Anthropic ha publicado resultados de Claude en dos terrenos que hasta ahora quedaban fuera de la conversación habitual sobre modelos de lenguaje: el diseño de proteínas y la química analítica. En el primero, Claude generó proteínas candidatas para 15 objetivos y obtuvo resultado positivo en 14. En el segundo, Claude Opus 5 analizó datos de NMR y de LC-MS en minutos, con resultados comparables a los de un laboratorio. Lo interesante no es la cifra en sí, sino el tipo de tarea: son de las pocas donde el modelo no puede quedar bien sin acertar.
Catorce de quince: qué dice y qué no dice ese número
Un ratio de 14 sobre 15 impresiona, y conviene manejarlo con cuidado. Lo que confirma es que las candidatas propuestas por el modelo dieron resultado positivo frente a los objetivos planteados. Lo que no aclara la publicación es cómo se eligieron esos objetivos, cuánta iteración hubo detrás de cada candidata ni con qué se compara el rendimiento de un equipo humano en el mismo encargo. Sin esos datos, el número es una señal fuerte, no una medida de sustitución.
Aun con esa cautela, hay algo que distingue este resultado de la mayoría de anuncios de capacidad: es falsable en un banco de laboratorio. Una proteína candidata se sintetiza y se ensaya, y el ensayo no atiende a lo bien redactada que estuviera la propuesta. Ese es un régimen de evaluación mucho más duro que el habitual, y explica por qué este tipo de resultados pesa más que un salto en cualquier benchmark textual.
Es de las pocas tareas donde el modelo no puede aprobar por sonar convincente: o la proteína funciona en el ensayo o no funciona.
NMR y LC-MS: la parte lenta del trabajo real
La segunda mitad del anuncio es menos vistosa y probablemente más útil. La resonancia magnética nuclear y la cromatografía líquida acoplada a espectrometría de masas son dos técnicas rutinarias en cualquier laboratorio químico, y ambas producen el mismo cuello de botella: los datos salen rápido, pero interpretarlos es trabajo cualificado, manual y lento. Determinar la estructura de un compuesto a partir de un espectro es exactamente el tipo de tarea que consume horas de alguien caro.
Que Opus 5 llegue a conclusiones comparables en minutos no elimina al analista: desplaza dónde está su trabajo. Pasa de producir la interpretación a validarla, que es una tarea distinta y bastante más rápida. Es el mismo cambio de rol que ya conocemos en desarrollo, donde escribir la primera versión dejó de ser el paso caro y revisarla se convirtió en el que decide la calidad final.
Por qué importa aunque no pises un laboratorio
Para quien desarrolla, automatiza o monta webs, la lectura práctica no está en las proteínas. Está en el patrón: Claude está entrando en dominios donde existe una verificación externa y objetiva. Cuando la corrección no la juzga el usuario sino un ensayo, un espectro o un compilador, el margen para que un resultado plausible pase por bueno se reduce a cero.
Y ahí hay una lección transferible directa al trabajo diario. La diferencia entre un flujo automatizado que aguanta y uno que te explota en producción rara vez es el modelo: es si existe algo que compruebe el resultado sin pedirle opinión a nadie. Un test que pasa o falla, una respuesta HTTP con código, un esquema que valida. Los dominios científicos tienen esa comprobación incorporada; en un pipeline de contenidos o de despliegue, hay que ponerla a mano.
Una señal comercial, además de científica
Conviene leer también el momento. Anthropic lleva semanas publicando casos de uso empresariales y de investigación en paralelo a un crecimiento de ingresos que la sitúa camino de su salida a bolsa. Enseñar resultados en ciencia de materiales, farmacia y química no es solo divulgación: es demostrar que hay mercado más allá de la programación asistida, que es donde la competencia es más feroz y los márgenes más discutidos.
Para el lector técnico, la conclusión es sobria. No cambia nada en tu flujo de esta semana, y no hay ninguna función nueva que activar. Lo que cambia es la expectativa razonable sobre hasta dónde puede llegar un modelo cuando se le da un dominio con reglas verificables. Si algo así funciona en un espectro de resonancia, lo raro sería que no acabe funcionando en las partes de tu trabajo que también tienen una respuesta correcta comprobable.
