Ingeniería de Prompts en julio de 2026: la era del recorte

El panorama general: la era del recorte

Durante tres años, el reflejo cuando un modelo rendía por debajo de lo esperado era sumar: otra regla, otro ejemplo, otra línea de "IMPORTANTE: SIEMPRE…", otra barrera. En nueve días de este julio, tanto Anthropic como OpenAI publicaron una guía oficial de prompting que dice lo contrario. La instrucción ahora es restar.

• OpenAI (GPT-5.6, 9 de julio): eliminar instrucciones y ejemplos repetidos y simplificar las descripciones de herramientas mejora el rendimiento y la eficiencia de tokens. En una muestra de evaluaciones internas de agentes de código, las configuraciones con prompts de sistema más livianos mejoraron las puntuaciones un 10–15% mientras reducían los tokens 41–66% y el costo 33–67%.
• Anthropic (guía de prompting de Claude Fable 5): "Los skills desarrollados para modelos anteriores suelen ser demasiado prescriptivos para Claude Fable 5 y pueden degradar la calidad. Revisa y considera eliminar instrucciones antiguas si el rendimiento por defecto es mejor."

Dos laboratorios independientes, dos suites de evaluación independientes, una conclusión: el andamiaje que construiste para la generación anterior ahora es un impuesto sobre esta. Cuesta tokens, cuesta dinero y (lo nuevo) cuesta calidad.

Lo más accionable que puedes hacer este mes es un experimento de resta: toma tu mejor prompt de producción, borra un bloque y vuelve a correr tus evaluaciones. La probabilidad de que mejore acaba de subir mucho.

Claude Fable 5: lanzado, con control de exportación y restaurado

Anthropic lanzó Claude Fable 5 (y su hermano de investigación con menos salvaguardas, Mythos 5) el 9 de junio. Tres días después el gobierno de EE. UU. aplicó controles de exportación y, sin forma de verificar la nacionalidad en tiempo real, Anthropic suspendió el acceso para todos. Fable 5 volvió globalmente el 1 de julio, un apagón de 19 días de un modelo insignia, por regulación.

La lección de ingeniería del post-mortem importa más que el drama. El jailbreak que lo desencadenó no expuso capacidad única. Las pruebas de Anthropic mostraron que modelos más débiles identificaban las mismas vulnerabilidades. Golpeó un margen de seguridad deliberadamente amplio, y el arreglo (un clasificador que bloquea la técnica >99% de las veces) llegó con un costo explícito y declarado: más rechazos falsos-positivos en tareas rutinarias de código y depuración.

Si escribes prompts sobre seguridad, ciencias de la vida o razonamiento intensivo contra Fable 5, espera algún stop_reason: "refusal". El patrón recomendado de Anthropic es configurar un fallback a Opus 4.8 en lugar de pelear con el clasificador desde el prompt.

Cómo hacer prompts para Fable 5

1. El esfuerzo es el control principal, no un dial de "hazlo más listo". Usa high por defecto, xhigh solo para trabajo sensible a la capacidad, medium/low para tareas rutinarias. Un esfuerzo menor en Fable 5 a menudo supera a xhigh en modelos anteriores.

2. Ancla las afirmaciones de progreso en evidencia. El fragmento más valioso de la guía:

   "Antes de reportar progreso, audita cada afirmación contra un resultado de herramienta de esta sesión. Solo reporta trabajo que puedas respaldar con evidencia; si algo no está verificado aún, dilo explícitamente."

   Anthropic dice que esto "casi eliminó los reportes de estado fabricados."

3. Las instrucciones breves ganan a las enumeradas. Una directiva breve es tan efectiva como nombrar cada patrón no deseado: el principio de resta, concreto.

4. Construye un archivo de memoria. Una lección por archivo con un resumen de una línea arriba; actualiza en lugar de duplicar; borra las notas que resulten erróneas. Un Markdown basta.

5. Prefiere verificadores de contexto fresco sobre la autocrítica. Un subagente verificador que no vio el razonamiento del trabajador atrapa fallas que "revisa tu propio trabajo" pasa por alto.

6. Dos nuevos modos de falla. Fable 5 puede (a) terminar un turno declarando intención sin emitir la llamada a la herramienta, y (b) sugerir una sesión nueva por preocupación no solicitada por el presupuesto, normalmente cuando se le muestra una cuenta regresiva de tokens. No expongas los conteos de presupuesto al modelo.

7. Nunca instruyas que repita su razonamiento. Decirle que "muestre todo su razonamiento" o "transcriba su pensamiento" puede disparar un rechazo reasoning_extraction. Lee los bloques thinking estructurados vía API.

