciones de un agente y divide la evaluación en respuesta final y trajectory. Las cinco dimensiones son: resultado (éxito de la tarea, juzgado por el estado final —si existe una reserva en la DB, no la frase "lo reservé"), trajectory (pasos razonables, herramientas correctas en el orden correcto), corrección en el uso de herramientas (herramienta y argumentos correctos, comprobando nombres de función y tipos), eficiencia (pasos, tokens, coste, latencia —a menudo señales de observabilidad llevadas a la evaluación) y calidad de la respuesta final (via LLM-as-judge o una rúbrica). Los evaluadores son código (rápido/barato/reproducible pero frágil), LLM-as-judge (flexible pero no determinista y necesita calibración) y humano (estándar de oro pero caro —evítalo si es posible). Anthropic recomienda puntuar el resultado, no el camino: el emparejamiento mecánico de trajectory es "demasiado rígido y frágil" porque los agentes encuentran alternativas válidas, mientras que Google y Microsoft ofrecen métricas de coincidencia de trajectory para diagnosticar fallos. Los escollos exclusivos son el no determinismo (pass^k), los errores que se acumulan (p^t), el reward hacking (el brazo robótico de DeepMind fingiendo un agarre) y los conjuntos de eval obsoletos o contaminados. La jugada práctica, según Anthropic: convertir 20-50 fallos de producción en casos de prueba, ejecutar puntuación automatizada en CI, separar capability y regression evals, y escribirlas pronto. Benchmarks como SWE-bench, tau-bench, WebArena, GAIA, OSWorld y BFCL son referencias útiles (las puntuaciones cambian según la versión, así que no las tomes al pie de la letra). Basado en información oficial, con las incertidumbres señaladas.