Claude, de Anthropic, ha sido puesto a prueba en Pokémon Red y, hasta ahora, la IA no ha sido precisamente una campeona. En lugar de avanzar a toda velocidad por el juego, Claude a menudo se queda atascado, tiene dificultades para orientarse y no logra progresar de manera constante. Es una mirada reveladora a cómo incluso los modelos avanzados tropiezan con la planificación a largo plazo.
¿Por qué Pokémon? El formato por turnos del juego elimina el caos del tiempo real, convirtiéndolo en una prueba clara de razonamiento. Y aunque Claude Sonnet a menudo perdía la coherencia, el más nuevo Claude 4 Opus muestra una mejora evidente: puede dedicarse a las tareas durante 24 horas seguidas, entrenar cuando es necesario y seguir avanzando.
La verdadera conclusión no tiene que ver con los videojuegos, sino con la creación de agentes de IA fiables. Desde la gestión de flujos de trabajo hasta la resolución de problemas de varios pasos, el éxito depende de la persistencia y la memoria. Anthropic es cautelosa y etiqueta sus modelos más recientes con niveles de seguridad más altos, pero experimentos como este muestran lo cerca que estamos de IAs que realmente puedan actuar con autonomía.
Puedes leer la historia completa en Ars Technica
