Claude Opus 5.5, el modelo de Anthropic, ya es capaz de sacar una web usable en solo 1 minuto y 32 segundos. Ese fue el resultado de una prueba controlada en la que tenía que generar una página completa. La comparación entre sus distintos niveles de razonamiento deja además una conclusión menos obvia: asumir el sobrecoste de los niveles más altos no cambia el resultado tanto como uno podría imaginar, al menos en esa comparativa.
La prueba se planteó para tocar una sola variable, el esfuerzo de razonamiento. Por eso, cada ejecución se hizo en una sesión nueva, sin archivos CLAUDE.md, sin AGENTS.md y sin instrucciones previas de ningún tipo. También se usó exactamente el mismo prompt en todos los casos, con el objetivo de generar y desplegar una página del modpack de Minecraft Alderwick Estate a partir de los mismos datos y los mismos recursos gráficos.
El experimento le pedía a Claude Code que construyera un sitio completo, pero le dejaba libertad para decidir la estética , la estructura y la forma de presentar el contenido. Ahí fue donde apareció el salto más claro de calidad: al pasar del nivel bajo al medio.
El modo low cerró la tarea en 1 minuto y 32 segundos, con unos 10.600 tokens de salida, siempre de acuerdo con esa comparativa. El sitio se valoró como “correcto” o “pasable”, pero nadie lo eligió como favorito. También hubo una diferencia fuerte en coste y volumen: low generó aproximadamente una cuarta parte del código y se quedó en torno a una quinta parte del gasto en tokens frente a los niveles superiores, de nuevo según esa misma comparación.
A partir de ese punto, las diferencias empezaron a estrecharse. Medium necesitó 6 minutos y 35 segundos y cerca de 43.000 tokens. High subió a 8 minutos y 12 segundos, con unos 50.900 tokens. Xhigh terminó en 7 minutos y 28 segundos y rondó los 47.600 tokens. Entre medium, high, xhigh y max, la distancia fue bastante menor de lo que cabría esperar, al menos a la luz de esa prueba.
Donde sí se vio una separación clara fue en la forma de ejecutar la tarea. Low fue el único nivel que dio el trabajo por terminado sin abrir ni inspeccionar la web que acababa de generar. Los demás sí hicieron esa comprobación por su cuenta, sin que nadie se la pidiera de forma explícita, y por eso dejan una impresión más pulida. Aun así, la mejora extra, tanto visual como funcional, sugiere rendimientos decrecientes una vez superado ese primer escalón.
El contexto, además, empuja en esa misma dirección. Distintos estudios del sector apuntan a una adopción ya masiva de herramientas generativas en diseño y desarrollo web: el 93% de los diseñadores y el 91% de los desarrolladores las usan con regularidad, el 84% de los programadores las integra en su trabajo diario y el 67% de las empresas ya opta por creadores de páginas web asistidos por IA para este tipo de tareas, según esos estudios sectoriales.
La promesa se entiende rápido: ir más deprisa. Hay informes que hablan de mejoras de productividad de hasta el 55,8%. Pero la confianza sigue lejos de acompañar ese entusiasmo. Solo el 3,1% de los profesionales dice fiarse mucho del resultado, el 46% mantiene una postura de desconfianza abierta y cerca del 61% del código generado todavía termina reescribiéndose o refactorizándose, según esos mismos estudios e informes del sector.
La conclusión práctica es bastante simple: para sacar una primera versión rápida, el modo más barato puede bastar; si lo que se busca es un acabado mejor, conviene subir como mínimo al nivel medio. Lo que todavía no está claro es hasta qué punto esta diferencia se repetirá en otros proyectos o con otros prompts.
