Anthropic anunció una actualización exhaustiva de su modelo insignia Claude 3.5 Sonnet, consolidando su posición como el referente mundial indiscutido en ingeniería de software, razonamiento agéntico y resolución de problemas complejos. La nueva versión eleva el rendimiento en SWE-bench Verified —el benchmark más riguroso de la industria que mide la resolución autónoma de problemas reales de repositorios abiertos de GitHub— desde el 33,4% original hasta un récord histórico del 49,0%, superando a cualquier otro modelo disponible y alcanzando hasta el 53,7% en sistemas agénticos con muestreo dirigido. Además de su destreza en código, la actualización mejora drásticamente el seguimiento de instrucciones en flujos multi-paso, la precisión matemática en GSM8K y la coherencia en tareas de auditoría de seguridad informática.
Capítulo 01
La noticia en una frase
Anthropic actualiza Claude 3.5 Sonnet alcanzando un récord del 49,0% en SWE-bench Verified y dominando el razonamiento agéntico en ingeniería de software.
En pruebas de evaluación ciega sobre miles de pull requests reales, el modelo actualizado resuelve incidencias de refactorización multi-archivo complejas que requieren comprender dependencias circulares, reproducir errores con pruebas unitarias y aplicar parches mínimos limpios sin efectos colaterales.
Capítulo 02
