Claude: errores elevados en todos los modelos – Resuelto

Artículo original ↗ Discusión en Hacker News ↗

Una interrupción prolongada de los modelos Claude de Anthropic llevó a los desarrolladores a reflexionar sobre hasta qué punto su trabajo diario depende de asistentes de IA basados en la nube. Los comentaristas compartieron soluciones y respaldos —cambiar a OpenAI, Google, Kimi, modelos locales o incluso volver a la programación manual y a acertijos matemáticos— mientras criticaban la fiabilidad de Claude, la planificación de capacidad y las exageraciones de la industria sobre la IA como infraestructura crítica. Muchos mezclaron frustración con humor, usando el incidente para destacar preocupaciones sobre la degradación de la calidad del modelo, el bloqueo con un proveedor y la necesidad de estrategias robustas en el dispositivo o con múltiples proveedores antes de que la IA se convierta en un verdadero pilar del desarrollo de software.

Impacto en desarrolladores y flujos de trabajo

  • Muchos comentaristas dicen que sienten que no pueden trabajar sin Claude, bromeando con que “han olvidado cómo programar” o “no pueden ejecutar su propio código sin él”.
  • Otros redescubren hábitos anteriores durante la interrupción: leer páginas man, actualizar documentación, hacer Project Euler / programación competitiva, o simplemente salir a caminar y hablar con la familia.
  • Algunos señalan que nunca disfrutaron programar en sí y ven a los asistentes de IA como enormemente habilitadores; otros, que sí disfrutan programando, encuentran que el cambio es desmoralizador o que programar con IA “ya no es divertido”.

Fiabilidad, tiempo de actividad y comunicación del estado

  • Varios usuarios informan errores HTTP (500, 522, 529), agentes bloqueados y sesiones que mueren a mitad de la ventana de caché.
  • El tiempo de actividad es ampliamente criticado; algunos afirman que la fiabilidad de Claude va por detrás de la competencia y bromean sobre “coquetear con un 9” de uptime.
  • La gente nota rarezas en la página de estado (porcentajes de uptime que varían con el ancho de la pantalla/rango de tiempo) y expresa desconfianza en la precisión de la página de estado.
  • Hay curiosidad sobre la causa raíz y peticiones de un postmortem, pero no emerge ninguna causa clara del hilo.

Uso de múltiples proveedores y copias de seguridad

  • Muchos defienden repartir el gasto entre Claude, OpenAI/Codex y otros para cubrirse ante caídas y comparar respuestas.
  • Algunos usan respaldos vía AWS Bedrock, Kimi, DeepSeek o modelos locales; unos pocos describen automatizaciones elaboradas para reanudar el trabajo cuando las páginas de estado se ponen en verde.
  • Se debate sobre el ROI y el “arbitraje” de tokens entre planes, así como sobre los reinicios semanales de cuota durante las interrupciones.

Calidad y comportamiento percibidos del modelo

  • Opiniones mixtas sobre la calidad: algunos dicen que las versiones más nuevas de Claude se sienten más inconsistentes o “perezosas”, con más alucinaciones; otros las encuentran técnicamente sólidas pero estilísticamente molestas.
  • Un largo subhilo critica los distintivos “AI-isms” de Claude (exceso de disculpas, metacomentarios, énfasis dramático), y la gente comparte higiene de prompts para reducir esto.
  • Codex y otros modelos se ven como más fuertes para cierto trabajo de matemáticas/teoría, pero menos conversacionales o creativos.

Preocupaciones en el dispositivo, abiertas y sistémicas

  • La caída refuerza la demanda de modelos capaces en el dispositivo o autoalojados para evitar dependencias de la nube y de corporaciones.
  • Algunos argumentan que los modelos cerrados crean un único punto de fallo; otros señalan que incluso los modelos abiertos pueden ser vulnerables si los proveedores de hosting se ven desbordados en cascada.
  • Surgen preocupaciones más amplias sobre la dependencia excesiva de servicios de internet inestables, la futura dependencia social de los LLMs y la IA como otro canal de extracción de beneficios.

Humor y afrontamiento

  • El hilo está lleno de bromas (centros de datos impulsados por hámsters, agentes depurándose a sí mismos, bares para agentes de IA) y muchos lo ven como un momento divertido y compartido de “apagón” mientras esperan que el servicio vuelva.