Guías, comparativas y novedades sobre herramientas de IA

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 cuatro 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, la respuesta no llega en inglés sino en otro idioma distinto, o, desde finales de septiembre de 2026 y con Opus 5.5, solo los mensajes breves entre herramientas salen en inglés. 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, el hook que, según los reportes, funcionó contra el patrón 4 aunque el ajuste no bastara, la medición en los registros del autor en la que los mensajes intermedios en inglés subieron de alrededor del 11% a alrededor del 50%, 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. Hasta ahí llega el texto legal; la guía práctica del artículo 50 añade 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 difícilmente 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 mostramos, indicando quién publica cada cifra, que en el mismo DeepSWE v1.1 Claude Opus 5 tiene un 73.7% en la tabla de OpenAI y un 68.8% en el anuncio de Anthropic.

Estás usando Claude, algo te frena y buscas el mensaje tal cual, pero no aparece nada: hay cadenas que se comportan así. The model returned no content because the response was blocked by content filtering, The response was blocked by the provider's content filter, Streaming response ended before any complete data was received, Could not locate the Claude CLI on PATH y Connection to Claude's response was lost. Claude may still be working son cinco ejemplos. Lo que tienen en común es que salieron mientras usabas Claude y, aun así, no aparecen en la documentación de Claude por más que la busques, o eso parece. El motivo es simple: el mensaje que tienes en pantalla no lo escribió necesariamente el programa que tú crees. Este artículo no explica desde cero cada causa concreta, sino que sirve de puerta de entrada para identificar quién escribió ese mensaje y derivarte al artículo correcto. Primero separa en cuatro las capas capaces de escribirlo: el backend que sirve el modelo, el propio Claude Code, el programa que lanza la CLI, extensión de IDE o envoltorio, y los clientes de terceros. Al cotejar de verdad, dos de los cinco figuraban como entradas de la referencia oficial de errores de Claude Code. La definición oficial de Streaming response ended es que las cabeceras volvieron pero el cuerpo no traía ningún mensaje de la API de Claude, así que no se trata de un corte a mitad. Could not locate the Claude CLI on PATH está colocado por la documentación oficial en un capítulo aparte, Wrapper and IDE errors, lo que imprime el programa que lanza la CLI. En cambio, los dos del content filter son vocabulario de terceros, y la incidencia 35736 de OpenCode reporta que tres fallos distintos, el 404 de Vertex, el socket cortado y el rechazo de verdad, se muestran todos con el mismo blocked by content filter. El mensaje solo es correcto en uno de los tres. La documentación oficial de GitHub también deja escrito que, al usar Claude, la entrada y la salida pasan por los filtros de contenido de GitHub Copilot, de modo que usar Claude no implica que quien te para sea el filtro de Anthropic. Del quinto no encontré la cadena ni en la referencia oficial de errores ni en la documentación de Remote Control, así que no pude identificar su origen, no doy ningún nombre y dejo cuatro pasos para que lo averigües en tu propio entorno. Lo confirmado y lo no confirmado van separados con etiquetas.

