Anthropic borró más del 80% del system prompt de Claude Code y las evaluaciones de programación no bajaron.

No es que no bajaran mucho. No hubo pérdida medible.

Lo publicó Thariq Shihipar, del equipo técnico de Anthropic, el 24 de julio. Y el detalle que hace que valga la pena leerlo entero es cuál era el problema: ese prompt estaba afinado a mano, con cuidado, durante meses, para los modelos anteriores. Ese cuidado era exactamente lo que frenaba a Opus 5 y a Fable 5.

Tu archivo de reglas envejeció y nadie se dio cuenta

Si tu equipo lleva un año usando agentes, tienes un archivo de instrucciones que creció por sedimentación.

Alguien agregó una regla porque el modelo hizo algo raro en marzo. Otro puso tres ejemplos de cómo llamar una herramienta porque en abril no la llamaba bien. Alguien más repitió una instrucción en el prompt y en la descripción de la herramienta, por si acaso.

Cada una de esas decisiones fue correcta el día que se tomó.

Y ninguna se revisó cuando cambiaste de modelo.

El resultado es una hoja pegada en la pared que le dice a un cocinero de veinte años de oficio que espere treinta segundos antes de poner el aceite. La va a leer. La va a seguir. Y va a cocinar peor de lo que sabe.

Los seis cambios, en corto

Anthropic los ordena así, y vale traducirlos a algo accionable.

De reglas a criterio: en vez de escribir la restricción, describe el objetivo y deja que el modelo decida el camino.

De ejemplos a diseño de interfaz: si necesitas tres ejemplos para que use bien una herramienta, el problema está en los parámetros de la herramienta, no en la falta de ejemplos.

De información por adelantado a revelación progresiva: no metas todo el contexto al inicio; deja que lo cargue cuando lo necesite.

De repetición a descripción concisa: la misma instrucción en el prompt y en la herramienta no refuerza, confunde.

De memoria manual a memoria automática: menos actualizar archivos a mano, más capturar lo relevante solo.

De especificaciones simples a referencias ricas: código, pruebas y rúbricas enseñan más que párrafos en Markdown.

Una nueva medición independiente calculó que el recorte real fue cerca del 70% y no del 80%, porque parte de la memoria quedó condicional en lugar de eliminada. La conclusión no cambia.

Esto contradice lo que veníamos haciendo todos

Voy a admitir la parte incómoda. Durante 2025 la práctica común, la nuestra incluida, era escribir más. Más contexto, más ejemplos, más reglas explícitas, más andamiaje alrededor del modelo.

Funcionaba, porque los modelos de entonces necesitaban ese andamiaje.

Ahora el andamiaje es el techo. Y como los archivos de instrucciones no fallan de manera visible, nadie los audita: el agente sigue funcionando, sigue entregando, y nunca te enteras de que está trabajando por debajo de lo que puede.

Sobre por dónde se rompe el contexto en una operación real escribimos en el contexto es el cuello de botella de la IA empresarial, y en ingeniería de contexto para agentes está el marco más completo.

Cómo lo audito yo

Corre el comando doctor sobre tu proyecto. Existe para esto y toma un minuto.

Después haz el ejercicio manual, que es el que enseña. Toma tu archivo de instrucciones y por cada regla pregunta: ¿esto lo agregamos por un problema que todavía existe? Vas a encontrar reglas escritas para un modelo que ya no usas, para una herramienta que ya cambiaste, para un caso que ya no ocurre.

Bórralas. No las comentes, bórralas.

Después mide. Corre las mismas veinte tareas antes y después. Si el resultado no baja, acabas de recuperar contexto y velocidad gratis. Si baja, devuelve solo la regla que hizo falta, una, y vuelve a medir.

Ese ciclo toma una tarde y casi nadie lo hace, porque quitar cosas se siente arriesgado y agregar cosas se siente productivo. Anthropic acaba de publicar la evidencia de que es al revés.

Auditemos las reglas que le pusiste a tus agentes