Ingeniería de Prompts en Mayo de 2026: El Cambio de Generación de Modelos

El panorama general: tres generaciones de modelos en tres semanas

Ocurrió algo poco frecuente el último mes: los tres principales proveedores de IA lanzaron una nueva generación de modelos con apenas semanas de diferencia entre sí. Claude Opus 4.7 llegó el 16 de abril, GPT-5.5 se convirtió en el modelo predeterminado de ChatGPT el 5 de mayo, y Google presentó Gemini 3 en I/O el 12 de mayo.

Cada generación de modelos trae su propia filosofía de prompting. El tema unificador entre las tres es un giro de un enfoque centrado en el proceso hacia uno centrado en el resultado. Estos modelos manejan la complejidad del razonamiento internamente. Necesitan que quienes los usan describan el destino con precisión y luego se aparten del camino.

Esto es lo que cambió y qué hacer al respecto.

Claude Opus 4.7: Di exactamente lo que quieres decir

Claude Opus 4.7 es el modelo de disponibilidad general más capaz de Anthropic. Obtuvo 87.6% en SWE-bench Verified (frente al 80.8% de Opus 4.6), y sus capacidades de visión ahora admiten imágenes de hasta 2,576 píxeles en el lado más largo, más de tres veces la resolución anterior.

El cambio de prompting más importante: Opus 4.7 interpreta las instrucciones de forma más literal que 4.6. Los prompts que dependían de que el modelo llenara vacíos o infiriera restricciones no declaradas ahora rinden peor. Si quieres un formato, longitud, tono o estructura específicos, debes indicarlo explícitamente.

Qué empezar a hacer

• Audita los prompts existentes en busca de suposiciones implícitas. Cualquier restricción que asumías que el modelo inferiría debe escribirse explícitamente.
• Sé explícito sobre el formato de salida (JSON, markdown, texto plano), la longitud (cantidad de palabras o párrafos), el tono (formal, conversacional, técnico) y la estructura (secciones, encabezados, viñetas).

Qué dejar de hacer

• Elimina el andamiaje que los modelos anteriores necesitaban. Instrucciones como "verifica dos veces el diseño de la diapositiva antes de responder" o mensajes de estado intermedios forzados ya no son necesarias. Opus 4.7 se autoverifica y emite actualizaciones de progreso de forma nativa. Quitar este andamiaje mejora la calidad de la salida al reducir el ruido en el conjunto de instrucciones.

Nuevas capacidades

• Nivel de esfuerzo xhigh. Anthropic introdujo un quinto nivel de esfuerzo entre "high" y "max". Es el predeterminado en Claude Code para tareas de codificación agéntica. Usa xhigh para codificación y flujos de trabajo agénticos de varios pasos, high para tareas sensibles a la inteligencia, medium para conversación estándar, y low para clasificación y extracción.
• Resolución de visión 3x. Hojas de cálculo densas, diagramas complejos, capturas de dashboards y notas manuscritas que antes eran ilegibles ahora pueden procesarse con alta fidelidad.

Junto con Opus 4.7, Anthropic lanzó Claude Design, una vista previa de investigación para crear salidas visuales en vivo basadas en HTML mediante iteración conversacional, y Claude for Small Business, un paquete de conectores para QuickBooks, PayPal, HubSpot y otras plataformas.

GPT-5.5: El prompting centrado en el resultado se vuelve oficial

GPT-5.5 es ahora el modelo predeterminado en ChatGPT y en la API de OpenAI. Admite una ventana de contexto de 1M de tokens, entrada de imágenes, salidas estructuradas, function calling, MCP y búsqueda web.

La guía de prompting de OpenAI hace explícito el cambio de paradigma: los mejores prompts para GPT-5.5 suelen ser más cortos y simples. La complejidad que antes vivía en el prompt ahora la maneja el modelo.

Tres cambios para interiorizar

1. Deja de describir esquemas de salida en los prompts. Usa Structured Outputs (el parámetro de API response_format) para validación automática y mayor precisión. Esta es ahora la recomendación oficial.
2. Pon la guía de herramientas en las descripciones de las herramientas, no en los prompts de sistema. Qué hace una herramienta, cuándo usarla, entradas requeridas, efectos secundarios, seguridad ante reintentos, modos de error comunes: todo esto pertenece a la descripción de la propia herramienta. Las instrucciones de sistema solo deben contener políticas transversales que apliquen a todas las herramientas.
3. Usa párrafos simples por defecto. OpenAI ahora recomienda la prosa como formato predeterminado para conversación, explicaciones, informes y documentación. Los encabezados, el texto en negrita, las viñetas y las listas numeradas deben usarse con moderación: solo cuando el usuario los solicite, cuando se necesite clasificar o comparar, o cuando la prosa sea más difícil de escanear.

Formato predeterminado

Vale la pena remarcarlo: GPT-5.5 produce mejores resultados cuando los prompts no fuerzan un formato estructurado en todas partes. Si has estado agregando "responde con viñetas" o "usa encabezados para cada sección" por defecto, prueba a eliminarlo. La salida en prosa natural del modelo suele ser de mayor calidad.

Gemini 3: El salto de razonamiento y la visión agéntica

Google lanzó Gemini 3 en I/O 2026 (12 de mayo), representando su mayor salto de modelo desde la transición de Gemini 1 a 2. Gemini 3 Pro ofrece mejoras significativas en razonamiento, seguimiento de instrucciones, uso de herramientas y capacidades de contexto largo en comparación con Gemini 2.5 Pro.

