Anthropic separa el cerebro de las manos de sus agentes

Anthropic pasó de generar US$1,4 millones de ingresos por empleado a US$6,6 millones en apenas doce meses, según el S-1 que la compañía presentó el 26 de octubre. Ese salto no se explica solo por una máquina de ventas: se explica por una arquitectura. En el episodio de Latent Space del 27 de octubre, Katelyn Lesse (head of Engineering) y Angela Jiang (head of Product) describen cómo el laboratorio construye Claude con Claude y, sobre todo, cómo separa el cerebro de las manos en sus agentes. Para cualquier founder que esté poniendo un agente en producción, esa separación es la decisión de diseño más rentable que puede copiar esta semana.

¿Qué significa separar el cerebro de las manos en un agente de IA?

En Managed Agents, la plataforma de Anthropic, el registro de sesión y el harness viven separados del sandbox que ejecuta el código. El harness puede persistir mientras el entorno de ejecución se crea cuando hace falta. Si un sandbox falla, no se lleva consigo toda la sesión del agente.

La distinción suena abstracta hasta que se compara con el enfoque anterior. Lesse y Jiang describen que antes metían el agente de código completo dentro de un sandbox, detrás de una API. Arrancar el entorno y el agente agregaba trabajo antes de la primera respuesta, y si el sandbox desaparecía, el agente en ejecución desaparecía con él. Separar las piezas permitió perseguir menor latencia y mejor confiabilidad sin renunciar al aislamiento de la ejecución.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Es un lente útil para cualquiera que diseñe un runtime de agentes. Las preguntas que proponen los invitados son tres: qué partes necesitan sobrevivir, qué partes ejecutan trabajo no confiable y qué secretos realmente deben estar presentes donde corre el código.

¿Por qué esta arquitectura mejora la seguridad de tus agentes?

La misma separación tiene una propiedad de seguridad concreta. Si el código generado corre en un sandbox que nunca recibe una credencial de servicio, no hay credencial dentro de ese sandbox que el código pueda leer.

Anthropic describe credenciales guardadas por separado y adjuntadas a través de un proxy, junto con controles sobre hacia dónde puede ir el tráfico del sandbox. La compañía publicó un documento sobre contención que detalla el conjunto más amplio de controles de aislamiento y red que usa en sus productos.

Para un founder, la traducción es directa: el sandbox es la zona donde el modelo puede equivocarse o ser manipulado, y las credenciales son justamente lo que no puede estar ahí. Cada secreto que metes dentro del entorno de ejecución es una superficie que no controlas.

¿Qué revela el S-1 de Anthropic sobre eficiencia operativa?

El S-1 presentado el 26 de octubre muestra una compañía que creció sin inflar la plantilla al mismo ritmo. Según Yahoo Finance, Anthropic facturó US$16.300 millones en el primer semestre de 2026, contra los US$4.600 millones de todo 2025, con unos 5.300 empleados al 30 de septiembre. Eso llevó el ingreso por empleado a US$6,6 millones, desde US$1,4 millones un año antes.

El punto de inflexión está en el segundo trimestre. Yahoo Finance reporta que los ingresos saltaron a US$11.600 millones desde US$4.700 millones en el trimestre anterior, mientras el costo de cómputo subió mucho menos, de US$3.400 millones a US$5.600 millones. El resultado fue un beneficio operativo de US$974 millones. La fuente original describe el hito como el primer trimestre con rentabilidad GAAP de la compañía, con un margen del 19%.

El podcast atribuye esa eficiencia a dos bucles que se retroalimentan: el de mejora (mejores modelos llevan a más casos de uso, que generan más retroalimentación, que produce mejores modelos) y el de inversión (más adopción lleva a más ingresos, más inversión y más capacidades).

Hay un dato que importa para cualquiera que venda a empresas. Según el análisis del S-1 publicado por MSX, el 48% de los ingresos del primer semestre se generó a través de marketplaces de nube como AWS, Google Cloud y Microsoft Azure, y más de 11.900 clientes aportan más de US$100.000 anuales. La fuente original agrega que más de la mitad de esos clientes grandes usan Claude Platform, la misma plataforma con la que Anthropic construye sus propios productos.

¿Cómo protege Anthropic su razonamiento y qué cambia en tu integración?

Una parte del lanzamiento de Opus 5.5 que no aparece en el blog es la defensa contra la destilación. Anthropic endureció cómo se preservan los bloques de razonamiento entre turnos, con mecanismos como el prefix lock thinking y la reproducción de tokens de pensamiento entre modelos.

El problema es que ese cambio puede romper el harness de un cliente. La compañía lo sabía y trabajó antes con mantenedores de harnesses open source y con clientes grandes. Para quienes tenían estrategias de compactación manuales, publicó una función de compactación dentro de la API que funciona con el pensamiento preservado.

La motivación declarada no es comercial. Jiang señala que si alguien destila el modelo y lo corre sin los clasificadores de seguridad, los resultados pueden ser malos para el mundo. Lesse agrega que el equipo asume el costo en experiencia de usuario en dos capas: cambios de integración molestos pero que no impiden lograr lo mismo, y cambios que sí lo impiden. El objetivo es quedarse en la primera.

También hay una decisión de política por modelo. Opus 5.5 no arrastra los requisitos de retención de datos que sí tiene Fable, y la compañía mantiene programas de verificación para ciberseguridad y ciencias de la vida.

En paralelo, la economía del modelo se movió. Mashable reporta que Opus 5.5, lanzado el 22 de septiembre, cuesta cerca de 40% menos de correr que Opus 5 en cargas típicas, con precios de API de US$4 por millón de tokens de entrada, US$20 por millón de salida y US$0,20 por millón de lecturas de caché.

¿Qué significa esto para tu startup?

Separa el estado de la ejecución. Antes de elegir framework, define qué parte de tu agente debe sobrevivir a un fallo y qué parte es desechable. Si tu sesión vive dentro del sandbox, un timeout te borra el trabajo del usuario.
Saca las credenciales del sandbox. El código que genera el modelo no debería poder leer tu token de producción. Pon un proxy en el medio y limita hacia dónde puede salir el tráfico del entorno.
Mide costo por tarea, no precio por token. Memeburn documenta que una tarea de Claude Code con 2,8 millones de tokens de entrada acumulados cuesta US$11,20 sin caché y alrededor de US$0,99 con 96% de aciertos de caché. La tasa de caché mueve la factura más que el precio de lista.
Mantén el harness simple y experimenta arriba. El equipo de Anthropic dice que prefiere una base sencilla y dejar que los desarrolladores prueben verificadores y agentes en paralelo encima. Esa separación también te deja cambiar de modelo sin reescribir el producto.

El caso de Dreaming ilustra el patrón: es un agente que inspecciona el trabajo previo de otro agente y escribe memorias de vuelta. No es una función mágica, es una capa construida sobre las mismas primitivas de Managed Agents.

La lección de fondo es que la eficiencia de Anthropic no viene solo de usar IA para escribir código. Viene de haber separado lo que debe persistir de lo que debe aislarse, y de haber hecho ese corte antes de escalar. Esa decisión está disponible para cualquier equipo, con o sin el presupuesto de cómputo de un laboratorio frontera.