Claude Code se detiene a media respuesta con «API Error: Connection lost mid-response. The response above may be incomplete.» y, al buscar ese texto tal cual, apenas aparece información. El motivo es que se trata de un nombre reciente: la referencia oficial de errores deja escrito que antes de v2.1.227 ese mismo mensaje se mostraba como Connection closed mid-response, y que en el mismo cambio Response stalled mid-stream pasó a ser The response stopped arriving y Connection closed while thinking, before producing a response pasó a ser Connection lost before a response was produced. Es decir, el fenómeno existía desde antes y lo único que cambió fue la palabra. Este artículo parte de ese renombrado y se apoya solo en la documentación oficial y en las incidencias públicas. Primero, la definición oficial de los seis mensajes de corte a media respuesta, Server error, Connection lost, Your computer went to sleep, The response stopped arriving, Part of the response never arrived y The response stream was malformed, y el motivo por el que la salida ya emitida se conserva a propósito: reenviar la petición podría ejecutar dos veces la misma llamada de herramienta. De ahí que el procedimiento de recuperación sea responder continue. Después, por qué no se reintenta de forma automática, explicado con la bifurcación de Automatic retries de la documentación oficial: un corte antes de completar nada se reenvía hasta diez veces con retroceso exponencial, tras el razonamiento y antes de la salida se reenvía hasta dos veces y termina con Connection lost before a response was produced, y tras completar un bloque ya no se reenvía y aparece esta nota. Siguen las tres capas donde puede producirse el corte, el equipo y la línea, el camino con proxy y pasarelas, y el servidor con la reutilización de conexiones, más la relectura del material mTLS rotado desde v2.1.232, una lista de comprobación de nueve pasos, los valores por defecto de los cuatro temporizadores de vigilancia del flujo, 180 segundos para el primer byte, 300 para los eventos, 180 para los bytes y cinco minutos de inactividad del cuerpo, y las variables CLAUDE_CODE_MAX_RETRIES, CLAUDE_CODE_RETRY_WATCHDOG y API_TIMEOUT_MS, entre otras. También una tabla para distinguir los ocho mensajes parecidos y dos informes reales en los que el HTTPS puro pasa sin problemas y solo la CLI cae con ECONNRESET, el #86473 y el #85979. Se cierra separando por nivel de certeza lo que sí está documentado, síntoma, significado y recuperación, de lo que no: no hay explicación oficial de la causa y el renombrado no consta en el CHANGELOG. Y una advertencia previa: las versiones anteriores a v2.1.222 emitían este aviso incluso con la respuesta completa, así que conviene comprobar claude --version antes de diagnosticar nada.

Migrar a Claude Fable 5.1 no se acaba cambiando el ID del modelo. La documentación oficial deja escrito que tres de los cambios son incompatibles y, además, en dos de ellos el sitio donde salta el error queda lejos de la causa. 1) Forzar la llamada de herramienta devuelve 400: los valores any y tool de tool_choice responden con invalid_request_error. En un modelo que piensa siempre, forzarla se salta ese pensamiento y la calidad de los argumentos empeora. 2) El bloque de pensamiento queda ligado al modelo: las conversaciones que pasan de una generación anterior a Fable 5.1 conservan el razonamiento, pero en sentido contrario se pierde. Y por defecto los bloques ilegibles se descartan antes de llegar al modelo, no se cuentan en input_tokens y tampoco aparecen en la factura. En los montajes que cambian de modelo con enrutadores o mecanismos de respaldo, parece que todo funciona y lo único que se cae es el razonamiento. Para enterarte hace falta la cabecera beta thinking-binding-controls-2026-08-01. 3) Editar turnos pasados invalida todos los bloques de pensamiento posteriores: entran ahí reconstruir el prompt de system o el array tools, y la costumbre de insertar un recordatorio y luego borrarlo. Esta comprobación es obligatoria en las cuentas creadas a partir del 31 de agosto de 2026, así que puede darse la contradicción de que falle en un entorno de pruebas recién creado y no falle en producción. Conviene evitar también el malentendido sobre dónde encaja: Fable 5.1 no es un relevo del buque insignia, y, en el momento de su publicación, la documentación oficial dejaba escrito que para la mayoría de los usos había que empezar por Opus 5. No hay subida de precio; lo único que ha cambiado es la lectura de caché, que baja de 0.1 a 0.025 veces la entrada base. El efecto depende de cuántas veces se relea el mismo preámbulo, y la documentación oficial habla de alrededor de un 25% menos en cargas típicas y de hasta cerca de un 45% menos en trabajo marcadamente agéntico. Además, siete comportamientos cambian sin tocar el código (bajan las llamadas de herramienta en paralelo, habla menos de su progreso, con effort low tiende a responder de memoria, la prosa se vuelve más densa, formatea menos, no marca las citas al resumir y reescribe el texto entero aunque el arreglo sea mínimo). Se recogen también las cinco funciones añadidas y los cinco pasos de migración, todo a partir de la documentación oficial de Anthropic.

