Guías, comparativas y novedades sobre herramientas de IA

"Quiero traducir mi documentación a muchos idiomas. ¿Claude Code o Codex?" La pregunta esconde una trampa: ninguno es un motor de traducción, son entornos de trabajo CLI agénticos, y el modelo que corre por debajo produce el texto. Este artículo divide el problema en dos ejes: el entorno de trabajo (elección de herramienta) y la calidad de traducción (elección de modelo). En el lado de la herramienta, Claude Code —con acceso directo a los archivos locales, un contexto de 1M de tokens y una edición consistente de múltiples archivos— encaja en la traducción de repos, mientras que Codex (nube asíncrona, automatización de PR, CLI de código abierto) encaja en lotes desatendidos. En el lado del modelo, usando como dato primario las puntuaciones oficiales de Anthropic por idioma relativas al inglés (Sonnet 4.5, del español 98.2% al hindi 96.7%, por delante de Haiku en todos los idiomas), expone las tendencias: Claude para la consistencia de tono en documentos largos, la línea GPT para la naturalidad y los modismos, y la línea Gemini (Pro / Flash) para la amplitud en idiomas de pocos recursos y dialectos. Añade una tabla por idioma/por caso de uso, cinco reglas de oro para una canalización de traducción (glosario, ejecuciones en paralelo y más), y advertencias honestas como "el benchmark no es la calidad real de traducción", todo actualizado para 2026.

El 28 de mayo de 2026, Anthropic lanzó Claude Opus 4.8 apenas dos meses después del modelo anterior. Esta vez el titular no son las mejoras en benchmarks, sino el hecho de «ser más honesto». A partir del anuncio oficial de Anthropic y de su Transparency Hub, este artículo cubre las especificaciones clave (claude-opus-4-8, 1M tokens, 128K de salida máxima), una comparativa de benchmarks cara a cara (SWE-bench Pro de 64.3 a 69.2%, Terminal-Bench 2.1 de 66.1 a 74.6%, GDPval-AA de 1753 a 1890, aunque en Terminal-Bench 2.1 GPT-5.5 sigue por delante con 78.2%), los precios (estándar sin cambios más un modo rápido ~2.5x más veloz y, en la práctica, un tercio del precio), tres nuevas funciones (el parámetro effort de cuatro niveles y el pensamiento adaptativo, los flujos de trabajo dinámicos que generan de decenas a cientos de subagentes en paralelo en research preview, y las entradas system en la Messages API), el mayor salto de todos — la honestidad (unas 4 veces menos fallos de código sin señalar que 4.7, fallos no avisados solo en el 3.7% de los casos) — además de las advertencias que conviene contar con honestidad (GPT-5.5 lidera en trabajo en terminal, poca mejora en uso del ordenador, resistencia a la inyección sin cambios en 0.4%), y quién debería actualizar ahora mismo.

Terminas una función en Claude Code y vas a pulsar «Crear PR» cuando aparece un banner rojo: «No se pudo verificar el estado del pull request y puede estar desactualizado». No es un defecto del código: Claude Code simplemente contactó con GitHub para obtener el estado más reciente de la PR y esa única petición falló, y normalmente es un retraso de sincronización inofensivo. Este artículo cubre el significado exacto del error, cómo obtiene Claude Code el estado de la PR según la documentación oficial y el CHANGELOG (la app de escritorio exige gh; la insignia de la terminal suele usar gh pr view), las 6 causas raíz (gh sin instalar, sin sesión o token revocado, aún sin push/PR, red/proxy, permisos del PAT, transitorio), un orden de diagnóstico de 4 pasos que empieza por gh --version y gh auth status, una chuleta de comandos (gh auth login/refresh/pr view y más), cómo saber cuándo el «puede estar desactualizada» es seguro de ignorar frente a cuándo actuar, la alternativa con gh pr create, una lista de comprobación para evitar reincidencias y unas preguntas frecuentes. La regla: sospecha de la conexión con GitHub antes que del código.

