Claude

Jason Clinton, Deputy CISO de Anthropic, escribió en julio de 2026 que Claude produce alrededor del 80% del código integrado en Anthropic, y que la instancia interna de Claude Tag integra más de la mitad de ese código. David Thomas, al añadir funciones a un pequeño proyecto de animación gráfica con Claude, describió el otro extremo de esa misma velocidad: en 18 horas repartidas en cinco tardes llegó al tipo de código inmantenible que los equipos normalmente acumulan en 18 meses. Llama a los modelos "puppy-dog junior developers", ansiosos por complacer, prestos a sugerir otra función más, y que desalientan implícitamente la refactorización.

Lo que se repite en las fuentes es Claude tratado como un componente más dentro de un ensamblaje mayor. Katelyn Lesse, que dirige la ingeniería de la plataforma de desarrolladores de Anthropic, describe un presupuesto de tokens configurable para el razonamiento de la thinking API, MCP para sistemas externos, una herramienta de memoria, context editing que vale 39% en benchmarks internos, un entorno de ejecución de código en sandbox, y Agent Skills para experiencia de dominio. Thomas Kurian presentó un Gemini agent que elige, según la tarea, entre modelos Gemini y los modelos Claude de Anthropic. Guillaume Dumortier construyó un sistema de marketing dentro de Claude en el que seis de siete agentes no hacen más que verificar.

Las clasificaciones siguen siendo disputadas. SFEIR sitúa a Claude unos 15 puntos por delante en SWE-Bench Pro, mientras que GPT-5.6 Sol lidera Terminal-Bench 2.1, y sostiene que Kimi K3 añade una columna más al portafolio en lugar de un sustituto. Felix Rieseberg, que trabaja en Claude en Anthropic, ubica el problema abierto en otro lugar: las capacidades avanzan de forma desigual, unos pocos usuarios obtienen resultados notables, y la mayoría todavía hace preguntas sencillas.