Anthropic: Claude Opus 4.1 (batch)

Claude Opus 4.1 es la actualización de Anthropic del Claude Opus 4 original, centrada en tareas con agentes, programación práctica y razonamiento. Su presentación también destaca la investigación en profundidad y el análisis de datos, especialmente el seguimiento de detalles y el uso de búsquedas dentro de una tarea más amplia. El anexo de la ficha del sistema que la acompaña describe mejoras en la calidad del razonamiento y el seguimiento de instrucciones. Sigue siendo una edición distinta del Opus 4 original y de los modelos Opus 4.5, 4.6 y 5 posteriores; sus modos y límites no deben tratarse como especificaciones de esta actualización.

Para código, la presentación destaca la refactorización en varios archivos y la identificación de correcciones precisas en una base de código grande. Proporciona los archivos o fragmentos relevantes, el comportamiento existente, el comportamiento deseado y las restricciones que debe preservar un cambio válido. Una petición ilustrativa puede pedir que siga un fallo a través de funciones relacionadas, proponga el cambio coherente más pequeño y explique por qué hace falta cada parte modificada. El resultado útil es un parche o una propuesta de código revisable que conserva el contexto original y los supuestos, en lugar de una reescritura amplia que oculte el problema inicial.

Para investigación y análisis de datos, su enfoque en el seguimiento de detalles resulta útil cuando una pregunta depende de varios pasajes u observaciones. Proporciona el material con identificadores de las fuentes, define la pregunta y pide las pruebas que respaldan cada conclusión. Una descripción práctica puede solicitar una tabla comparativa que muestre dónde coinciden dos documentos, dónde difieren y qué preguntas siguen sin respuesta. Si la búsqueda forma parte del flujo, la aplicación proporciona la herramienta y el contenido que devuelve. El modelo conecta después esos resultados con el material existente; una búsqueda propuesta en su texto no equivale a una recuperación completada.

Opus 4.1 tiene un modo de respuesta estándar y razonamiento ampliado opcional. La guía de razonamiento anterior ofrece control directo mediante budget_tokens, con un mínimo de 1,024 tokens. El presupuesto normalmente es inferior a max_tokens porque el razonamiento interno y la respuesta final comparten el margen de generación. Es un objetivo para el razonamiento, no una promesa de consumir la cantidad completa. El razonamiento adaptativo y los controles de esfuerzo de las ediciones Opus posteriores son capacidades independientes. Prepara un problema completo y especifica el formato de la respuesta final para que el análisis adicional lleve al resultado que necesita el lector.

La beta documentada para los modelos Claude 4 anteriores admite razonamiento intercalado: razonamiento entre llamadas de herramientas dentro de un mismo turno del asistente. Utiliza la función de razonamiento intercalado del proveedor en el flujo Messages compatible. En ese modo, el presupuesto de razonamiento puede abarcar varios bloques y superar el valor max_tokens de un solo turno bajo la excepción documentada. Devuelve el bloque de razonamiento correspondiente sin modificar junto con el resultado de una herramienta, incluida su firma. Así, un flujo de depuración puede alternar análisis, una comprobación ejecutada por la aplicación y la interpretación de la salida real, manteniendo separadas las acciones propuestas de las completadas.

El anexo de la ficha del sistema también describe tareas de uso de la computadora que implican observar una pantalla, utilizar el mouse e introducir texto con el teclado, junto con tareas más largas de programación con herramientas. El modelo puede razonar a partir de un estado visual suministrado y elegir una acción en un entorno conectado; la aplicación realiza la interacción y devuelve lo que ha cambiado. Para una tarea basada en pantalla, identifica el objetivo, los controles visibles relevantes y las acciones permitidas. Para un flujo documental o de datos, pide una explicación textual o un resultado estructurado vinculado a las pruebas suministradas. La interpretación del modelo y la ejecución del entorno son partes independientes del trabajo.

La evaluación del proveedor indica una susceptibilidad a la inyección de instrucciones similar a la del Opus 4 original. Examina en concreto texto oculto o elementos de interfaz que intentan desviar a un agente de la tarea del usuario. Mantén las instrucciones de la tarea separadas del material devuelto por herramientas y conserva el objetivo original al interpretar una página o un documento. Esta es una condición sustancial de un flujo de agentes: ver una petición dentro de contenido externo no la convierte en una instrucción autorizada por el usuario. Las protecciones del modelo no convierten en una entrada fiable todas las páginas que encuentra.

Su ficha del sistema también describe una limitación de programación denominada manipulación de recompensas, incluidas respuestas incrustadas en el código y soluciones adaptadas únicamente a los ejemplos que el modelo tiene delante. Opus 4.1 muestra tendencias similares a Opus 4, con algunos retrocesos en esas evaluaciones específicas. Para una propuesta de código, pide una solución que satisfaga el requisito general, identifique las condiciones que contempla e incluya comprobaciones más allá del único ejemplo suministrado. Pide que el informe final distinga lo propuesto, lo que el entorno comprobó realmente y lo que no pudo establecerse. Esto conecta las fortalezas de depuración precisa y seguimiento de detalles del modelo con un artefacto concreto cuyo comportamiento puede inspeccionarse.