Estabas trabajando en Claude Code y de pronto aparece un error 400 "thinking blocks cannot be modified" y la sesión deja de responder; cada entrada posterior repite el mismo 400. Es un bug conocido con varios issues en el repo oficial de Anthropic: los bloques de extended thinking se corrompen al reenviar el historial y la signature criptográfica deja de coincidir con el contenido byte a byte. Este artículo explica qué dice realmente el error, el mecanismo de la signature, las 5 causas raíz (bug al reanudar sesión, entremezclado de streaming, lógica de reparación descontrolada, proxy de terceros, modificación del historial en tu app), las 3 soluciones inmediatas para usuarios (Esc×2 / rewind, sesión nueva con /clear, reparar el JSONL), las contramedidas para desarrolladores de API/SDK (devolver los turnos del asistente tal cual, con sus bloques de thinking, y solo añadir mensajes al final), cómo distinguirlo de errores parecidos y un checklist para evitar que se repita.

AEO, LLMO y GEO describen cómo lograr que tu página se use en las respuestas de la IA; lo que cambia es el foco. El AEO apunta a las búsquedas que devuelven respuestas, el LLMO a la IA en general, como ChatGPT o Claude, y GEO es el término que acuñó un artículo de 2023. La diferencia se ve con más claridad en los rastreadores: situamos los robots de cada empresa en dos ejes, respuestas de búsqueda frente a respuestas conversacionales y entrenamiento frente a búsqueda al responder, y te indicamos qué artículo leer según tu objetivo.

El AEO (optimización para motores de respuesta) consiste en ser elegido como fuente de las respuestas en búsquedas que responden directamente, como los fragmentos destacados, AI Overviews, la búsqueda de ChatGPT o Perplexity. En su guía de 2026, Google escribió que el AEO y el GEO siguen siendo SEO, confirmó el fin de los datos estructurados FAQ y calificó de innecesarios el troceado y llms.txt. Recogemos las reglas de cinco superficies de respuesta, una tabla de veredictos de tácticas habituales y las métricas oficiales disponibles.

En abril de 2023, Samsung filtró datos confidenciales tres veces en 20 días y prohibió ChatGPT en toda la empresa. Pero en 2026 ni "prohibirlo" ni "ignorarlo" funcionan — desde el 2 de agosto de 2026 se aplican con carácter general las disposiciones restantes del EU AI Act, entre ellas la obligación de etiquetar el contenido generado por IA (artículo 50); el marcado legible por máquina de los sistemas ya comercializados antes tiene un periodo transitorio hasta el 2 de diciembre de 2026. La reforma del Digital Omnibus retrasó las obligaciones de alto riesgo al 2 de diciembre de 2027 (Annex III) y al 2 de agosto de 2028 (Annex I), pero las multas llegan a €35M o el 7% de los ingresos globales por prácticas prohibidas, y a €15M o el 3% por incumplir obligaciones de alto riesgo o de transparencia. Este artículo cubre una plantilla de siete puntos en dos páginas A4 (IA aprobada, datos prohibidos, casos de uso, responsabilidad, reporte, formación, registros), las cinco categorías de datos prohibidos como entrada con ejemplos concretos y alternativas, los niveles de riesgo del EU AI Act, una hoja de ruta en cinco fases que lleva 2-3 meses en una empresa mediana, y tres trampas (prohibición global, diseño basado en castigo, falta de revisión). Un ejemplo trabajado completo para salir del binario "prohibir o permitir" e implementar el tercer camino: "operar con seguridad dentro de un marco."

Google nunca ha dicho que penalice el contenido por estar generado con IA; lo que prohíben sus políticas contra el spam es producir en masa páginas de poco valor, se creen como se creen. Por eso funciona la escritura híbrida: la IA redacta, el experto edita y se añaden datos propios. Este artículo cubre el reparto entre tres modelos (Claude para la voz del texto largo, ChatGPT para investigación y herramientas, Gemini para Workspace y datos actuales), prompts que realmente funcionan (persona + sample + constraints, donde pegar un sample es lo más poderoso), los cuatro pasos que añade el humano en el flujo híbrido, las cinco "señales" comunes que delatan la escritura con IA y cómo eliminarlas, un flujo práctico de seis pasos y tres trampas que evitar (dejar que la IA elija el tema, ignorar las alucinaciones, no matar el tono de "buen alumno"). El marco ha cambiado de "IA para tomárselo con calma" a "IA como base que eleva la calidad".

