Claude Opus 4.7: 37× más rápido en robótica física

¿Qué es Project Fetch Phase Two?

Claude Opus 4.7 completó tareas de control de un robot cuadrúpedo Unitree Go2 hasta 37 veces más rápido que equipos humanos sin experiencia en robótica, según los resultados de la fase dos de Project Fetch presentados por Anthropic en junio de 2026. Este experimento marca un punto de inflexión en la capacidad de los modelos de lenguaje para interactuar con el mundo físico y herramientas de hardware.

El modelo no solo superó en velocidad a los participantes humanos evaluados en la fase original de agosto de 2025, sino que lo hizo generando casi 10 veces menos código que el equipo asistido por IA en el experimento inicial. Para founders que evalúan oportunidades en automatización y robótica, estos resultados señalan que la barrera de entrada para integrar hardware inteligente está cayendo más rápido de lo previsto.

¿Cómo funcionó el experimento de Anthropic?

Project Fetch Phase Two fue una prueba interna diseñada para medir qué tanto puede hacer un modelo de IA al interactuar con hardware físico de forma autónoma. Anthropic utilizó un perro robot comercial Unitree Go2, una plataforma accesible que startups y desarrolladores pueden adquirir para proyectos de robótica.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Las tareas evaluadas incluyeron:

Hacer caminar al robot de forma controlada
Localizar una pelota de playa en el entorno
Ejecutar acciones físicas específicas mediante instrucciones de control
Depurar y ejecutar programas de control para el robot

La comparación se realizó contra dos grupos humanos sin experiencia previa en robótica que participaron en la fase original de agosto de 2025: un grupo trabajó sin asistencia de IA y otro contó con ayuda de Claude. En la fase dos, Claude Opus 4.7 operó de forma autónoma, organizando, depurando y acelerando el trabajo sin intervención humana continua.

¿Qué cifras concretas reveló la fase dos?

Los resultados cuantitativos del experimento son contundentes y proporcionan métricas verificables para evaluar el avance:

~20 veces más rápido que el equipo humano más veloz en todas las tareas completadas por participantes de la fase original
Al menos 10 veces más rápido en cada tarea que al menos un equipo humano completó en agosto de 2025
Más de 37 veces más rápido que el equipo sin Claude en las cuatro tareas que ambos equipos humanos lograron completar
Más de 18 veces más rápido que el equipo con Claude de la fase original en esas mismas cuatro tareas
Casi 10 veces menos código generado que el Team Claude del experimento original, con resultados similares o superiores

Estas cifras no implican que la robótica esté resuelta ni que exista autonomía completa. Anthropic fue claro al señalar que sus evaluaciones muestran capacidades prometedoras, pero aún están lejos de la autonomía total. La seguridad sigue siendo la prioridad número uno en el desarrollo de estas tecnologías.

¿Cómo evolucionó desde la fase uno?

La primera fase de Project Fetch, realizada en agosto de 2025, evaluó cuánto ayuda un modelo de IA a personas sin formación previa para programar un robot. El grupo asistido por Claude completó todas las tareas más rápido, con menos fallos y con mayor claridad en la interacción entre usuario y robot.

La tarea más llamativa de la fase original fue la de la pelota de playa: el grupo sin asistencia de IA no logró resolverla inicialmente, mientras que el equipo asistido por Claude sí consiguió que el robot completara la acción. Los investigadores también analizaron la dinámica de interacción grabando y examinando las sesiones, descubriendo que el equipo sin acceso a Claude experimentó más sentimientos negativos y confusión.

La evolución hacia la fase dos muestra un salto de una evaluación de asistencia humana con IA a una demostración más fuerte de eficiencia agéntica del modelo. Claude Opus 4.7, lanzado en abril de 2026 como el modelo más capaz disponible públicamente de Anthropic, representa una mejora sustancial en codificación agéntica y razonamiento abstracto respecto a versiones anteriores.

¿Qué competidores trabajan en IA agéntica física?

El ecosistema de robótica con IA está en plena efervescencia, con múltiples actores apuntando a la misma dirección: robots capaces de actuar en el mundo físico con mayor autonomía y mejor software de control.