La pregunta "¿me va a quitar la IA el trabajo?" ya no encaja con lo que está pasando. El análisis con el que Siddiq y Zhang, de UCLA Anderson, siguieron 49,610 personas y 2.26 millones de contratos de Upwork desde enero de 2021 hasta marzo de 2026 no mostró la presencia o ausencia de trabajo, sino un cambio en la forma de ser elegido. El peso de las señales de capital humano (certificaciones, trayectoria, presentación personal) bajó un 7.8%, el peso del precio subió un 1.1% y el número de contratos cayó un 7.0%. Y en los últimos 4 trimestres (del segundo trimestre de 2025 al primero de 2026) la demanda baja un 9.6%, el peso del capital humano un 10.1% y el del precio sube un 1.8%: una tendencia en curso que el propio artículo describe como algo que no se limita a los meses inmediatamente posteriores al lanzamiento de ChatGPT, sino que ha continuado después. Certificaciones verificadas, trayectoria laboral, portfolio y valoraciones de clientes perdieron capacidad de predecir quién consigue el encargo. Y en ese mismo periodo ocurre un movimiento en dirección contraria. Según el Future Workforce Index 2026 de Upwork, la proporción de freelances entre los trabajadores del conocimiento cualificados pasó del 28% en 2025 al 38% en 2026, y el 58% de los asalariados se plantea dar el salto. En un mercado al que entra gente, las señales de diferenciación han dejado de funcionar: la presión que aplasta a la franja intermedia llega a la vez desde la demanda y desde la oferta. El artículo trata además dos paradojas. Una: en el análisis del Stanford Digital Economy Lab, el empleo asalariado de los 22 a 25 años en ocupaciones expuestas a la IA es alrededor de un 19% menor mientras que no hay brecha equivalente entre los experimentados, y sin embargo en el estudio de Organization Science la caída entre los freelances es mayor cuanto más experimentado es el perfil. Actúa la diferencia entre contratar un rol y comprar un entregable. Otra: en el estudio de Demirci y sus colegas las ofertas fáciles de automatizar caen un 21%, pero los proyectos que quedan son más complejos y se pagan mejor, de modo que no ha desaparecido el trabajo, sino el medio. También se recogen las objeciones (los tipos de interés, el mercado de poca contratación y pocos despidos) y las reservas del propio Stanford, que escribe que la causalidad todavía no se puede responder de forma concluyente y que parte del momento en que se produce la caída se debe a factores distintos de la IA. Cierran el texto tres predicciones con sus condiciones de fallo explícitas y un capítulo de qué hacer marcado desde el principio como conjetura.

Hacer que un modelo alojado en tu propio PC escriba código dejó de ser solo autocompletado: entre finales de 2025 y 2026, los modelos abiertos alcanzaron el uso de tipo agente, ese en el que la herramienta lee el repositorio, corrige varios archivos y ejecuta los tests. Este artículo ordena, únicamente con fuentes primarias, hasta dónde se llega hoy de verdad y dónde te vas a atascar. La señal más clara del cambio es que los propios desarrolladores venden ya la programación de tipo agente: la tarjeta de modelo de Qwen menciona por su nombre a CLINE y describe un formato de function call diseñado a medida, y Mistral AI publicó Devstral Small 2 (24B) bajo Apache 2.0 junto a Devstral 2 (123B, Modified MIT). Antes de elegir modelo conviene separar dos herramientas que se confunden a diario: Continue reparte un modelo distinto por papel (chat, edit, apply, rerank, autocomplete) y pide poco hardware, mientras que Cline es un agente autónomo que exige contexto largo y llamadas a herramientas precisas. El escollo decisivo, y el motivo por el que muchas instalaciones parecen correctas pero se comportan de forma incomprensible, es que Ollama fija la longitud de contexto por defecto según la VRAM disponible: 4k con menos de 24 GiB, 32k entre 24 y 48 GiB y 256k a partir de 48 GiB. Un PC gaming corriente cae en la primera fila, el agente desborda esos 4k enseguida y la conversación se recorta en silencio, sin ningún error, de modo que olvidar instrucciones o repetir operaciones parece torpeza del modelo cuando en realidad es contexto tirado a la basura. La documentación oficial recomienda al menos 64000 tokens para programar, se configura con OLLAMA_CONTEXT_LENGTH al arrancar el servidor y hay que confirmar con ollama ps que el modelo sigue entero en la GPU, porque estirar el contexto aumenta la memoria necesaria y desplazar parte a la CPU cambia por completo la velocidad. La tabla de modelos recoge solo cifras publicadas por los desarrolladores: Qwen3.6-35B-A3B con 3B activos, 262,144 de contexto y 73.4 en SWE-bench Verified, y Devstral Small 2 con 68.0%. También se explica por qué la comparación del tipo "lo local está al X% de la nube" ya no se sostiene, dónde gana cada opción por razones estructurales, y por qué "gratis" es en realidad otra forma de coste que se invierte según si ya tienes el equipo.

