Anthropic revela las causas de la degradación de Claude Code y restablece los límites a los usuarios

El equipo de ingeniería de Anthropic ha publicado un análisis detallado sobre los fallos de sistema en Claude Code, motivo de continuas quejas entre los desarrolladores durante el último mes. La investigación interna reveló que la percepción colectiva de degradación del modelo no era subjetiva. Fue provocada por la acumulación de tres modificaciones aisladas, desplegadas en la base de código entre principios de marzo y mediados de abril.

Todos los problemas afectaron a la interfaz de Claude Code, Claude Agent SDK y Claude Cowork, sin impactar en la API base. Para el 20 de abril, los ingenieros subsanaron por completo las vulnerabilidades en la compilación v2.1.

116 y, como compensación, restablecieron los contadores de límites de peticiones a todos los suscriptores del servicio.

La trampa del compromiso entre latencia y profundidad de análisis

El primer golpe a la calidad ocurrió el 4 de marzo, cuando el nivel de razonamiento por defecto (reasoning effort) para Opus 4.6 pasó del modo high a medium. Los ingenieros intentaban mitigar los problemas de latencia: bajo carga máxima, la generación tardaba demasiado y la terminal parecía congelada. En las pruebas sintéticas internas la diferencia parecía mínima, pero en escenarios reales de programación cayó la precisión en cadenas algorítmicas complejas. Los usuarios rara vez modificaban los parámetros de forma manual a través de la consola, quedándose con la configuración reducida. El 7 de abril se restableció el valor por defecto y, en el caso del modelo insignia Opus 4.7, el listón se elevó hasta el nivel máximo xhigh.

Borrado en cascada de la memoria en sesiones largas

Mucho más crítico resultó ser un defecto oculto de almacenamiento en caché introducido el 26 de marzo. Para ahorrar tokens y acelerar la reanudación del trabajo tras una hora de inactividad de la sesión, el sistema debía eliminar una sola vez los bloques antiguos de razonamiento mediante la cabecera clear_thinking. En lugar de una limpieza puntual, el flag interno permaneció activo hasta el final de la sesión.

A partir de la segunda interacción, Claude Code descartaba la cadena de razonamiento en cada paso. Si el usuario enviaba un comando en plena ejecución de herramientas, el modelo perdía de inmediato la lógica de sus acciones anteriores. Esto provocó bucles repetitivos, modificaciones erráticas y un consumo desmedido de los límites debido a continuos fallos de caché.

Métricas clave y cronología del incidente:

• 4 de marzo — cambio del reasoning effort por defecto a medium para combatir el bloqueo de la interfaz;
• 26 de marzo — despliegue de la optimización de caché con el fallo crítico de reinicio constante del contexto de razonamiento;
• 10 de abril — lanzamiento de la corrección rápida v2.1.101, que solucionó la pérdida de memoria del agente en sesiones prolongadas;
• 16 de abril — aplicación de un límite estricto en el prompt del sistema (hasta 25 palabras entre llamadas a herramientas y hasta 100 palabras en la respuesta final);
• 20 de abril — reversión de la directiva del prompt tras detectarse una caída de calidad del 3% en pruebas ampliadas y lanzamiento de la versión v2.1.116;
• Configuraciones afectadas — Claude Sonnet 4.6, Opus 4.6 y Opus 4.7 en entornos de cliente.

Un prompt del sistema restrictivo y la pérdida de coherencia

El tercer factor fue el intento de frenar de forma artificial la verbosidad del nuevo Opus 4.7. Durante la preparación del lanzamiento del 16 de abril, los desarrolladores añadieron restricciones severas al prompt del sistema: un máximo de 25 palabras explicativas entre llamadas a herramientas y no más de 100 palabras para la respuesta final. Las pruebas internas previas al despliegue no registraron caídas de rendimiento; sin embargo, estudios de ablación retrospectivos a gran escala revelaron una pérdida de calidad integral del 3% en ambos modelos insignia. Con esta compresión forzada, el modelo dejó de evaluar en profundidad las decisiones de arquitectura y descartó explicaciones contextuales que resultan fundamentales en refactorizaciones de múltiples pasos.

El postmortem de Anthropic demuestra la fragilidad en la interacción entre las herramientas de agentes, la caché y las instrucciones del sistema. Tratar de optimizar los costes de inferencia recortando contexto y limitando el razonamiento termina quebrando la lógica autónoma de los agentes. Quienes desarrollan soluciones basadas en LLM deberían revisar sus métodos de monitorización: los benchmarks sintéticos pasan por alto regresiones críticas si las pruebas no contemplan la acumulación de errores de memoria en escenarios reales de ejecución iterativa.