Degradación Claude Code: profundidad de razonamiento -73%

# Degradación en Claude Code: Caída del 73% en Profundidad de Razonamiento, Costos Aumentan 122 Veces

La directora de la división de IA de AMD, Stella Lourenco, analizó 6.852 sesiones de Claude Code y descubrió una caída del 73% en la profundidad de razonamiento entre enero y marzo de 2026. En tareas y prompts idénticos, la ratio Lectura:Edición bajó de 6,6 a 2,0, mientras los costos de API se dispararon 122 veces: de 345 $ a 42.121 $ para la misma carga de trabajo. Ahora, una de cada tres ediciones afecta archivos que el modelo ni siquiera abrió.

Lourenco compartió datos crudos de 234.760 llamadas a herramientas y 17.871 bloques de razonamiento en el issue de GitHub #42796, declarando: «Claude no se puede confiar para tareas complejas de ingeniería». El issue acumuló 368 comentarios antes de cerrarse el 13 de abril.

Indicadores Léxicos de la Degradación

El análisis de frecuencia de prompts reveló un cambio en el tono emocional:

• «simplest» (más simple) subió un 642% (de 0,01 a 0,09 por mil llamadas);
• «stop» (para) +87%;
• «fuck» +68%;
• «great» (genial) −47%;
• «please» (por favor) −49%;
• «commit» −58%.

La ratio positivo:negativo empeoró de 4,4:1 a 3,0:1, reflejando la frustración real de los desarrolladores en escenarios de producción con programación de sistemas.

Tres Cambios de Comportamiento Confirmados

Anthropic implementó tres actualizaciones no anunciadas, verificadas por la documentación y respuestas del desarrollador de Claude Code, Boris Cherni:

• 9 de febrero: Pensamiento Adaptativo. Cambió de budget_tokens fijo a volumen de razonamiento autoevaluado. Pasos complejos recibieron 0 tokens de razonamiento, provocando alucinaciones (SHA falsos, paquetes inexistentes).

• 3 de marzo: esfuerzo alto → medio. Bajó el nivel de esfuerzo por defecto sin aviso. Golpea fuerte en sesiones autónomas largas (más de 30 minutos).

• 5–12 de marzo: Redacción del pensamiento. La visibilidad de bloques de razonamiento cayó del 100% (30 ene) al 0% (12 mar). Cherni lo llamó un ajuste de UI, pero los datos muestran una caída previa del 67% en razonamiento.

Métrica Lectura:Edición y Ediciones a Ciegas

La métrica clave: ratio de archivos leídos vs. editados:

| Período | Lectura:Edición | Ediciones a Ciegas (%) | Escritura Completa (%) |

|---------|-----------------|-------------------------|------------------------|

| Enero | 6,6 | 6,2 | 4,9 |

| Marzo | 2,0 | 33,7 | 11,1 |

El modelo omite dependencias, cabeceras y pruebas antes de editar, rompiendo compilaciones en proyectos de compiladores y drivers de GPU. Los bucles de razonamiento se triplicaron; subagentes representaron el 26% de las solicitudes.

Las llamadas a API se inflaron 80 veces (1.498 → 119.341), tokens de salida 64 veces.

Soluciones Temporales para Recuperar Rendimiento

Arreglos temporales de Anthropic:

export CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1
export CLAUDE_CODE_EFFORT_LEVEL=max

O en sesión: /effort max.

Para ~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING": "1",
    "CLAUDE_CODE_EFFORT_LEVEL": "max"
  }
}

Datos de SWE-Bench-Pro de Marginlab muestran que las soluciones recuperan hasta el 56% de rendimiento (desde 50%). Consejos: divide sesiones, usa /clear, ejecuta en horas valle (razonamiento 28% mayor a las 11 PM PST).

Cómo Reproducir la Degradación

Prueba en tus tareas:

• Elige una tarea multifichero (refactorización, corrección de bugs).
• Verifica estado: /effort, echo $CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING.
• Ejecuta con valores por defecto, registra Lectura:Edición.
• Aplica solución y repite.
• Compara métricas.

La diferencia confirma que afecta tu flujo de trabajo.

Lecciones Clave

• Profundidad de razonamiento cayó 73% por Pensamiento Adaptativo y menor esfuerzo;
• Lectura:Edición se desplomó de 6,6 a 2,0, ediciones a ciegas al 33,7%;
• Costos API ×122 para las mismas tareas;
• Soluciones funcionan: dos variables de entorno restauran ~90% de rendimiento;
• Sigue Lectura:Edición como canario de degradación.

Limitaciones del Análisis

Datos de un usuario (AMD, MLIR/GPU, 50 agentes). Correlación firma-pensamiento 0,971 (r de Pearson), pero extrapolar a desarrollo web es arriesgado. Evidencia de respaldo: SWE-Bench-Pro (56%→50%), 368 comentarios, 30 hilos en r/ClaudeAI. La falta de changelog para comportamiento del modelo es un problema general en la industria.

— Editorial Team