¿Un modelo más grande equivale a más inteligente?
【Resumen】¿Un modelo más grande equivale a más inteligente? Este podría ser el mayor malentendido entre los usuarios de Claude Code. Muchos, por esto, han cambiado hasta al más caro, Fable. Recientemente, Anthropic aclaró personalmente este error.
¿Has tenido ese momento? Claude Code escribe un código mal, y tu primera reacción es cambiar rápidamente a un modelo más potente.
Pero este truco, muchas veces, no funciona, e incluso es gastar dinero en vano.
Recientemente, Anthropic publicó un extenso artículo oficial dedicado precisamente a explicar esto.
Artículo largo oficial de Anthropic
La razón es que demasiada gente confunde las dos opciones en Claude Code:
Una es la selección del modelo (Model), la otra es el nivel de esfuerzo (Effort).
Artículo largo oficial de Anthropic
Antes, la comprensión de estas dos opciones era muy simple: un modelo más grande, la IA es más inteligente; subir el Effort, simplemente hace que la IA piense un poco más.
Y justo en marzo de este año, este malentendido causó un caos no pequeño.
En ese momento, muchos desarrolladores descubrieron que su Claude Code de repente se había «vuelto tonto». No leía los archivos que debía, no ejecutaba las pruebas que debía, dejaba el trabajo a medias y, en cambio, te pedía más información.
Así que, en GitHub, hubo una ola de quejas.
El golpe más duro vino de Stella Laurenzo, directora de IA de AMD.
En GitHub, revisó registros de 6852 sesiones, midió que el volumen de pensamiento de Claude había caído un 67% respecto a antes de febrero, y dejó esta frase:
Claude ya no puede ser confiado para trabajos de ingeniería complejos.
Claude ya no puede ser confiado
Al principio, todos pensaron que no habían escrito bien el prompt, o que algo en la configuración estaba mal. Después de dar muchas vueltas, se dieron cuenta: el problema no estaba en ellos, fue Anthropic quien cambió sigilosamente una configuración.
El 4 de marzo, para reducir la latencia, bajaron en Claude Code el nivel predeterminado de la opción Effort, de high a medium.
También estaba escrito en el registro de actualizaciones oficial, pero la mayoría no se dio cuenta, solo sintieron que su modelo, sin razón aparente, parecía haberse vuelto más estúpido.
Resistieron un mes, y Anthropic no devolvió el nivel predeterminado hasta el 7 de abril, además de restablecer una vez la cuota de uso para todos los usuarios suscritos.
Y fue entonces cuando la mayoría supo que este interruptor siempre había estado al alcance de su mano, decidiendo en silencio: si la IA estaría dispuesta o no a trabajar para ti al máximo.
Model cambia el cerebro, Effort cambia la actitud
La explicación oficial de Anthropic se puede resumir en esta simple frase:
Model cambia el cerebro, Effort cambia la actitud.
Primero, Model, cambia el cerebro.
Detrás de cada modelo hay un conjunto de «pesos congelados», su capacidad y conocimiento se sellan en el momento en que termina el entrenamiento: solo lectura, inmodificables.
Esto significa que el prompt que le das durante la inferencia, el CLAUDE.md, el código que pegas en el contexto, nada de eso puede cambiar estos pesos: puedes guiarlo, pero no «entrenarlo».
Cambiar de modelo es esencialmente cambiar todo un conjunto de pesos para que haga tu trabajo, por lo que resuelve el problema de «saber o no saber».
Una biblioteca que no existía cuando se entrenó el modelo, si le das toda la documentación, puede aprenderla sobre la marcha y usarla, pero eso solo sirve para esa solicitud, el modelo en sí no recuerda ni una palabra, lo olvida al instante.
Ocasionalmente, invoca con seriedad una API que no existe, por la misma razón. No es que no haya buscado, es que los pesos, siguiendo los viejos patrones del entrenamiento, improvisan algo.
Mirando un poco más al nivel bajo, queda aún más claro. Tu `const x = await fetch`, ante los ojos del modelo, primero se corta en tokens, cada uno se convierte en un número del vocabulario.
Fuente: Artículo oficial del blog de Anthropic
Una línea de código que escribes, después de cortarse en tokens, corresponde cada una a un entero del vocabulario: `const` es 1078, `await` es 2597, el vocabulario tiene unos 100 mil. El modelo nunca recibe texto, recibe esta cadena de números.
El modelo no escupe toda la respuesta de una vez. Predice un token a la vez, lo añade, y luego vuelve a calcular toda la cadena para predecir el siguiente. Una respuesta de doscientos tokens, son doscientos cálculos completos.
El tiempo que esperas, el dinero que quemas, la mayor parte está en este ciclo.
Luego, Effort, cambia la «actitud».
Muchos piensan que alto Effort es «pensar unos segundos más». Error.
Gestiona cuánto trabajo está dispuesto a invertir Claude en esta tarea: leer cuántos archivos, ejecutar o no pruebas, hacer o no verificación adicional, si debe llevar una tarea de múltiples pasos hasta el final antes de volver a ti.
En pocas palabras: un Claude con bajo Effort tiende a responder rápido, y luego te pide más contexto, evitando actuar si puede; un Claude con alto Effort tiende a buscar información por sí mismo, usar herramientas varias veces, ejecutar cadenas de tareas largas de un tirón.
Effort en Claude Code se divide en varios niveles, no lo veas como una línea rígida de presupuesto de tokens.
Es una señal de comportamiento, le dice a Claude qué tan exhaustivo y con qué certeza debe realizar este trabajo. La respuesta de texto, el uso de herramientas, el pensamiento extendido, todo está bajo su jurisdicción.