8. Los turnos duran más. Sube los timeouts de tu cliente antes de migrar, el tropiezo operativo más común.

GPT-5.6: Sol, Terra, Luna

OpenAI lanzó una familia de tres niveles el 9 de julio: Sol (insignia), Terra (medio), Luna (pequeño). Lo que cambia:

• Programmatic Tool Calling (PTC). El modelo escribe código que orquesta las herramientas; solo un resultado compacto vuelve al contexto. Lo clave es cuándo no usarlo: PTC es para reducción acotada de registros (filtrar, unir, deduplicar, agregar, validar por lotes). Usa llamadas directas cuando cada resultado cambia la siguiente decisión, cuando una acción necesita aprobación, cuando hay que preservar citas, o cuando se necesita juicio semántico entre llamadas.
• La verbosidad es un parámetro de API, no una línea del prompt. Define el nivel con text.verbosity y reserva el prompt para longitud específica de la tarea. Re-evalúa tus instrucciones de "sé conciso".
• El caché se vuelve predecible. Puntos de corte explícitos y 30 minutos de vida mínima. La regla de siempre: prefijo estable, sin tokens volátiles en la región cacheada.
• Receta de migración de esfuerzo. Mantén tu esfuerzo actual como base y prueba el mismo nivel y uno menos. Antes de subirlo, revisa si al prompt le falta un criterio de éxito, una regla de dependencia, una de enrutamiento de herramientas o un bucle de verificación.
• ultra coordina agentes en paralelo (cuatro por defecto, hasta dieciséis) para tareas que se descomponen en subtareas independientes.

¿Cuál es el mejor modelo de código? Es una frontera de Pareto

Sol lidera el Coding Agent Index (80 vs 77.2) y Terminal-Bench 2.1 (88.8% vs 83.1%) con menos de la mitad de tokens de salida, pero en SWE-Bench Pro, Fable 5 obtiene 80% contra el 64.6% de Sol, una brecha de 15 puntos a favor de Anthropic, en los propios números publicados de OpenAI.

La lectura honesta: Sol gana en eficiencia y trabajo agéntico/terminal; Fable 5 mantiene ventaja en ingeniería de repositorios difícil e inteligencia agregada. Evalúa en tu carga de trabajo.

Gemini 3.5 Pro sigue sin salir

A mediados de julio, Gemini 3.5 Pro sigue en preview limitada sin model card, sin benchmarks publicados y sin precio final. La guía, vindicada dos veces: no rediseñes tu arquitectura en torno a capacidades no confirmadas. Mantén tu harness de evaluación agnóstico al modelo.

La investigación se pone al día: el contexto como artefacto vivo

Agentic Context Engineering (ACE, arXiv:2510.04618, ICLR 2026) trata al contexto no como un archivo estático que escribes una vez, sino como un artefacto que el agente evoluciona: genera, reflexiona, cura. Ganancias reportadas: +10.6% en código, +8.6% en razonamiento financiero (reportado por los autores; no replicado aquí).

La convergencia es la señal: el "cura el contexto, elimina lo que falló" de ACE es casi textual a la instrucción de archivos de memoria de Anthropic.

Qué lanzamos en PromptArch

Incorporamos este informe al producto la misma semana, y, por nuestro propio principio, al linter tanto como al generador, para que la guía te llegue ya sea que construyas en el navegador, desde la CLI o vía MCP:

• Nuevos modelos objetivo. Claude Fable 5 / Mythos 5 y GPT-5.6 ahora son seleccionables en el constructor y en Studio, cada uno con un perfil de optimización que codifica la guía anterior.
• Un principio de resta recorre ahora cada prompt generado: la versión más liviana que especifica completamente la tarea.
• Nuevas reglas de lint deterministas, gratis y sin conexión en el linter, la CLI y el servidor MCP: detección de eco de razonamiento, verificación de instrucciones de verbosidad, cuenta regresiva de contexto, inflación de énfasis y detección de líneas duplicadas.
• Un nuevo artefacto de Studio (Archivo de Memoria de Agente) que genera una política MEMORY.md, con un formato de lint a juego.

Tu checklist de la semana

1. Haz un experimento de resta en tu prompt más valioso. Borra un bloque; vuelve a evaluar.
2. Audita las instrucciones de eco de razonamiento. Reemplázalas con bloques de pensamiento estructurados. Revisa un archivo gratis.
3. Agrega la instrucción de auditoría de progreso a cualquier agente de larga duración.
4. Sube los timeouts del cliente antes de migrar a Fable 5.
5. Decide PTC vs. llamadas directas por etapa, no por app.
6. No construyas sobre Gemini 3.5 Pro todavía.