DeepSeek supera a Claude Opus 5 en código y agentes: un aviso serio, pero no el fin del liderazgo occidental

Según la información disponible, DeepSeek ha superado a Claude Opus 5, de Anthropic, en dos frentes. En pruebas de ingeniería de software obtiene un 77% frente al 74% del modelo de Anthropic. En Automation Bench, que mide tareas de agentes autónomos, saca 60,5 frente a 50,3.

Las dos diferencias no pesan igual. Tres puntos en código entran dentro de lo que suele separar a configuraciones distintas de una misma evaluación. Diez puntos en tareas agénticas, en cambio, son una ventaja clara. La nota no dice qué versión de DeepSeek se evaluó ni con qué metodología. Tampoco precisa qué benchmark de ingeniería de software se usó.

El contexto importa. En nuestro índice de calidad, el modelo de referencia de Anthropic es Fable 5, no Opus 5. Así que la comparación no mide a DeepSeek contra lo mejor de Anthropic. Encaja con una tesis que llevamos tiempo defendiendo: la frontera abierta china (DeepSeek, GLM, Qwen, Kimi) cierra la brecha rápido, sobre todo en código y agentes.

Nuestra lectura: hay que tomarlo en serio, pero sin comprar el titular entero. Un «supera a» casi siempre es un recorte favorable. Necesitamos verlo confirmado en benchmarks duros e independientes antes de hablar de un relevo. Lo relevante de fondo es otra cosa. Si un modelo de pesos abiertos rinde así en tareas de agentes, automatizar ese trabajo será mucho más barato y estará al alcance de más gente. A corto plazo, eso aumenta la presión sobre el empleo más rutinario y sobre los márgenes de los laboratorios cerrados. A largo plazo, es la democratización que alimenta la abundancia.