Remote Control conecta la app móvil de Claude o claude.ai/code con una sesión de Claude Code que ya se está ejecutando en tu propia máquina, y el punto que casi todas las explicaciones pasan por alto es que nada se traslada a la nube: la ejecución de código y el acceso a los archivos siguen siendo locales todo el tiempo, y el móvil es solo una ventana a esa sesión. Este artículo repasa qué te da ese diseño y qué te cuesta. Tu sistema de archivos local, los servidores MCP, las herramientas y la configuración del proyecto siguen disponibles (escribir @ autocompleta rutas del proyecto local), la conversación y el progreso de los subagentes se mantienen sincronizados entre terminal, navegador y móvil, y un portátil que se suspende o una conexión que se cae son recuperables porque Claude Code se reconecta y entrega las actualizaciones encoladas al volver. Los requisitos son más estrictos de lo que parecen: Pro, Max, Team o Enterprise (las claves de API no valen), inicio de sesión en claude.ai en lugar de un setup-token, conexión directa a api.anthropic.com y ninguna de las cuatro variables de entorno que desactivan la telemetría, que es la razón por la que a quien define DO_NOT_TRACK por privacidad le dicen que la función no está activada en su cuenta. Se cubren las tres puertas de entrada (/remote-control para arrastrar la conversación actual, claude --remote-control y el modo servidor con sus opciones --spawn, --capacity 32 y --continue), junto con la separación entre los comandos de barra que funcionan en remoto y los que son solo locales, como /resume, la caducidad de cinco minutos de los diálogos que no se aplica a las peticiones de permiso y los dos interruptores de notificaciones push. En seguridad el artículo es deliberado: nunca se abre un puerto de entrada, así que la superficie de ataque de red casi desaparece y el riesgo se muda a la cuenta, el código QR es un atajo y no una autenticación, y la puerta por defecto es exactamente una cuenta con la sesión iniciada, lo que convierte la passkey en el paso de mayor valor. La retención de las transcripciones (5 años o 30 días), qué hacer si pierdes el móvil, Trusted Devices con su ventana de 18 horas, el tiempo de espera de diez minutos del modo servidor, las cuatro horas para recuperar sesiones, la obligación de usar tmux en máquinas remotas, una tabla de diagnóstico guiada por los mensajes de error reales y una comparación con Dispatch completan el recorrido.

