Anthropic: Claude con 413 archivos de notas logró 1 medalla en Pokémon, y con unos pocos archivos, 4
Un agente que trabaja en un proyecto durante varios días necesita recordar el pasado, pero las notas por cada paso se quedan obsoletas enseguida y estorban. En Pokémon Red, la antigua Claude Sonnet 3.7 creó 413 archivos en 225 carpetas a lo largo de 10 000 pasos y consiguió una medalla. Claude Fable 5, en cambio, llevó unos pocos archivos con estrategias y reglas comprobadas, y consiguió cuatro. Es como guardar una nota por cada commit en lugar de un README breve. La conclusión: en la memoria de un agente importa más la selección que el volumen.
Procesado por IA desde The Decoder; editado por Hamidun News
Un agente que trabaja en un proyecto durante varios días empieza cada sesión desde cero, así que se le da una carpeta de notas: escribe en ella él mismo y la lee más tarde. El problema es que las notas se quedan obsoletas enseguida. Imagine un repositorio en el que cada commit tiene su propia nota, la mitad de ellas lleva tiempo siendo incorrecta y un recién llegado tiene que leerlas todas.
Eso fue lo que hizo Claude en la prueba de Anthropic: en el juego Pokémon Red, la versión que lo anotaba todo creó 413 archivos en 225 carpetas y consiguió una medalla, mientras que la versión con unos pocos archivos consiguió cuatro. La conclusión del estudio: la calidad de la memoria de un agente no depende del volumen, sino de saber decidir qué no guardar.
El agente que lo anota todo se pierde
La principal dificultad es elegir. Al escribir, el agente no sabe qué necesitará después, así que cada nota es una apuesta de futuro. La antigua Claude Sonnet 3.7 consideraba importante todo: en unos 10 000 pasos de juego creó 413 archivos en 225 carpetas, y a menudo abría un archivo distinto para cada combate y cada objeto encontrado. El estado del juego cambia constantemente, y un archivo así se vuelve irrelevante enseguida. A veces el modelo ni siquiera jugaba: se dedicaba solo a ordenar sus propios apuntes. El resultado fue una medalla.
La más reciente Claude Fable 5 se las arregló con unos pocos archivos. No anotaba lo que ya se ve en pantalla y registraba solo planes, estrategias y reglas que ella misma había comprobado. El resultado: cuatro medallas. Una salvedad importante: la comparación se basa en una sola partida por modelo, así que es más una ilustración que una estadística.
El consejo práctico de Anthropic es explicarle al modelo para qué sirve la memoria y dejar que decida por sí mismo cómo usarla. En uno de los benchmarks, instrucciones rígidas como «anota solo los errores» se llevaban buena parte de la ventaja de los modelos potentes. En cambio, a los modelos antiguos les ayudaban las reglas claras, por ejemplo la exigencia de leer las notas antes de cada respuesta. Por tanto, el prompt de memoria conviene ajustarlo a la clase de modelo.
Dreaming: revisar las notas «mientras duerme»
El segundo problema son las notas erróneas, en las que el agente después confía a ciegas. En la prueba con Pokémon, Claude anotó mal de qué lado de una montaña estaba un punto de referencia. Guiado por ese apunte, cayó tres veces en la misma trampa, acabó queriendo rendirse y no llegó a su destino. Algo parecido ocurrió con una nota errónea sobre la ubicación de un Pokémon Center: por su culpa, Claude se caía una y otra vez de una cornisa.
Para estos casos, Anthropic propone el proceso Dreaming, que desarrolla ideas de investigadores de Letta y UC Berkeley. Igual que el cerebro procesa la experiencia durante el sueño, Claude revisa en las pausas entre sesiones las transcripciones antiguas y contrasta con ellas sus notas. Tras esa pasada, el agente encontró el error, eligió el camino correcto y atravesó Mt. Moon hasta Cerulean City. Solo lo logró con la nota corregida.
Dreaming sirve también para más cosas: ordenar grandes bases de conocimiento. Claude construyó una wiki enlazada a partir de unos 350 000 documentos internos de Stainless, la empresa de software que compró Anthropic. El sistema crea páginas nuevas, cubre lagunas, elimina duplicados y repara enlaces rotos.
