---
title: "Separar el cerebro de las manos: la arquitectura de agentes de Anthropic | ThePickNetwork"
url: https://www.thepicknetwork.com/separar-el-cerebro-de-las-manos-la-arquitectura-de-agentes-de-anthropic/?lang=en
language: en
description: "Separar el cerebro de las manos: la arquitectura de agentes de Anthropic. Imagen: Wesley Fryer / BY vía Openverse. Tras un mes como modelo situado en lo más…"
---
[Back to news](https://www.thepicknetwork.com/noticias/?lang=en)

# Separar el cerebro de las manos: la arquitectura de agentes de Anthropic

Published on November 21, 2026

![Separar el cerebro de las manos: la arquitectura de agentes de Anthropic.](https://www.thepicknetwork.com/wp-content/uploads/2026/11/img_56.jpg)

![Separar el cerebro de las manos: la arquitectura de agentes de Anthropic.](https://www.thepicknetwork.com/wp-content/uploads/2026/11/img_56.jpg)

Separar el cerebro de las manos: la arquitectura de agentes de Anthropic. Imagen: Wesley Fryer / BY vía Openverse.

Tras un mes como modelo situado en lo más alto de las clasificaciones, Anthropic abrió las puertas de su cocina interna en el pódcast Latent Space. Katelyn Lesse, jefa de Ingeniería, y Angela Jiang, jefa de Producto, explicaron cómo se gestó el lanzamiento de Opus 5.5 y describieron el modelo mental que guía su arquitectura de agentes: separar el cerebro de las manos. La conversación llega, además, después de que las solicitudes S-1 de la compañía revelaran una eficiencia inusual: un giro de pérdidas del -126 % a un beneficio GAAP del 19 % en apenas un año, algo que la propia empresa atribuye a dos bucles, el de mejora (mejores modelos, más casos de uso, más feedback) y el de inversión (más ingresos, más capacidad).

## Lanzar un modelo es también lanzar una API

El lanzamiento de Opus 5.5 puso el acento en dos cosas a la vez: calidad del modelo y coste. El equipo admite haber escuchado las críticas sobre generaciones anteriores de Opus, percibidas como demasiado verbosas, y haber trabajado a fondo en corregirlo, en un contexto en el que los clientes exigen cada vez más «inteligencia por dólar». Anthropic afirma que el nuevo modelo cuesta menos de ejecutar que su predecesor, aunque el ahorro exacto depende de la carga de trabajo y del uso del contexto en caché.

El trabajo menos visible del lanzamiento afecta a la forma en que los clientes se integran con la API. Un ejemplo es la protección del razonamiento del modelo frente a su extracción con fines de destilación: conservar los bloques de pensamiento entre turnos ayuda a cerrarle el paso a quien quiera copiar el modelo, pero un requisito nuevo así puede romper el entorno de ejecución que un cliente ya tenía montado. Los programas de acceso temprano sirven precisamente para detectar esos choques: clientes como Cognition o Cursor ejecutan evaluaciones en sus propios entornos, reportan comportamientos sorprendentes y transmiten a veces impresiones menos formales sobre cómo se siente el modelo al usarlo. Lo valioso no es solo la puntuación de un benchmark, sino ver el modelo funcionando en entornos y tareas que los productos propios de Anthropic no cubren.

## El cerebro y las manos

El concepto estrella de la conversación es la distinción entre el cerebro de un agente y sus manos. En los agentes gestionados (Managed Agents) de Anthropic, el registro de sesión y el arnés que dirige al agente se separan del entorno aislado donde se ejecuta el código. El arnés puede persistir mientras el entorno de ejecución se crea solo cuando hace falta; si un entorno aislado falla, no se lleva consigo toda la sesión del agente.

Esa separación aporta además una propiedad de seguridad valiosa: si el código generado corre en un entorno que nunca recibe credenciales de servicio, no hay ninguna credencial que ese código pueda leer. Las credenciales se custodian por separado y se adjuntan a través de un proxy, con controles sobre el tráfico que puede salir del entorno. El impacto también es de rendimiento: un enfoque anterior colocaba todo el agente de programación en un entorno aislado tras una API; arrancar el entorno y el agente añadía trabajo antes de la primera respuesta, y si el entorno desaparecía, desaparecía con él el agente en ejecución. Separar las piezas permitió a la plataforma perseguir menor latencia y mayor fiabilidad manteniendo la ejecución aislada.

La lección, según el equipo de Latent Space, es extrapolable a cualquier runtime de agentes: conviene preguntar qué partes deben sobrevivir, qué partes ejecutan trabajo no confiable y qué secretos necesitan estar realmente allí donde corre el código.

## Un agente que ayuda a otro a recordar

Los agentes gestionados sirven también de base para experimentos de memoria y de flujos multiagente. La función «Dreaming» está implementada de forma sencilla: un agente inspecciona el trabajo previo de otro y le escribe recuerdos. Es un ejemplo de construir comportamientos de nivel superior sobre las mismas primitivas subyacentes. La hoja de ruta se describe con matices: memoria y aprendizaje siguen siendo importantes, pero a medida que lanzar modelos se vuelve más difícil, una atención más inmediata se traslada a la seguridad. La filosofía pasa por mantener un arnés base relativamente simple y dejar que los desarrolladores experimenten encima con verificadores, agentes paralelos y otras estrategias, con la advertencia de que las capacidades futuras de la plataforma son planes, no promesas.

El episodio revela también una preferencia de diseño poco obvia: primar primitivas genéricas sobre soluciones a medida. Pruebas de acceso, permisos y concesiones de confianza se apoyan en un mismo mecanismo de autorización pensado de forma amplia, y esa generalidad —poco habitual en producto— ha terminado pagando dividendos al servir para casos que nadie previó al diseñarlo.

[Previous Halley: control predictivo para las redes ópticas de los centros de datos de IA](https://www.thepicknetwork.com/halley-control-predictivo-para-las-redes-opticas-de-los-centros-de-datos-de-ia/?lang=en)

## Let’s talk about your project

Reply within 24 business hours, on whichever channel you prefer.

[Go to the form](https://www.thepicknetwork.com/contacto/?lang=en#formulario) | [Message us on WhatsApp](https://wa.me/34681303592?text=Hi%2C%20I%20would%20like%20information%20about%20your%20services.)
