DeepSeek supera a Claude Opus 5 en código y agentes: un aviso serio que aún hay que verificar en pruebas duras

Según la nota de vídeo que analizamos, DeepSeek ha superado a Claude Opus 5, de Anthropic, en dos frentes. En pruebas de ingeniería de software saca un 77% frente al 74% de Opus 5. En Automation Bench, una prueba de tareas automatizadas, la diferencia es mayor: 60,5 frente a 50,3. La nota destaca sobre todo su rendimiento con agentes autónomos, es decir, sistemas que encadenan pasos y herramientas sin que una persona intervenga en cada uno.

Nuestra tesis es esta: el dato de agentes es el que importa, pero por ahora es una señal, no un veredicto. Los 3 puntos en ingeniería de software son una ventaja estrecha. Esa diferencia puede cambiar según la versión de la prueba, la configuración o el número de intentos. Los 10 puntos en automatización ya son otra cosa. Si se confirman en condiciones comparables, indicarían que un laboratorio chino compite de verdad en la capa donde hoy se juega la productividad.

También conviene ser honestos sobre lo que no sabemos. La nota no dice qué modelo concreto de DeepSeek se evaluó. Tampoco qué versión de la prueba de ingeniería de software se usó, ni quién hizo las mediciones. Sin eso no podemos situar el resultado en nuestros índices. En la comparativa de Zendoric, DeepSeek V4-Pro aparece en 66 puntos de Calidad, por debajo de otros modelos chinos como GLM-5.2 y Qwen3.7-Max. Esta noticia sugiere un salto, pero no lo demuestra.

Nuestra lectura: el resultado encaja con un patrón que llevamos meses siguiendo. China cierra la brecha deprisa, y lo hace sobre todo con modelos de pesos abiertos (open-weight), que cualquiera puede descargar y ejecutar. Pero «supera a X» suele ser una forma de contar la noticia, y hay que verificarlo en pruebas exigentes y no saturadas antes de darlo por bueno. Además, en agentes la puntuación del modelo no lo es todo. El cuello de botella real suele estar en la supervisión humana y en la gobernanza: quién delega, quién vigila y quién puede cortar el acceso. Si DeepSeek mantiene esta ventaja con un coste bajo y pesos abiertos, la buena noticia de fondo es la democratización: automatización competitiva al alcance de más empresas y países. A largo plazo, eso apunta hacia la abundancia, no hacia la concentración.