Lo que mejor funcionó fue combinar la wiki con la búsqueda: la wiki complementa la búsqueda, pero no la sustituye. En una prueba jurídica aparte, la wiki ayudó especialmente cuando la respuesta estaba repartida entre varios documentos: 87% de respuestas correctas frente a 73% con la búsqueda sola. En consultas sencillas, wiki y búsqueda rindieron más o menos igual, y en un caso la wiki llegó incluso a ser más grande que los documentos originales.
Qué queda por resolver y qué hacer
La propia Anthropic reconoce las limitaciones. Tomar notas durante la tarea distrae al agente de su trabajo. Dreaming requiere cómputo adicional y el resultado llega con retraso. Las wikis y las notas hay que mantenerlas con regularidad; de lo contrario se acumulan errores y alucinaciones. Tampoco conviene cargar automáticamente demasiados recuerdos en cada sesión: consumen contexto y transmiten una mala nota a todas las sesiones futuras. Todas las pruebas las ha realizado la propia Anthropic.
La compañía presentó Dreaming en mayo como research preview para Claude Managed Agents. El servicio lee el almacén de memoria existente y hasta 100 sesiones anteriores, elimina duplicados y entradas obsoletas, y crea un almacén nuevo sin tocar el original. Al lanzamiento solo eran compatibles Claude Opus 4.7 y Sonnet 4.6. Otros van por un camino parecido: OpenAI también llama Dreaming a la memoria de ChatGPT actualizada en junio, que mantiene en segundo plano un perfil del usuario y corrige lo desactualizado; según la compañía, la precisión que tiene en cuenta el tiempo subió de 52,2% a 75,1%. Google tiene WikiSkill, una wiki para agentes con capas separadas para transcripciones en bruto, destilado de conocimiento e instrucciones concretas.
Si está construyendo un agente con memoria a largo plazo, no le obligue a llevar un diario de cada paso. Guarde estrategias y reglas comprobadas, y no anote lo que ya se ve en el contexto actual. Añada una verificación periódica de las notas con los logs de sesión y conserve el original para poder revertir. Para bases de conocimiento grandes, combine la wiki con la búsqueda.
- 18 nov 2026Una IA encuentra una vulnerabilidad desconocida en V8 por $4,24 y en 13 minutos; en febrero no la halló con $350
- 18 nov 2026Opus 5.5 distinguió sin un solo error 19 tests de seguridad de 36 tareas ordinarias
- 18 nov 202612 servicios con diseño listo para usar libran a las webs creadas con IA del slop: gratis o desde $6 al mes
- 18 nov 2026Claude Code con Kimi esperaba 22,6 s para validar comandos: un modelo rápido lo redujo a 9,9 s
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre El agente que lo anota todo se pierde?
La principal dificultad es elegir. Al escribir, el agente no sabe qué necesitará después, así que cada nota es una apuesta de futuro. La antigua Claude Sonnet 3.7 consideraba importante todo: en unos 10 000 pasos de juego creó 413 archivos en 225 carpetas, y a menudo abría un archivo distinto para cada combate y cada objeto encontrado. El estado del juego cambia constantemente, y un archivo así se vuelve irrelevante enseguida. A veces el modelo ni siquiera jugaba: se dedicaba solo a ordenar sus propios apuntes.
¿Qué se sabe sobre Dreaming: revisar las notas «mientras duerme»?
El segundo problema son las notas erróneas, en las que el agente después confía a ciegas. En la prueba con Pokémon, Claude anotó mal de qué lado de una montaña estaba un punto de referencia. Guiado por ese apunte, cayó tres veces en la misma trampa, acabó queriendo rendirse y no llegó a su destino. Algo parecido ocurrió con una nota errónea sobre la ubicación de un Pokémon Center: por su culpa, Claude se caía una y otra vez de una cornisa.
¿Qué se sabe sobre Qué queda por resolver y qué hacer?
La propia Anthropic reconoce las limitaciones. Tomar notas durante la tarea distrae al agente de su trabajo. Dreaming requiere cómputo adicional y el resultado llega con retraso. Las wikis y las notas hay que mantenerlas con regularidad; de lo contrario se acumulan errores y alucinaciones. Tampoco conviene cargar automáticamente demasiados recuerdos en cada sesión: consumen contexto y transmiten una mala nota a todas las sesiones futuras. Todas las pruebas las ha realizado la propia Anthropic.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.