DeepSeek supera a Claude Opus 5 en código y agentes: una señal seria que aún falta verificar

DeepSeek habría superado a Claude Opus 5, de Anthropic, en dos frentes clave. En pruebas de ingeniería de software obtiene un 77%, frente al 74% de Opus 5. En Automation Bench, una prueba centrada en agentes autónomos, saca 60,5 puntos frente a 50,3. Un agente autónomo es un modelo que encadena acciones por sí solo para completar una tarea, sin que una persona supervise cada paso.

La diferencia en programación es de 3 puntos, así que es estrecha. La de agentes es de unos 10 puntos, cerca de un 20% más, y eso ya es una distancia notable. El material disponible procede de un vídeo corto y no precisa qué versión de DeepSeek se evaluó, qué variante de cada prueba se usó ni quién hizo las mediciones. Hasta que esos datos se publiquen, conviene tratar las cifras como provisionales.

Hay un matiz más. La comparación se hace con Opus 5, que no es el modelo más fuerte de Anthropic en nuestros índices: ese puesto lo ocupa Fable 5. «Supera a Claude» no equivale a «supera a la frontera».

Nuestra lectura: el dato encaja con una tesis que repetimos a menudo. China cierra la brecha deprisa, sobre todo con modelos de pesos abiertos, que cualquiera puede descargar y ejecutar. Que el avance se note precisamente en agentes importa, porque ahí se está desplazando la competencia. Aun así, aplicamos nuestra regla: medir antes que creer el marketing. Si evaluadores independientes confirman estas cifras en pruebas difíciles, sería una buena noticia de fondo. Más competencia y modelos abiertos más capaces abaratan la automatización útil y la ponen al alcance de muchos más usuarios.