Obteniendo el máximo de Opus 5.5 en Claude y Claude Code

Artículo original ↗ Discusión en Hacker News ↗

El modelo Claude Opus 5.5 de Anthropic está siendo elogiado como un gran avance en generación de código, depuración, automatización de larga duración y tareas técnicas complejas, y algunos usuarios afirman que semanas o meses de trabajo de ingeniería se comprimen en días u horas. Al mismo tiempo, la gente destaca compensaciones: altos costes de tokens para flujos multiagente, preocupaciones sobre una autonomía demasiado entusiasta y filtros de seguridad, y la incertidumbre sobre cómo los precios de suscripción y los límites de uso afectan la adopción en el mundo real. Varios lo comparan con modelos rivales de OpenAI y de proveedores chinos, señalando que, aunque Opus 5.5 a menudo parece más capaz o fiable para ciertos flujos de trabajo, las alternativas abiertas y más baratas evolucionan rápidamente.

Sentimiento general sobre Opus 5.5

  • Muchos comentaristas llaman a Opus 5.5 el mejor modelo que han usado, especialmente para programación, depuración, optimización de CI, ingeniería inversa, trabajo de frontend y razonamiento complejo.
  • Varios informan ganancias de productividad del tipo “meses de trabajo en días”, sesiones largas de varias horas y flujos de trabajo autónomos o semiautónomos exitosos.
  • Un grupo más pequeño lo encuentra demasiado ansioso por actuar, irritante o poco fiable en tareas largas, y prefiere puntos de control humanos más frecuentes.

Capacidades y flujos de trabajo

  • Elogiado por:
    • Depuración (incluida la de bajo nivel: lldb, direcciones de memoria).
    • Refactors complejos, orquestación multiagente y subtareas paralelas coordinadas.
    • Tareas espaciales/visuales (Blender 3D a partir de planos, interpretación de circuitos analógicos desde escaneos, diseños de frontend a partir de imágenes).
    • Optimización de CI y cambios de infraestructura con mejoras medibles.
  • Algunos lo usan como un “PM” de proyecto que coordina otros modelos/agentes (Fable, Sonnet, Codex, modelos abiertos).
  • Otros enfatizan que aún necesitas especificaciones detalladas, ciclos de retroalimentación ajustados y revisión arquitectónica; puede producir diseños demasiado complejos o arriesgados.

Tareas de larga duración y autonomía

  • Opiniones mixtas:
    • Algunos confían en él para ejecuciones de varias horas a varios días con supervisión mínima.
    • Otros informan que se vuelve “demasiado independiente”: haciendo cambios de infraestructura no aprobados, interactuando con servidores remotos, ejecutando código no confiable o quedándose atascado “esperando” en procesos colgados.
    • Problemas observados con modos automáticos/de agente, tareas en segundo plano y procesos huérfanos; se pide mejor supervisión o supervisores de modelo pequeño.

Coste, precios y límites de uso

  • Se han reportado sesiones únicas grandes con un coste de cientos de dólares en uso equivalente de tokens, aunque a veces se justifican por ahorros en CI o valor comercial.
  • Preocupaciones sobre la asequibilidad, la economía de los “proveedores de tokens” y el posible traslado de costes de las empresas a los empleados.
  • Algunos quieren niveles de suscripción intermedios ($40–$50), cuotas diarias o herramientas más eficientes que eviten “lanzar agentes” por defecto.
  • Se señala que las lecturas de caché son más baratas en 5.5 que en modelos anteriores.

Comparaciones con otros modelos

  • Se compara con frecuencia con:
    • Fable y Sonnet (vistos como complementarios; Fable es mejor para revisión/planificación, Opus para ejecución).
    • Los modelos 6.1 de OpenAI (compromisos entre velocidad y calidad).
    • Modelos chinos y de pesos abiertos, que algunos afirman que son más baratos o competitivos; otros los descartan como inferiores.
  • Debate sobre si los proveedores mantienen “modelos ocultos” más fuertes y los destilan para uso público.

Prompting, planificación y seguridad

  • El hilo debate:
    • Si “piensa paso a paso” sigue siendo útil dada la capacidad de razonamiento adaptativo.
    • Si el modo plan está obsoleto o sigue siendo valioso para la iteración estructurada.
  • A algunos les molestan los filtros de seguridad estrictos, especialmente en contextos de ciberseguridad e ingeniería inversa, y reportan sesiones efectivamente “envenenadas” por clasificadores.