Lance Martin

Lance Martin trabaja en Anthropic, donde se le describe como developer advocate, y las dos notas que llevan su nombre tratan ambas de la mecánica de hacer funcionar bien a Claude, no de los modelos en sí. El artículo de febrero de 2026 explica el prompt caching en la API de Claude: los tokens en caché cuestan el 10% del precio normal, la messages API no tiene estado por lo que un agente reempaqueta todo su historial en cada turno, y `cache_control` crea un hash criptográfico de cada bloque de contenido hasta un breakpoint, acotado al workspace, con un lookback de como máximo 20 bloques. El nuevo modo «auto-caching» desplaza ese breakpoint automáticamente hasta el último bloque cacheable a medida que la conversación crece. Martin cita a @peakji, de Manus, que llama a la tasa de aciertos de caché la métrica más importante para un agente de IA en producción.

El artículo de septiembre de 2026, en claude.dev, trata del diseño de evaluaciones y del hillclimbing, y añade `/claude-api build-eval` y `/claude-api hillclimb` a la skill claude-api en «Claude Code». Sus dos recomendaciones tienen que ver, ambas, con no engañarse a uno mismo: elegir los casos cuya dificultad un humano pueda explicar, y leer una muestra de transcripciones calificadas antes de confiar en el grader. El muestreo adversarial de casos en los que falla el modelo actual mide la huella de fallo de ese modelo, no la dificultad.

Lo que conecta ambos artículos es la negativa a tratar el harness como gratuito. El caching es una línea de coste que se puede leer; una evaluación es una medición que puede mentir en silencio, y los remedios de Martin para ambos problemas son procedimentales.