Los modelos de IA mejoran rápido en matemáticas, código y razonamiento. Su calidad de redacción, en cambio, se estancó o incluso empeoró, según recoge The Decoder el 23 de septiembre de 2026.

Jackson Kernion, empleado de Anthropic que trabaja en el ajuste fino de Claude, explicó hace poco en X por qué Opus 4.6 fue el último buen "modelo para escribir" de la empresa. Una parte de la respuesta era previsible. Los modelos más nuevos se optimizaron para matemáticas y código.

La otra parte es la que explica el fraseo raro de Claude, que en inglés ya tiene nombre propio ("Claudeish"). Los modelos también se entrenaron para producir explicaciones técnicas dirigidas a otros modelos de IA. Según Kernion, Claude quedó "adaptado a la psicología de los LLM" y aprendió a escribir para modelos de IA, no para personas.

Un estilo que solo entienden otros modelos

Kernion compara el fenómeno con personas que solo se comunican con otras personas autistas. Desarrollan un estilo que funciona dentro de ese grupo, pero que a quien viene de afuera le cuesta seguir.

Los LLM tienen mucha más memoria de trabajo que los humanos y captan detalles a un nivel mucho más fino. Por eso, durante el entrenamiento aparece una forma de escribir que a los modelos de IA les sirve bien y que los lectores humanos perciben como "volcados de información demasiado densos".

¿Por qué optimizar para código daña el lenguaje natural?

Para Kernion, el problema está en la estructura de recompensas del aprendizaje por refuerzo. Algunas recompensas premian que un modelo de IA entienda el texto y otras premian que lo entienda una persona.

Mientras más se entrena con matemáticas y código, más hay que empujar en sentido contrario. Eso se hace recompensando de forma activa las explicaciones simples, que un lector humano pueda seguir.

¿Qué cambia con Opus 5.5?

Con Opus 5.5, Anthropic encontró un mejor equilibrio, según Kernion. El ingeniero agregó que no había estado "tan contento con la redacción de un modelo desde Opus 4.6".

Eso no significa que Opus 5.5 supere al modelo anterior en esa tarea. "Es un problema difícil de resolver, y vamos a seguir mejorando", escribió Kernion.