El 24 de julio de 2026, Midjourney convirtió V8.2 en su modelo por defecto. V8.1 ya había hecho la generación estándar unas 4-5 veces más rápida y añadido salida 2K directa con --hd, y en agosto el Edit Model (hasta cuatro imágenes de referencia) sustituyó a Omni Reference. Funciona tanto en la web (midjourney.com) como en Discord. Este artículo cubre la elección de plan (Basic 10 USD / Standard 30 USD / Pro 60 USD / Mega 120 USD, con Standard recomendado para principiantes), el modo Fast vs Relax, la estructura de prompt de cinco capas (Sujeto->Entorno->Estilo->Iluminación->Técnica), siete parámetros esenciales (--ar/--stylize/--chaos/--hd/--raw/--seed/--no), cuatro funciones de referencia (--sref ambiente / Edit Model personajes / Moodboards / Personalization) y tres trampas (renderizado de texto, imágenes públicas por defecto y la regla del millón de USD, sin API). Para la demanda de "imagen bonita con pasos mínimos", MJ sigue siendo la respuesta en 2026.

El 22 de agosto de 2022, Stability AI publicó el archivo de pesos de un modelo de generación de imágenes, y la IA de imagen dejó de ser "algo detrás de la nube" para convertirse en "software que ejecutas en tu propio PC". Este artículo cubre cómo funciona Stable Diffusion (modelos de difusión), la línea de versiones (SD1.5/SDXL/SD3.5 + FLUX), la realidad de ejecutarlo en local por nivel de VRAM, el recorrido de la licencia desde el rechazo a SD3 hasta el tope actual de 1 M USD de la Community License, el ecosistema Civitai/LoRA/ComfyUI/A1111/ControlNet y cómo elegir entre Midjourney y SD. Termina con tres trampas: derechos de autor, NSFW y las divisiones de compatibilidad entre generaciones. Al final sabrás si eres la persona del "Midjourney está bien" o la del "en realidad necesitas SD".

Alguien que decía 'soy malo para el diseño' hoy produce diez publicaciones para redes en media jornada y obtiene propuestas de logotipo de paso: ahí están las herramientas de diseño con IA en 2026. Este artículo compara las cuatro principales: Canva (la mejor para producir en masa marketing, redes y diapositivas, gratis–15 USD), Adobe Firefly (integrada con Photoshop/Illustrator y segura para uso comercial, desde 9,99 USD), Figma AI (el estándar para UI/UX y diseño de producto en equipo, desde 16 USD/editor) y Recraft (logotipos e iconos vectoriales, desde 10 USD). Las cuatro no son competidoras, sino una división de roles: reduce a la que encaja con tu tarea más frecuente. Distinto a la comparativa de IA de generación de imágenes (Midjourney, etc.): este artículo trata de 'construir entregables a partir de imágenes', no de la imagen en sí. Incluye una tabla comparativa, seis escenarios de mejor elección y tres precauciones: derechos de autor, consistencia de marca y evitar el 'aire a IA'.

Le preguntas a la IA y obtienes una respuesta apoyada en información fresca de Google Search, además de estar conectada con Gmail, Docs y YouTube. Ese es el mundo de Google Gemini. Gemini es una IA conversacional creada por Google (y la familia de modelos que funciona detrás), ampliamente integrada en aplicaciones móviles, la web, Google Workspace y Android, y multimodal en texto, imágenes, audio y vídeo. Los modelos se dividen en "la familia Flash rápida y barata" y "la familia Pro inteligente": las versiones concretas cambian con cada generación. Los precios van Free / Plus 4,99 $ / Pro 19,99 $ / Ultra 99,99–199,99 $ (EE. UU., septiembre de 2026; Ultra costaba antes 249,99 $), y en 2026 se pasó a límites de uso basados en cómputo. Este artículo cubre la gama de modelos, las funciones clave (Deep Research, Gems, Canvas, Live, Deep Think), las tres fortalezas (integración con Google, contexto largo, multimodal), los precios y las diferencias con ChatGPT y Claude, todo con información de septiembre de 2026.