Anthropic lanza Claude Opus 4.7, con los mejores resultados en programación y tareas agénticas

Anthropic ha lanzado Claude Opus 4.7 y apuesta a que la siguiente etapa de la competencia entre modelos de IA no se decidirá solo por la calidad de las respuestas, sino por la capacidad de ejecutar con estabilidad cadenas de trabajo largas. La nueva versión se posiciona como el modelo de acceso general más potente de la compañía: escribe y corrige mejor el código, mantiene con más solidez el contexto de varios pasos y se equivoca notablemente menos al trabajar con herramientas. Para el mercado es un momento importante también porque no se trata de un escaparate experimental, sino de un modelo que se puede comprar e integrar en los procesos de trabajo ya mismo.

El argumento principal del lanzamiento son los resultados en SWE-bench Pro, uno de los benchmarks más visibles para evaluar si los modelos resuelven tareas reales de ingeniería. Según la compañía, Claude Opus 4.7 obtuvo un 64,3%, mientras que GPT-5.4 logró un 57,7%. Es una señal importante: la atención ya no está en la "inteligencia" abstracta del modelo, sino en lo bien que puede entender una base de código, encontrar errores, proponer parches y llevar una tarea hasta un resultado funcional. Estas pruebas las siguen con especial atención los equipos que incorporan IA al desarrollo, al soporte y a la automatización interna.

El segundo énfasis de Anthropic es el comportamiento agéntico. La compañía habla de una mejor coordinación de varios agentes en escenarios que pueden durar horas. Son tareas en las que el modelo no se limita a responder una petición, sino que planifica pasos, llama a herramientas, comprueba resultados intermedios y sigue trabajando sin intervención humana constante. Es en este tipo de tareas donde con más frecuencia se nota la diferencia entre una demo vistosa y un sistema que puede integrarse en un proceso real: cuanto más larga es la cadena de acciones, más caros resultan los errores, la pérdida de contexto y las llamadas erróneas a herramientas.

Frente a versiones anteriores, Anthropic también afirma una mejora del 14% en el razonamiento agéntico de varios pasos y tres veces menos errores al trabajar con herramientas. Si estas cifras se confirman en la práctica, pueden ser incluso más relevantes que la diferencia en un único benchmark. Para los usuarios corporativos, la fiabilidad suele valer más que la calidad máxima puntual: si el modelo "rompe" el flujo de trabajo un poco menos, no pierde el estado y llama con más corrección a servicios externos, es más fácil confiarle operaciones de código, analítica, documentos y bots internos.

Por separado, la compañía señala que la resolución de las imágenes se triplica, lo que amplía los usos del modelo para leer esquemas, interfaces, diagramas y otros materiales con mucha carga visual.

El precio se mantiene en el rango que Anthropic ya usa para sus modelos superiores: 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida. No parece un intento de hundir los precios del mercado, pero hace que el lanzamiento sea fácil de entender para los clientes actuales: la compañía no vende solo una mejora más de calidad, sino una herramienta más fiable para trabajo complejo. Para los equipos que calculan la economía por tareas completadas y no solo por el precio del token, puede ser un argumento de peso: un modelo más estable requiere menos revisiones manuales, menos ejecuciones repetidas y menos correcciones tras llamadas fallidas.

En plena carrera entre Anthropic, OpenAI, Google y otros actores, la jugada resulta lógica. Hoy no gana quien más alto proclama una "inteligencia universal", sino aquel cuyo modelo resuelve mejor las tareas aplicadas: escribe código, maneja herramientas, aguanta sesiones largas y da resultados predecibles en condiciones reales.

La conclusión es sencilla: Claude Opus 4.7 no es una actualización cosmética, sino la candidatura de Anthropic al liderazgo en modelos para desarrollo y automatización agéntica. Si las mejoras prometidas coinciden con lo que vean los equipos en producción, la presión sobre la competencia aumentará, no por tablas comparativas vistosas, sino por una pregunta más práctica: qué modelo es más barato y más seguro poner en el centro de un proceso de trabajo real.