0823 | Anthropic parece probar esfuerzo reducido en Claude Code; tu LLM local no es tan tonto

Clara Vega: Bienvenidos a Hacker News diario, en Bri Radio. Soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy vamos a hablar de la reducción de niveles de esfuerzo que Anthropic está probando en Claude Code, de un análisis sobre por qué los modelos locales de lenguaje parecen menos inteligentes de lo que son, y de una nueva hoja de ruta para MCP.

Clara Vega: También tenemos un curioso sistema para dirigir una oficina de tus propios clones, el inicio del juicio contra Meta en Oakland, y una historia que seguro no la viste venir: un vendedor de autos belga que se convirtió en príncipe.

Clara Vega: Hay un hilo en Hacker News según el cual Anthropic está probando, con un test A/B, niveles de esfuerzo reducidos en Claude Code. Es decir, una parte de los usuarios recibiría respuestas generadas con menos cómputo por parte del modelo, y en la discusión se sospecha que esto no se limita a una sola variable.

Mateo Ruiz: De hecho, hay quien va más allá y comenta que probablemente no es solo eso: detrás habría toda una optimización alrededor de estirar los límites de uso, el llamado rubberbanding, y también de rutar la petición hacia un modelo distinto en el backend. El incentivo económico sería demasiado fuerte como para no hacerlo.

Clara Vega: Eso encaja con la queja de una experiencia inconsistente: el usuario percibe que el mismo modelo responde mejor en unos momentos que en otros, y la hipótesis que se discute es que parte de esa variación no es casual, sino una decisión de coste del proveedor.

Mateo Ruiz: Eso sí, queda documentado solo como sospecha dentro de la comunidad; el hilo no incluye confirmación oficial por parte de Anthropic. Lo que sí queda claro es cómo se lee la situación desde fuera: controlar el nivel de esfuerzo es una palanca directa sobre el coste de cada respuesta y es difícil resistirse a tirar de ella.

Clara Vega: Pasamos a un artículo del foro Level1Techs, titulado Why your local LLM feels dumber than it is, que sostiene que cuando un modelo local te parece tonto, el problema casi siempre está en tu implementación de la inferencia, no en el modelo. Define la implementación de referencia como el laboratorio que publica el modelo, ofrece su propio alojamiento y difunde las cifras de referencia originales; y ese hardware y ese software son muy distintos de los que tienes en casa.

Mateo Ruiz: Y es que, según el artículo, cada instancia de hardware y software que ejecuta un modelo hoy es un poco diferente. Un laboratorio doméstico puede mezclar varias generaciones de GPU, y los conjuntos de instrucciones de esos chips ejecutan las matemáticas del siguiente token de forma distinta a la de cualquier otra persona, incluso con los mismos pesos exactos.

Clara Vega: Para medir cuánto se desvía cada configuración, recomienda correr varios benchmarks estándar representativos de la carga real de trabajo, como terminal bench, hle, SWEthis, HELLAthat o MMLU-whatever. Advierte, eso sí, que sus comparaciones no se hacen con un gguf de 2,58 bits en ollama con un par de prompts de prueba.

Mateo Ruiz: También insiste en que no basta con poner la temperatura a cero y probar tres prompts: las pruebas de cero disparos no son un buen análogo de la mayoría de las tareas agénticas, y hacen falta evaluaciones de llamada de herramientas con contexto largo y conocimiento específico del dominio. En cuanto al mecanismo base, los logits son las puntuaciones del modelo para cada posible siguiente token, y se normalizan como probabilidades antes de elegir la respuesta.

Clara Vega: En resumen, antes de culpar al modelo local por parecer tonto conviene revisar si la implementación propia está cerca de las condiciones en las que se midieron las cifras originales. La diferencia puede estar en el hardware y en cómo se ejecuta la inferencia, no en la calidad intrínseca del modelo.

