Claude Sonnet 4.6 in production: the cost-quality balance
Sonnet 4.6 es el modelo por defecto de la mayoría de cargas de trabajo en 2026. Estos son los casos donde brilla, dónde no basta y por qué sigue siendo el sweet spot.
Tag
calidad
Mature LLM-as-judge: when to trust and when not
Using an LLM to judge another LLM became widespread in 2024 and remains the only scalable way to evaluate qualitative quality. The mature question is when to trust those numbers.
Production-grade agent evaluations: the framework that works
Después de año y medio llenando tableros con agentes en producción, la pregunta que separa equipos que envían fiable de los que van a ciegas sigue siendo la misma: ¿cómo mides que el agente está funcionando?
AI-assisted code review: an honest adoption story
Dos años conviviendo con revisiones de código asistidas por IA en un equipo real. Qué ha cuajado, qué ha sido ruido y qué prácticas han sobrevivido cuando el entusiasmo inicial se asienta.