Anthropic ha convertido Claude Opus 5.5 en el modelo predeterminado en todos los planes de pago.En paralelo, se ha publicado una guía que describe qué hábitos de prompting ya no tienen sentido con el nuevo modelo.Los dos puntos centrales: fórmulas como "Think hard" deben eliminarse, y en el esfuerzo de razonamiento —el llamado effort level— conviene empezar por el nivel medio en lugar de elegir reflexivamente el más alto.
Esto suena a una cuestión de detalle, pero afecta a todas las empresas que utilizan modelos de lenguaje de forma productiva: en el desarrollo de software, en procesos editoriales o en flujos automatizados.Los prompts rara vez son allí material desechable.Están integrados en instrucciones de sistema, en flujos de trabajo de agentes, en plantillas de texto de los equipos, y se arrastran durante años, a menudo sin cambios.
Por qué las viejas fórmulas mágicas no duran para siempre
Formulaciones como "Think hard" o "Piensa paso a paso" se consolidaron porque aportaban resultados mediblemente mejores en generaciones anteriores de modelos.Eran soluciones provisionales: había que estimular lingüísticamente al modelo para que siguiera una vía de solución más larga.
Sin embargo, los modelos más recientes controlan ese esfuerzo por sí mismos o mediante parámetros propios.Con ello, la fórmula pierde su propósito y, en el peor de los casos, incluso puede estorbar, porque da al modelo una instrucción que compite con la descripción real de la tarea.La consecuencia es incómoda para los equipos: un prompt que hace un año ayudaba de forma demostrable, hoy es como mucho neutro.
Medio en lugar de máximo
La segunda indicación se refiere al ajuste del esfuerzo de razonamiento.Anthropic recomienda empezar por el nivel medio.En la práctica, muchos equipos recurren por precaución al ajuste más alto, siguiendo el principio: pensar más no hace daño.
Esta suposición es cuestionable por dos motivos.Primero, un mayor esfuerzo de razonamiento cuesta más tiempo de cómputo y, por tanto, más dinero, además de tiempos de respuesta más largos, algo perceptible en agentes que procesan una tarea en muchos pasos individuales.Segundo, un esfuerzo alto no garantiza calidad: para tareas claramente delimitadas como una reformulación de texto, una asignación de campos o un cambio de código sencillo, aporta poco.Por eso el orden sensato es: empezar con esfuerzo medio, comprobar los resultados y aumentarlo solo donde la calidad realmente no sea suficiente.
Qué significa esto para los prompts existentes
Quien tenga modelos de lenguaje integrados en sistemas productivos debería aprovechar este cambio de modelo como motivo para hacer un inventario.Según la experiencia, en organizaciones grandes nadie sabe por completo dónde hay prompts almacenados.
- Registrar lo existente: ¿Dónde están los prompts de sistema, las plantillas y las instrucciones de agentes: en el código, en el sistema de gestión de contenidos, en plataformas de automatización, en notas de empleados individuales?
- Descartar fórmulas antiguas: Las instrucciones que solo debían controlar el esfuerzo de razonamiento pueden eliminarse.Las especificaciones funcionales sobre rol, formato, público objetivo y límites se mantienen.
- Establecer el effort level de forma consciente: No de forma generalizada, sino según el tipo de tarea, y documentado, para que la decisión siga siendo comprensible.
- Verificar: Una pequeña colección fija de tareas típicas con resultados esperados muestra rápidamente si un cambio ayuda o perjudica.
Los cambios de modelo forman parte del plan operativo
Que un proveedor sustituya el modelo predeterminado es cómodo y arriesgado a la vez desde la perspectiva del usuario.Cómodo, porque sin intervención propia se dispone de una generación de modelo más reciente.Arriesgado, porque el comportamiento de las aplicaciones puede cambiar sin que se haya tocado una sola línea del propio código.
Por eso, para los sistemas productivos conviene fijar explícitamente la versión de modelo utilizada en lugar de permanecer tácitamente en la predeterminada.Así, el propio equipo decide cuándo se produce un cambio y puede probarlo antes de que clientas y clientes vean sus efectos.En paralelo, se necesita un punto fijo en el ciclo de mantenimiento en el que se revisen las versiones de modelo y las recomendaciones del proveedor.Los prompts dejan así de ser texto y pasan a ser configuración: versionada, probada, documentada.
Mantener los prompts ligeros
Una lección práctica de la guía es válida independientemente del proveedor: cuanto menos lastre contenga un prompt, más fácil será trasladarlo a nuevos modelos.Las instrucciones que solo compensan una debilidad de una generación de modelo concreta quedan obsoletas inevitablemente.En cambio, las descripciones de la tarea, de las condiciones marco y del formato de resultado deseado permanecen estables.
Quien divide sus prompts en consecuencia —el núcleo funcional por un lado, el ajuste fino específico del modelo por otro— solo tiene que tocar una pequeña parte en futuros cambios.
Clasificación para proyectos web y de software
Para proyectos en los que la IA genera contenidos, prepara datos o apoya tareas de desarrollo, el esfuerzo se desplaza de la formulación única del prompt al mantenimiento continuo.Quien trata la versión de modelo, el effort level y los textos de los prompts como configuración versionada y los asegura con una pequeña colección de pruebas, supera los cambios de modelo sin pérdida de calidad.
Y quien elige conscientemente el esfuerzo de reflexión por tarea en lugar de maximizarlo de forma general, mantiene los tiempos de respuesta y los costes operativos bajos allí donde la profundidad adicional no aporta ningún valor añadido de todos modos.