Clara Vega: El blog del Protocolo de Contexto de Modelo publicó su nueva hoja de ruta, y una de las novedades que despierta conversación en Hacker News es un esfuerzo llamado descubrimiento progresivo: un servidor puede ofrecer un punto de entrada pequeño y revelar más de su catálogo a medida que la conversación se estrecha.

Mateo Ruiz: Un comentarista lo ve como llegar tarde a la fiesta, porque ya tuvo que implementar carga perezosa de MCP en un par de entornos y ahora se está moviendo a implementar todo como código en modo en su lugar. El equipo todavía no ha lanzado ese descubrimiento progresivo, apenas está empezando el esfuerzo, así que esa reacción resume la tensión de fondo: algunos desarrolladores prefieren soluciones que controlan ellos mismos en lugar de esperar a que el protocolo madure, aunque eso signifique dejar atrás la flexibilidad de que un servidor vaya revelando su catálogo de forma gradual.

Clara Vega: Ahora un proyecto que está generando reacciones bastante encontradas en Hacker News se llama Munder Difflin, un arnés de agentes para dirigir una oficina de clones tuyos, descrito así por su autor, que publicó la historia en la plataforma. El nombre es un guiño a la empresa ficticia de papel en The Office.

Mateo Ruiz: La discusión se dividió rápido: un comentarista escribió que el proyecto le parece vergonzoso y que espera ver menos cosas así; otro preguntó por qué; y un tercero respondió que preferiría ver menos comentarios que atacan proyectos en los que quien critica no tiene ningún interés de todos modos.

Clara Vega: El martes 22 de agosto de 2026 comenzó en Oakland, California, el juicio contra Meta: una demanda de California y otros veintiocho estados que acusa a la empresa de diseñar productos adictivos, violar la privacidad infantil federal y las leyes estatales de protección al consumidor al recopilar datos de niños menores de trece años sin permiso de sus padres. En los alegatos de apertura, la abogada de California Megan O'Neill resumió el supuesto modelo de negocio en cuatro palabras: enganchar, retener, cosechar y ocultar. Según su argumento, la dueña de Facebook e Instagram engancha a los usuarios, los retiene el mayor tiempo posible, cosecha sus datos y oculta la verdad al público; ese modelo, declaró, funcionaba especialmente bien con los niños.

Mateo Ruiz: Si se la halla responsable, los daños podrían alcanzar los doscientos mil millones de dólares, el equivalente a sus ingresos anuales de 2025, en una empresa valorada en un billón trescientos sesenta mil millones. Los estados también piden que se obligue a Meta a rediseñar sus productos para hacerlos más seguros para los niños, lo que podría afectar permanentemente su modelo de negocio. Entre los testigos se reportó a la investigadora de Meta Elena Davis, quien declaró ante el jurado según un boceto de la sala.

Clara Vega: Meta ha negado todas las acusaciones. Liza Crenshaw, portavoz de la empresa, dijo que los estados persiguen un pago descabellado en lugar de ceñirse a los hechos o a la ley.

Mateo Ruiz: La discusión en Hacker News parte de que hdiutil queda obsoleto en macOS 27 Golden Gate. El comentarista DrJokepu dijo no entender por qué Apple depreca hdiutil si la misma funcionalidad vivirá en diskutil, y opinó que la compatibilidad hacia atrás en Apple es puramente incidental. En respuesta, detourdog señaló que diskutil lleva más de una década y ha recibido poco a poco funciones que a hdiutil faltaban, así que no es un tirón de alfombra repentino.

Clara Vega: Varios comentaristas citaron herramientas deprecadas que siguen en uso. nrabulinski apuntó que xip lleva mucho tiempo deprecado pero sigue siendo el formato en que se distribuye Xcode, por lo que duda de que hdiutil desaparezca de macOS; cree que Apple simplemente ya no lo actualizará. bbatsell coincidió: seatbelt y sandbox-exec llevan años deprecados pero sustentan todo el sandboxing del sistema, y Claude y otros lo usan; él mismo escribe reglas seatbelt. En cuanto a launchctl, cuyos subcomandos deprecados datan de hace tiempo, dieulot probó los nuevos, tuvo problemas y concluyó que los deprecados eran los que había que usar.

