Agentes de IA
Claude recuerda mejor con nueve notas que con 413 archivos: Anthropic explica cómo «sueña» para corregirlas
Post de ingeniería del 6 de noviembre: en Pokémon, Fable 5 guarda nueve archivos y gana cuatro medallas; Sonnet 3.7 guarda 413 y gana una. El «dreaming» de Managed Agents relee transcripciones y reescribe la memoria; sigue en research preview, con acceso por formulario y tokens a tarifa normal.
Guardarlo todo no es recordar mejor
Anthropic publicó el 6 de noviembre de 2026 un post de ingeniería sobre cómo diseña la memoria de Claude, y lo que más se ha compartido en X es la idea de que Claude «sueña». La comparación que mejor lo explica, sin embargo, es otra: dos partidas de Pokémon Rojo a unos 10.000 pasos. Claude Sonnet 3.7 había escrito 413 archivos de memoria repartidos en 225 carpetas y llevaba una medalla. Claude Fable 5 tenía nueve archivos en dos carpetas, más un global.md, y llevaba cuatro.
Sonnet 3.7 apuntaba cada combate, cada objeto y cada personaje. Como el estado del juego cambia sin parar, ese archivo se quedaba viejo enseguida y el modelo pasaba más tiempo revisando sus notas que jugando. Hacia el paso 10.000 abrió su cuarta carpeta de archivos «maestros»: en 17 pasos creó seis archivos, borró nueve y no hizo nada en el juego. Fable 5 no guardaba lo que ya ve en pantalla, como el dinero o la posición. Guardaba lo que solo existe si lo deduce: el objetivo actual, un plan para los gimnasios y reglas comprobadas, como variar el ritmo de los botones tras tres Poké Balls fallidas seguidas.
«Soñar» es releer el registro y arreglar la nota
El nombre suena a marketing, pero el mecanismo es sencillo. El agente trabaja y deja transcripciones. En una pasada posterior, fuera de la sesión, Claude compara sus notas con esos registros, corrige errores, fusiona duplicados y crea notas nuevas. Anthropic recoge la idea de sleep-time compute que propusieron investigadores de Letta y UC Berkeley: aprovechar el tiempo muerto entre interacciones para reorganizar lo que ya se tiene.
El ejemplo del post es Mt. Moon. Claude anotó mal en qué lado de la montaña estaba el PokéCenter, dio la cueva por terminada con un «Mt Moon DONE» y cayó por un saliente de un solo sentido a la ruta anterior. Con esa nota equivocada cayó tres veces y la partida nunca llegó a Ciudad Celeste. Tras una pasada de dreaming sobre la misma carpeta, Claude contrastó la nota con la transcripción, vio el error, la reescribió, volvió a entrar en la cueva y llegó.
La wiki gana cuando hay que cruzar documentos
La segunda parte del post sale de los videojuegos. Anthropic pidió a Claude que, soñando, construyera una wiki enlazada a partir de unos 350.000 archivos internos de Stainless, la empresa que compró en mayo: cerca de 420 millones de tokens. Con la wiki sola, la nota en 25 preguntas subió del 13 % al 48 % de los criterios al pasar de dos a 128 sesiones de dreaming con agentes Opus 5. El mejor resultado fue combinar wiki y búsqueda.
La misma prueba enseña dónde no compensa. En una tarea del benchmark LAB de Harvey en la que casi todo se encontraba en un único documento, la wiki no mejoró a la búsqueda. En otra, la wiki acabó ocupando más que los documentos originales: un mapa tan detallado que ya no resumía nada.
| Prueba de Anthropic | Sin la técnica | Con la técnica | Lectura |
|---|---|---|---|
| Corpus de Stainless, 25 preguntas | Búsqueda sola: 53 % | Búsqueda + wiki: del 54 % al 61 % según crece la wiki | Unos 20.000 tokens menos por pregunta |
| Fusión empresarial, criterios que cruzan varios documentos | Búsqueda: 73 % | Wiki: 87 % | Más de la mitad de las 24 preguntas necesitaba varias fuentes |
| Brief de LAB sobre contratos | 41 de 57 hechos (72 %) | 57 de 57 tras cambiar las instrucciones | Una página por contrato y términos citados literalmente |
| Tarea de LAB con respuestas en un solo documento | Búsqueda | Wiki sin ganancia clara | La wiki no aporta si no hay nada que cruzar |
Dile para qué sirve la memoria, no cómo usarla
El hallazgo más práctico va contra la intuición de llenar el prompt de normas. En CL-Bench 1.0, a Opus 4.7 y Opus 5 les bastó con saber que tenían una carpeta de memoria. Cuando Anthropic les impuso «registra solo los fallos», ambos perdieron buena parte de lo que ganaban con la memoria. Con los modelos fuertes funcionó mejor dejarles decidir qué es importante.
Con los antiguos pasa lo contrario. Sonnet 4.6 leía su memoria menos de la mitad de las veces; pedirle que la leyera antes de responder y que probara sus hipótesis casi duplicó su puntuación. Sonnet 5 la leía por su cuenta nueve de cada diez veces. Y hay un límite para todos: lo que se carga en cada sesión gasta tokens y arrastra cualquier error. Claude Code, por ejemplo, solo carga las primeras 200 líneas o 25 KB de MEMORY.md, que funcionan como índice de todo lo demás.
Qué puedes usar hoy y cuánto cuesta
El dreaming existe como producto en Claude Managed Agents, pero sigue en research preview: hay que pedir acceso con un formulario y usar las cabeceras beta managed-agents-2026-04-01 y dreaming-2026-04-21. Cada «sueño» es un trabajo asíncrono que recibe un almacén de memoria y entre 1 y 100 sesiones, tarda de minutos a unas horas y produce un almacén nuevo. El original no se toca, así que puedes revisar el resultado y descartarlo. Se cobra a tarifa normal de tokens del modelo elegido y no admite retención cero de datos ni HIPAA.
Un ejemplo hipotético: un agente de soporte que lleva un mes apuntando «el cliente prefiere factura en PDF» en cinco sitios distintos y una tarifa que ya cambió. Lanzar un sueño sobre las últimas 30 sesiones con la instrucción de quedarse con preferencias y condiciones vigentes te devolvería un almacén limpio que revisar antes de conectarlo. No lo hemos ejecutado aquí. La lección general sirve aunque no uses la API de Anthropic: notas pocas y comprobadas, una capa superior pequeña y una pasada periódica que las contraste con lo que de verdad pasó.