La forma de pensar de Claude atravesó un relevo generacional. El antiguo pensamiento extendido te hacía especificar un presupuesto de tokens en cada petición — thinking: {"type": "enabled", "budget_tokens": N} —, pero el presupuesto adecuado difiere según la tarea y no puede adivinarse de antemano, y cambiarlo invalida la caché de prompts. El pensamiento adaptativo actual es una sola línea, type: "adaptive": si pensar y con qué profundidad es decisión del propio modelo según lo difícil que parezca la petición. La migración fue escalonada: budget_tokens quedó obsoleto en Opus 4.6 / Sonnet 4.6 y se rechaza con un error 400 desde Opus 4.7 en adelante. Este artículo condensa las reglas por modelo en una tabla: Fable 5.1 y Opus 5.5 piensan siempre (no puede desactivarse), Sonnet 5.5 trae el pensamiento activado por defecto y rechaza disabled con un 400, aunque between_tools desactiva solo el pensamiento inicial (effort high o inferior), los modelos Legacy Opus 5 y Sonnet 5 traen el pensamiento activado por defecto (en Opus 5 desactivarlo solo se permite con effort high o inferior), Opus 4.8 / 4.7 requieren un ajuste adaptive explícito, y los modelos que solo admiten pensamiento extendido, como Haiku 4.5 / Sonnet 4.5, siguen usando budget_tokens como su único modo. El control de la profundidad pasó a output_config: {"effort": ...} con cinco niveles (high por defecto en la mayoría de los modelos, medium en Opus 5.5 y Haiku 5.5), y cambiar effort rompe la caché igual que antes lo hacía cambiar el presupuesto. La visibilidad la gobierna display: el valor por defecto de la nueva generación es "omitted" (bloques de pensamiento vacíos), y se facturan todos los tokens de pensamiento en cualquier caso — mídelo con usage.output_tokens_details.thinking_tokens; ningún ajuste devuelve la cadena de pensamiento en bruto. Desactivar el pensamiento en Opus 5 conlleva efectos secundarios documentados (llamadas a herramientas escritas como texto plano, fugas de etiquetas internas), así que bajar effort es la palanca de coste más segura. El pensamiento intercalado — razonar entre llamadas a herramientas — es automático con adaptive, sin necesidad de la vieja cabecera beta. Y cuando necesitas velocidad, fast mode ejecuta el mismo Opus a unas 2.5x por el doble de precio (solo Opus 5.5/5/4.8, se alterna con /fast en Claude Code). Todo se apoya en la documentación oficial de Anthropic: Thinking, Extended thinking y Fast mode.

Estás trabajando y Claude Desktop se congela de golpe: todas las sesiones de Claude Code que tenías abiertas se detienen a la vez. Fuerzas el cierre, intentas reiniciar y a veces la aplicación ya ni siquiera arranca; y en ese momento la última línea del log suele ser siempre la misma: «GPU process gone: { type: 'GPU', reason: 'crashed', exitCode: 101457950 }». Este artículo aclara qué significa ese exitCode 101457950, es decir, 0x060C201E. Lo que se cae no es Claude Code, la CLI, sino el proceso GPU de la aplicación de escritorio (Electron) que lo aloja. Comprobarlo solo exige mirar el final de main.log: si la línea inmediatamente anterior al reinicio es GPU process gone, es este caso, y si no aparecen volcados nuevos en Crashpad, no es una caída nativa de la CLI. Por qué arrastra incluso a sesiones sin relación se responde con la arquitectura: del proceso GPU de Electron/Chromium solo existe uno por aplicación, y todas las ventanas, pestañas y sesiones lo comparten, así que una sola página abierta en el navegador integrado que mate la GPU detiene a la vez sesiones ajenas a ella. Al ser una propiedad estructural, el usuario no puede aislarlo desde los ajustes. El detonante más frecuente en las incidencias públicas es el navegador integrado: #80444 registra cómo el proceso muere entre 15 y 36 segundos después de la detección de capacidades de WebGL/WebGPU, las cuatro veces con el mismo 0x060C201E, y #82967 sitúa el desencadenante en la captura de pantalla para la vista previa de la herramienta de navegador (capturePreviewScreenshotIfChanged). Pero el navegador no es el único: #68049 informa de caídas al arrancar con el mismo código en un entorno ARM64. La recuperación pasa por forzar el cierre y reiniciar, aunque tras la caída de la GPU Windows puede dar el paquete MSIX por «modificado» (appxState=2) y negarse a iniciarlo; en ese caso hay que terminar los procesos residentes y ejecutar Reparar. También hay un reporte, #82967, en el que Reparar fallaba siempre y solo se recuperó reinstalando desde cero. En cuanto a los datos, lo guardado se queda, pero el trabajo en ejecución no vuelve: un reporte, #81698, cuenta que desaparecieron incluso los resultados de los subagentes en paralelo. Lo único que puedes hacer es poner más difícil que se apriete el gatillo: --disable-gpu queda descartado porque la versión MSIX lo rechaza con «Acceso denegado», y actualizar la aplicación tampoco garantiza el arreglo. Hasta donde pudimos comprobar a 4 de octubre de 2026, Anthropic no había publicado sobre este síntoma ni una explicación oficial de la causa ni una descripción de qué se corrigió, y la incidencia principal, #80444, se cerró como «completed» el 15 de septiembre sin ninguna explicación.