Mateo Ruiz: De forma tangencial, sunshowers añadió que libuv y mio usan en Windows la interfaz de sondeo AFD basada en readiness, no documentada, porque no existe una interfaz documentada de ese tipo; según él, hoy es efectivamente estable, en parte porque Microsoft usa Tokio en algunos productos. El historial de compatibilidad de Apple generó desacuerdo: steve_adams_86 defendió que Apple ha hecho un trabajo relativamente bueno, y señaló que todavía usa su MacBook Air de doce años.

Clara Vega: Pasando a Racket, en el hilo de Hacker News sobre una introducción amigable a ese lenguaje, el comentarista em-bee pregunta cada vez que surge el tema si hay aplicaciones interesantes que explorar con Racket, y dice que solo encuentra bibliotecas y herramientas de desarrollo, con awesome-racket.com como referencia.

Mateo Ruiz: En un nivel más profundo del hilo, LasEspuelas le responde que sí existe una aplicación concreta: remember.defn.io, un sitio que vale la pena revisar. Así que esa duda recurrente sobre usos prácticos de Racket tiene al menos una demostración real que mirar.

Mateo Ruiz: Hablemos ahora de Canadá y Estados Unidos. El primer ministro canadiense, Mark Carney, emitió una declaración el veintiuno de agosto de 2026 en la que Canadá suspende las negociaciones comerciales con Estados Unidos y se compromete a equiparar los aranceles estadounidenses dólar por dólar.

Mateo Ruiz: En Hacker News, el comentario de un usuario con el nombre llm_nerd subraya ese mismo punto: Canadá se ha comprometido a igualar cada dólar arancelario estadounidense, algo que Estados Unidos ya consideraba inimaginable. El comentarista critica la postura de Peter Greer, quien repetía que solo Canadá y China habían respondido con represalias, calificándola de crítica extraña, casi como si fuera un cumplido.

Clara Vega: Otra historia paralela de la BBC muestra el reverso del mismo episodio. Un comentarista llamado ElProlactin resume la negociación con ironía: el arte del acuerdo ataca de nuevo. Y conartist6, en un nivel más profundo, contrasta el trato de un día para otro: muy bueno ayer, muy malo hoy, y dice que entiende perfectamente por qué las naciones no están ansiosas por negociar con una persona caprichosa. Ese contraste entre el anuncio oficial canadiense y la lectura de la comunidad sobre el clima de negociación es el núcleo del tema.

Clara Vega: Otra historia de Hacker News gira en torno a un caso insólito: un vendedor de autos belga se convirtió en príncipe tras una prueba de ADN que confirmó su paternidad real, según documenta un artículo de CNN.

Mateo Ruiz: MmmY la discusión en el hilo se centró en lo que esto revela sobre el mérito. Un comentarista señaló que aquí no hay una ganancia basada en mérito, esfuerzo o capacidad, sino un título, prestigio, riqueza y herencia que llegan directamente por el ADN, un resultado sobre el que nadie tiene control.

Clara Vega: Justo, porque la persona no nació con ese apellido como parte de su identidad pública; lo descubrió después. Y otro comentario respondió con un tono mordaz: como la buena sociedad nepotista que somos. Esa frase capturó el malestar del hilo sobre cómo se asignan el estatus y las ventajas en una sociedad que se presume basada en esfuerzo.

Clara Vega: Cerramos recordando esa idea clave del artículo: cuando un modelo local te parece torpe, el problema casi siempre está en cómo está implementada la inferencia, no en el modelo en sí.

Mateo Ruiz: Exacto. Y conviene tenerlo presente cada vez que probemos un modelo por nuestra cuenta.

Clara Vega: Gracias por acompañarnos hoy. Nos escuchamos en la próxima.