Claude Sonnet 4.6 en producción: el equilibrio coste-calidad
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.
Etiqueta
calidad
LLM-as-judge maduro: cuándo confiar y cuándo no
Usar un LLM como juez de otro LLM se generalizó en 2024 y sigue siendo la única forma escalable de evaluar calidad cualitativa. La pregunta madura es cuándo fiarse de esos números.
Evaluaciones de agentes en producción: el framework que funciona
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?
Code review asistido por IA: adopción honesta
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.