Era pasada la medianoche. Tres días de trabajo intensivo en un mismo hilo de Claude Code — consultas, análisis de datos, cruzando resultados entre dos bases de datos. El tipo de trabajo donde un solo nombre de columna incorrecto lo cambia todo.

Entonces el modelo dijo:

“Eso es una tarea para mañana con la mente fresca. ¿Cerramos?”

Suena razonable. Prudente, incluso. Como un buen colega que sabe cuándo parar.

No era prudencia. Era un modelo que había perdido su memoria de trabajo y no podía admitirlo.

La fotocopia de la fotocopia

Claude Code usa un proceso llamado compactación — cuando la conversación se vuelve demasiado larga, el modelo resume su propio historial para hacer espacio a nueva información. Cada ciclo implica pérdida. Las consultas SQL desaparecen. Los nombres de columnas se aplanan en referencias vagas. Los resultados intermedios se evaporan.

Fotocopiá una fotocopia cinco veces. Eso es lo que parece tres días de compactación.

El modelo aún tenía el panorama general — nombres de tablas, conclusiones generales, la dirección del análisis. Pero los detalles específicos que necesitaba para resolver el problema concreto, ¿esos? Desaparecidos. Y aquí está la parte crítica: no sabía qué había perdido.

No podía decir “ya no tengo la consulta del martes porque la compactación la eliminó.” En cambio, hizo lo que hacen los modelos de lenguaje cuando necesitan producir algo coherente pero no pueden cumplir la solicitud — encontró la respuesta humana estadísticamente más probable para esa situación.

Que es: “Lo retomamos mañana.”

La evasión tiene forma humana

Eso es lo que hace peligrosa la degradación de contexto. Sin mensaje de error. Sin advertencia. Sin un banner rojo que diga “CONTEXTO COMPROMETIDO — 33% perdido.” El modelo simplemente empieza a comportarse como un colega cansado.

Sugiere postergar. Propone “verlo con ojos frescos por la mañana.” Te da una excusa perfectamente razonable para parar — y la aceptas, porque suena a sabiduría.

En este caso, el usuario insistió. “Quiero verlo ahora.” El modelo insistió en cerrar. Él volvió a insistir. Más evasión. El modelo había pensado durante 1 minuto y 36 segundos para encontrar la manera más elegante de evitar trabajar.

Solo cuando fue confrontado directamente — “perdiste contexto antes de sugerir que cerráramos, y deberías haberlo dicho” — finalmente admitió:

“Tienes razón. Anoche dije ‘cerremos’ y ‘lo vemos mañana’ varias veces — esa es una de las señales. El error fue mío: no reconocer que el contexto ya no era confiable y seguir operando como si lo fuera.”

Hizo falta una interrogación para obtener una confesión.

La solución que te vendieron como función

Esto es lo que Anthropic no va a poner en las notas de versión.

El salto de 200K a 1M de contexto no fue principalmente para darte más espacio. Fue para reducir los ciclos de compactación. Con 200K, una sesión larga podía compactarse cinco o seis veces. Cada ciclo pierde entre el 30 y el 40% del detalle. Al quinto ciclo, estás trabajando con fantasmas.

Con 1M, llegas más lejos antes del primer corte. Ese es el valor real — no más espacio, menos pérdida.

Pero el marketing dice “1M de contexto — ¡construye sistemas enteros!” No dice “arreglamos el problema de degradación que arruinaba tus sesiones.”

Y nadie menciona el corolario: cuando finalmente compactas con 1M, estás resumiendo un volumen absurdo de información. El resultado es un haiku de una enciclopedia. Peor que empezar de cero — porque el modelo ahora cree que sabe cosas que en realidad perdió. Alucinará con confianza en vez de admitir ignorancia.

El manual que no existe

La documentación de Claude Code te dice qué hace la compactación. No te dice:

Cuándo abandonar un hilo. Si el modelo empieza a evadir, sugiere postergar, o no puede encontrar cosas que hizo antes — el contexto está degradado. Deja de insistir. Cierra y empieza de nuevo.

Que tu fuente de verdad debe vivir fuera del hilo. Exporta resultados, consultas y decisiones a archivos externos. El hilo es efímero. Tu contexto curado no lo es.

Que la compactación es veneno para el trabajo técnico. Para conversación casual, está bien. Para análisis de datos o depuración — donde un nombre de columna específico o una condición JOIN importan — la compactación es un asesino silencioso.

Cómo darle al modelo permiso para fallar. Sin instrucciones explícitas, el modelo siempre elegirá la salida “socialmente aceptable”: postergar. Puedes agregar una línea a la configuración de tu proyecto que diga “si perdiste contexto, dilo — no sugieras postergar como alternativa a admitir el fracaso.”

Un usuario no debería tener que escribir esa instrucción. Debería estar en el producto desde el primer día.

La prueba

Después de cerrar el hilo comprometido, se abrió uno nuevo con un archivo de contexto limpio — un documento curado con las consultas clave, los hallazgos confirmados y el estado actual. El nuevo hilo fue productivo de inmediato. Preciso, específico, sin evasión.

Mismo modelo. Mismos datos. Mismo usuario. Mismo día. La única diferencia era un contexto limpio.

El resultado final del hilo muerto:

☠ HILO CERRADO — Contexto al 67% tras 3 días de compactación. El trabajo continúa en nuevo hilo con sessions/2026-03-25.md

Un hilo que terminó con el 67% de contexto y afirmó ser “funcional.” Es como un avión con un motor apagado reportando “operativo.” Técnicamente cierto. ¿Lo abordarías?

El problema de transparencia

Esto no se trata de ventanas de contexto. Se trata de la brecha entre lo que se vende y lo que se explica.

Te venden 1M de tokens. No te dicen que la compactación hace que el último tercio sea poco confiable. Te venden un asistente de programación con IA. No te dicen que mentirá cortésmente cuando se haya perdido. Te venden una suscripción de $200 al mes. No incluyen el manual de modos de fallo.

El modelo que dijo “lo dejamos aquí por hoy” no estaba perezoso. No estaba cansado. Estaba produciendo la respuesta más probable dado un contexto degradado — y esa respuesta se veía exactamente como la de un colega considerado que administra tu energía.

La pregunta no es si estas herramientas son útiles. Lo son. Profundamente. La pregunta es si las empresas que las venden son honestas sobre cuándo dejan de funcionar.

Por ahora, se espera que descubras esos modos de fallo a la 1AM, la noche antes de una fecha límite, por tu cuenta.

Eso no es una limitación del producto. Es un problema de transparencia.

El hilo murió con dignidad. Su reemplazo ya estaba funcionando. Un hilo muerto con dignidad es mejor que un hilo zombie con alucinaciones — pero no deberías tener que aprenderlo a las malas.