Oficialmente también mostraron un diagrama: con el mismo prompt, un Effort alto puede generar aproximadamente 7 veces más tokens que uno bajo. Esos tokens extra se gastan todos en leer archivos, ejecutar verificaciones, confirmar repetidamente.
Fuente: Artículo oficial del blog de Anthropic
Con el mismo prompt, la ruta de alto Effort genera aproximadamente 7 veces más tokens que la de bajo Effort. Los adicionales se gastan todos en leer archivos, ejecutar verificaciones y confirmaciones repetidas.
Aquí hay una conclusión contraintuitiva: un modelo pequeño con alto Effort, bien puede superar a un modelo grande con bajo Effort.
¿No sabe, o no se esfuerza lo suficiente?
Conociendo la división, lo verdaderamente útil es el marco de juicio que dio la oficial.
Fuente: Artículo oficial del blog de Anthropic
Marco de juicio oficial: Si Claude se equivoca, pregúntate primero si no es lo suficientemente inteligente o no se esfuerza lo suficiente, luego decide si cambiar de modelo o aumentar el Effort.
Si Claude la pifia, no te apresures a tocar la opción del modelo.
El primer paso es siempre revisar el contexto: ¿está claro el prompt? ¿Se dieron las herramientas necesarias? ¿Está emparejado el CLAUDE.md? La mayoría de los llamados «la IA se volvió tonta», la raíz está aquí, no en la opción del modelo.
Si el contexto está realmente bien y aún así se equivoca, pregúntate: ¿es que no sabe, o no se esfuerza lo suficiente?
«No se esfuerza lo suficiente» es fácil de juzgar: se salta los archivos que debería leer, no ejecuta pruebas, la refactorización la deja a medias y vuelve a preguntarte. Lo que le falta no es cerebro, es dedicación.
Esto es cosa del Effort, se puede subir un nivel.
Si «no sabe», es otra situación: le diste contexto suficiente, claramente se esforzó, pero aún se equivoca, lo intentas de otra manera y sigue equivocándose.
En este caso, por mucho que subas el Effort, es inútil, es cosa del modelo: hay que cambiar a uno más potente.
Oficialmente también dieron un ejemplo muy fácil de entender.
Sonnet, es un todoterreno que tiene toda una tarde.
Lee tu código de principio a fin, lo ejecuta, lo verifica, y al final realmente comprende a fondo tu trabajo.
Opus, es un experto que solo te da cinco minutos. Trae experiencia que ni siquiera está en tu base de código, los problemas que ha visto, las trampas que debe evitar, todo es intuición acumulada de resolver un montón de problemas similares. Pero cinco minutos es muy poco tiempo, solo le da para echar un vistazo, no para revisar todos los archivos.
Fable, es el especialista que solo se llama cuando todos los demás están atascados. Incluso con solo cinco minutos, puede detectar de un vistazo ese fallo que nadie más vio.
Por supuesto, este experto también es el más caro por token, hay que reservarlo para los huesos duros que realmente nadie más puede resolver.
De ahí esa conclusión contraintuitiva:
Un Sonnet con alto Effort, en muchos trabajos realmente puede superar a un Opus con bajo Effort. Un modelo pequeño con contexto suficiente y alta dedicación, puede manejar más de lo que imaginas.
Fuente: Artículo oficial del blog de Anthropic
En tareas largas y de múltiples pasos, Fable marca la mayor diferencia. En las pruebas oficiales, hay algunas tareas que Opus y Sonnet no pueden alcanzar con ningún nivel de Effort.
Después de competir en las listas de modelos, asignar tareas a la IA se ha convertido en un arte duro
Esta interpretación oficial, en superficie te enseña a ajustar parámetros, pero en el fondo es un cambio importante:
La competencia en programación con IA está pasando de «qué modelo es más fuerte» a «quién sabe mejor orquestar agentes».
Antes era simple, uno elegía el modelo más fuerte y le dejaba todo lo demás.
Ahora es diferente. Tienes que actuar como un director de proyecto, asignar diferentes roles a diferentes modelos, establecer diferentes niveles de dedicación:
Cambios simples para Sonnet en nivel bajo, respuesta rápida y ahorro de dinero; refactorizaciones grandes para modelo fuerte en nivel alto; tareas de agente que requieren ejecución autónoma prolongada, modelo fuerte con Effort suficiente.
Estas operaciones no solo hacen mejor el trabajo, lo que ahorran es dinero real en la factura de tokens.
El nivel extra `ultracode` en el menú de Effort de Claude Code, es precisamente esta «orquestación» llevada al producto.
Seleccionándolo, Claude recibe potencia de xhigh, más una autorización: al encontrar trabajo sustancial, él mismo evalúa si necesita formar un equipo de agentes, dividir la tarea y ejecutarla en paralelo.
Mirando hacia atrás en el incidente de «volverse tonto» de marzo.
Lo que conmocionó a toda la comunidad, precisamente porque la mayoría aún estaba en la vieja mentalidad de «cambiar de modelo», sin darse cuenta de esta opción de Effort más crucial que tenían a mano.
La era de solo mirar los rankings de modelos está terminando, orquestar modelos se está convirtiendo en la habilidad central.
Quien aprenda primero a asignar trabajo a la IA, podrá adelantarse un paso y usar ese Claude que realmente está dispuesto a esforzarse por ti. De lo contrario, el modelo más caro que tengas en tus manos, será solo un cuadro de búsqueda más caro.
Solo así, cada token que quemes, realmente se gastará donde más importa.
Referencias:
https://claude.com/blog/claude-model-and-effort-level-in-claude-code
https://x.com/ClaudeDevs/status/2074900291062034618?s=20
https://platform.claude.com/docs/en/managed-agents/multi-agent
Editor: Yuanyu
Este artículo proviene del WeChat público «新智元», autor: ASI启示录
