Jackson Kernion, un empleado de Anthropic que trabaja en el ajuste fino de Claude, ha explicado en X por qué la escritura de los modelos recientes de la compañía se ha vuelto más densa y menos natural, pese a que los modelos han mejorado en capacidades técnicas. Según The Decoder, que lo recogió el 23 de septiembre, Kernion sostiene que Opus 4.6 fue el último buen modelo para escribir de Anthropic, y que Opus 5.5 intenta recuperar parte de ese equilibrio. Es una explicación poco habitual porque describe un coste de diseño del entrenamiento y no un error puntual.
Qué dijo Kernion
Según The Decoder, la explicación es que optimizar los modelos para matemáticas, código y explicaciones técnicas dirigidas a otros modelos de IA ha creado un estilo que a los lectores humanos les suena a volcados de información excesivamente densos. Los modelos de lenguaje tienen mucha más memoria de trabajo que las personas y captan detalles a un nivel mucho más fino, de modo que durante el entrenamiento emerge un estilo que funciona bien para otros modelos pero que un lector humano vive como una acumulación de datos sin la cohesión que hace agradable un texto. Otras coberturas hablan de un estilo abstracto, cargado de jerga y corto de conectores, que algunos usuarios han apodado claudeish.
Por qué ocurre
El problema, según el resumen de Kernion, está en la estructura de recompensas del aprendizaje por refuerzo: si el entrenamiento premia que otro modelo entienda la respuesta, el texto se llena de detalle que a una persona le sobra. No es un fallo aislado sino una consecuencia de qué se mide y qué se premia, y es un patrón cercano al que vimos con los modelos que optimizan la recompensa que se les da, aunque aquí sin ninguna trampa: simplemente el objetivo que se pidió no era el que los lectores esperaban.
Qué cambia con Opus 5.5
Kernion escribió que Opus 5.5 es el primer modelo de la compañía con mejoras específicas en claridad de las frases y en esos volcados densos, que es un problema difícil de resolver y que seguirán mejorando, pero que no se había quedado tan contento con la escritura de un modelo desde Opus 4.6. Eso no significa que Opus 5.5 supere al anterior en escritura, según matiza The Decoder. La compañía, por su parte, describe que el modelo comunica de forma más natural, pone la información más importante al principio y sigue las reglas de redacción que se le dan. Un análisis de un tercero cita a un cliente, Box, que habría observado que el modelo usa un tercio de los tokens que Opus 5 y respuestas un 40% menos verbosas sin perder precisión, pero advierte de que la mayor parte de la evidencia procede por ahora de Anthropic y de sus primeros probadores, y que el autor divulga que desarrolla una aplicación de escritura.
Qué nos dice esto
- La calidad de escritura no se mide bien: los bancos de pruebas más usados miden matemáticas, código y razonamiento, no lo agradable o claro que resulta un texto para una persona.
- Hay un compromiso real: mejorar en unas capacidades puede empeorar otras si no se vigilan de forma explícita.
- La transparencia es informativa: que un ingeniero lo explique en público ayuda a entender cómo se entrenan estos sistemas, aunque la compañía no ha cuantificado el coste.
Qué puede hacer el usuario
Como criterio general, ayudan las instrucciones concretas de estilo: pedir frases cortas, que la idea principal vaya primero, que se eviten los tecnicismos innecesarios o que se explique como a un lector que no conoce el tema. Es sensato probar antes de dar por buena una mejora, porque la percepción de la escritura es subjetiva. La comparación de precios y capacidades entre modelos, como la que vimos con GPT-6 Sol y Luna, suele centrarse en el coste y en pruebas técnicas, y dice poco de la prosa.
Nuestra lectura
El caso muestra que la mejora de los modelos no es uniforme y que lo que no se mide acaba por descuidarse. Reconocerlo es un paso, y que Opus 5.5 incluya mejoras específicas apunta a que las empresas empiezan a tratar la claridad como un objetivo de entrenamiento. Falta comprobar, con evaluaciones independientes y con el uso real, si esas mejoras alcanzan lo que los usuarios echan de menos. Por ahora, lo prudente es tomarlo como una explicación honesta de una empresa sobre su propio producto, no como un veredicto neutral.
Fuentes: The Decoder, publicación de Kernion en X, Tech Insider y StashBase.