Boston Dynamics sigue siendo el referente clásico en movimiento físico robusto con sus robots cuadrúpedos y humanoides, aunque compite más por hardware y locomoción que por IA agéntica general. Tesla Optimus y Figure AI desarrollan humanoides para tareas generales con fuerte integración de IA, compitiendo en la narrativa de robot de propósito general y automatización de trabajo físico.

Unitree, fabricante del robot utilizado en el experimento, ofrece cuadrúpedos comerciales de menor costo que sirven como plataforma accesible para desarrolladores y startups. Agility Robotics se enfoca en humanoides para logística y almacenes, con despliegues industriales concretos. Laboratorios de robótica integrados con modelos fundacionales compiten en espíritu con Project Fetch: agentes que razonan y actúan mediante herramientas.

¿Qué significa esto para tu startup?

Para founders que operan en LATAM y España, los resultados de Project Fetch Phase Two abren oportunidades concretas en capas de software que reduzcan el tiempo de integración, pruebas y programación de robots. El valor inmediato puede estar menos en desarrollar hardware propio y más en construir software agéntico que orqueste tareas complejas.

Oportunidades identificadas para startups:

Orquestación de tareas: Desarrollar capas de software que coordinen múltiples robots o dispositivos IoT mediante interfaces naturales en español
Generación de controladores: Crear herramientas que automaticen la programación de hardware específico para industrias locales (agricultura, logística, manufactura)
Debugging asistido por IA: Ofrecer servicios de implementación rápida que reduzcan la necesidad de equipos grandes de especialistas en robótica
Interfaces naturales: Construir experiencias de usuario que permitan operar robots sin conocimientos técnicos profundos, crucial para mercados emergentes con menos especialistas

Acciones concretas que puedes implementar:

Evalúa plataformas de hardware accesibles como Unitree Go2 o similares para pilotos de automatización en tu sector. El costo de entrada ha bajado significativamente, permitiendo pruebas de concepto con inversión limitada.
Invierte en capacidades de integración de IA agéntica en tu stack tecnológico. La ventaja competitiva se está desplazando hacia datos de ejecución real, tooling y seguridad operacional más que hacia el robot en sí.
Identifica tareas repetitivas en operaciones físicas de tu negocio o de clientes potenciales que puedan automatizarse con capas de software sobre hardware existente. La automatización industrial y logística enfrenta como principal barrera la puesta en marcha, no el hardware.
Considera modelos como Claude Opus 4.7 para tareas de codificación compleja y orquestación, aunque evalúa el costo ($5/$25 por 1M tokens) frente a alternativas más económicas para tareas rutinarias.

¿Cuáles son los retos pendientes?

A pesar del avance significativo, Anthropic reconoce que el modelo aún enfrenta desafíos en tareas de control preciso. La autonomía completa sigue siendo un objetivo a largo plazo, no una realidad inmediata. Los retos incluyen:

Precisión numérica del robot en movimientos complejos
Tasa de error por intento en entornos no controlados
Latencia por subtarea en operaciones secuenciales
Adaptación a condiciones variables del mundo real
Seguridad operacional en interacción con humanos

Para founders, esto significa que el momento óptimo para entrar al mercado de IA agéntica física es ahora, mientras la tecnología es lo suficientemente madura para casos de uso específicos pero aún hay espacio para innovación en seguridad, interfaces y casos de aplicación vertical.

Conclusión

Project Fetch Phase Two demuestra que Claude Opus 4.7 puede acelerar drásticamente la programación y control de robots físicos, superando hasta 37 veces a equipos humanos en tareas específicas. Para el ecosistema startup hispanohablante, esto señala una ventana de oportunidad en capas de software que reduzcan la complejidad de integrar hardware inteligente.

La clave no es esperar robots totalmente autónomos, sino identificar dónde el software agéntico puede reducir la barrera de entrada hoy. Startups pequeñas con capacidad de iterar rápido sobre modelos + hardware tienen ventaja sobre actores establecidos que dependen de equipos grandes de especialistas.