Lo más destacado: Visión Agéntica

Agentic Vision, disponible en Gemini 3 Flash, combina razonamiento visual con ejecución de código. El modelo puede formular planes para hacer zoom, inspeccionar y manipular imágenes paso a paso, fundamentando sus respuestas en evidencia visual. Esto es fundamentalmente distinto a pedirle a un modelo que describa una imagen: puedes pedirle que la investigue.

Cambios de prompting

• Reemplaza el chain-of-thought explícito por el parámetro de API. Si usabas prompting de CoT complejo para forzar el razonamiento de Gemini 2.5, prueba Gemini 3 con thinking_level: "high" y prompts simplificados en su lugar. El parámetro anterior thinking_budget está en desuso.
• Deja de sobrescribir la temperatura. Elimina los ajustes manuales de temperatura y usa el valor predeterminado de Gemini 3 de 1.0. Configurarlo por debajo de 1.0 puede causar bucles o degradar el rendimiento.
• Usa la variante de modelo correcta. Gemini 3 Pro Preview fue discontinuado el 26 de marzo de 2026. Usa gemini-3.1-pro-preview para proyectos actuales. Si el modelo ignora las herramientas personalizadas, prueba gemini-3.1-pro-preview-customtools.

La pila de protocolos se consolida

Desde marzo, la pila de protocolos MCP + A2A pasó de ser un consenso emergente a ser el estándar empresarial.

MCP superó los 97 millones de descargas mensuales de SDK (Python + TypeScript combinados) y ha sido adoptado por todos los principales proveedores de IA: Anthropic, OpenAI, Google, Microsoft y Amazon. Tanto MCP como A2A están ahora bajo la gobernanza de la Agentic AI Foundation (AAIF) de la Linux Foundation, lanzada en diciembre de 2025 con seis cofundadores.

Google ADK 1.0 alcanzó disponibilidad general en Cloud Next 2026 para Python, Go, Java y TypeScript. El protocolo A2A superó las 150 organizaciones en producción. La arquitectura está cada vez más estandarizada: MCP para el acceso a herramientas (cómo los agentes interactúan con sistemas externos) y A2A para la colaboración entre agentes (cómo los agentes de IA trabajan juntos).

Para quienes se dedican a la ingeniería de prompts, esto significa que el trabajo se está expandiendo. Ya no se trata solo de escribir prompts de sistema: ahora también se escriben descripciones de herramientas, se definen los límites de los roles de los agentes y se diseñan pipelines de ensamblaje de contexto.

La ingeniería de contexto se vuelve mainstream

En abril, Gartner declaró que la ingeniería de contexto es la capacidad de IA revelación de 2026. Los datos lo respaldan: según el 2026 State of Context Management Report, el 82% de los líderes de TI y datos coincide en que la ingeniería de prompts por sí sola ya no es suficiente para impulsar la IA a escala, y el 95% de los equipos de datos planea invertir en capacitación de ingeniería de contexto este año.

Agentic Context Engineering (ACE), presentada por investigadores de Stanford University, SambaNova Systems y UC Berkeley, trata el contexto como un playbook en evolución que el agente puede actualizar con el tiempo, en lugar de un prompt fijo. Esta es la articulación más clara de la diferencia entre la ingeniería de prompts (optimizar instrucciones estáticas) y la ingeniería de contexto (diseñar entornos de información dinámicos).

Dos técnicas están emergiendo como críticas para agentes que trabajan en horizontes temporales extendidos:

• Compactación: Resumir y descartar el razonamiento intermedio para evitar la contaminación del contexto a medida que crece la longitud de la conversación.
• Toma de notas estructurada: Enseñar a los agentes qué recordar y qué olvidar, manteniendo una memoria de trabajo curada en lugar de una ventana de contexto sin límites.

Qué hacer esta semana

Si usas Claude:

• Audita tus prompts en busca de suposiciones implícitas. El seguimiento literal de instrucciones de Opus 4.7 implica que las restricciones no declaradas se pasarán por alto. Sé explícito sobre formato, longitud, tono y estructura.
• Prueba el nivel de esfuerzo xhigh para tareas agénticas y de codificación. Elimina el andamiaje manual (actualizaciones de estado forzadas, instrucciones de autoverificación): el modelo las maneja de forma nativa.
• Si trabajas con imágenes, vuelve a probar con la visión de mayor resolución de Opus 4.7. Documentos y dashboards que antes eran ilegibles ahora podrían procesarse.

Si usas OpenAI:

• Traslada los esquemas de salida de los prompts a Structured Outputs. Esta es ahora la recomendación oficial para GPT-5.5.
• Traslada la guía de herramientas de los prompts de sistema a las descripciones de las herramientas. Los prompts de sistema deben contener solo políticas transversales.
• Prueba si tus prompts pueden acortarse. GPT-5.5 maneja la complejidad para la que los modelos anteriores necesitaban instrucciones explícitas paso a paso.

Si usas Google:

• Migra de Gemini 2.5 Pro a Gemini 3.1 Pro. Reemplaza el prompting de chain-of-thought explícito por thinking_level: "high".
• Elimina los ajustes manuales de temperatura y usa el nuevo valor predeterminado (1.0).
• Explora Agentic Vision para cualquier flujo de trabajo que implique análisis de imágenes o razonamiento visual.

Para todas las plataformas:

• Invierte en infraestructura de ingeniería de contexto (pipelines de recuperación, esquemas de herramientas, memoria estructurada) por encima de prompts de sistema más largos.
• Escribe las descripciones de herramientas con tanto cuidado como escribes los prompts de sistema: aquí es donde el esfuerzo de prompting cada vez entrega el mayor retorno de inversión.