Un robot de cuatro patas, una cámara, un sensor LiDAR y una pelota de playa. Con esos elementos, Anthropic ha vuelto a poner a prueba a Claude en el mundo físico, no solo en una pantalla. El resultado más llamativo es claro, Claude Opus 4.7 completó tareas de conexión, sensores y programación de un robot cuadrúpedo mucho más rápido que los equipos humanos del experimento anterior.
La noticia tiene truco, y conviene contarlo desde el principio. La IA no ha resuelto la robótica ni ha aprendido a moverse por el mundo como una persona. Pero sí muestra algo importante, los modelos de lenguaje empiezan a usar herramientas físicas reales con una soltura que hace poco parecía lejana.
Un robodog de prueba
El experimento se llama Project Fetch y lo dirige el Frontier Red Team de Anthropic. En la segunda fase, publicada el 18 de junio de 2026, el trabajo aparece firmado por Michael Ilie, C. Daniel Freeman y Kevin K. Troy.
La primera prueba se hizo en agosto de 2025 con empleados de Anthropic que no eran expertos en robótica. Un equipo usó Claude Opus 4.1 y otro trabajó sin el modelo, apoyándose en internet y en su propia habilidad. El grupo con Claude avanzó más y fue más rápido, pero la IA no pudo completar las tareas por sí sola.
Qué hizo Claude
En la nueva ronda, Anthropic combinó Claude Opus 4.7 con Claude Code, su herramienta para leer código, editar archivos y ejecutar comandos en entornos de desarrollo. En la práctica, eso significa que el modelo no solo responde, también puede trabajar sobre un sistema real de software.
El papel del investigador fue limitado. Conectó un portátil al robot, introdujo la solicitud inicial y aprobó comandos, pero Claude hizo el resto del proceso técnico. Entre otras cosas, conectó la cámara, accedió al sensor LiDAR y creó programas para controlar el robot y seguir su movimiento.
El LiDAR es un sensor que ayuda al robot a medir lo que tiene alrededor usando luz. No hace falta imaginar ciencia ficción, es más parecido a darle al robot una forma básica de orientarse en una habitación llena de obstáculos.
La cifra clave
En las cuatro tareas que habían completado ambos equipos humanos en 2025, Claude Opus 4.7 tardó 9 minutos y 35 segundos. El equipo humano sin Claude había necesitado 361 minutos, y el equipo con Claude, 181 minutos. Por eso Anthropic habla de una mejora de casi 38 veces frente al grupo sin IA y de casi 19 veces frente al grupo asistido por Claude.
Cuando se cuentan todas las tareas evaluadas en la segunda fase, Claude Opus 4.7 completó el trabajo en una media de 12 minutos y 7 segundos. El equipo con Claude del año anterior había tardado 264 minutos en esas mismas tareas. No es una mejora pequeña. Es un salto de ritmo.
Anthropic también destaca otro detalle menos vistoso, pero muy revelador. Claude escribió mucho menos código que el equipo humano asistido y, aun así, logró un rendimiento similar o mejor en varias partes del experimento.
Dónde falló
La parte difícil seguía siendo la más física. Claude consiguió colocar el robot detrás de la pelota de playa y prepararlo para empujarla, pero no logró devolverla de forma precisa al punto de partida. Ahí la historia cambia.
El problema se llama «control de bucle cerrado». Dicho sin jerga, consiste en mirar lo que acaba de pasar, corregir el movimiento y volver a ajustar la acción una y otra vez. Es lo que hacemos al empujar una silla sin pensarlo demasiado, pero para una IA y un robot sigue siendo bastante complicado.
Anthropic reconoce que los modelos actuales todavía tienen problemas con esa sutileza. Un investigador con más experiencia en robótica sí consiguió programar la tarea final, y la compañía cree que Claude podría llegar a hacerlo con más tiempo y mejores apoyos.
Por qué importa
La expresión clave aquí es «IA de agente físico». Significa una IA capaz de usar herramientas del mundo real, al menos en tareas concretas, y no solo aplicaciones digitales. No hablamos de un robot autónomo general, sino de un modelo que empieza a manejar hardware comercial con bastante facilidad.
Lo más interesante es que Anthropic asegura que este avance no nace de entrenar a Claude específicamente para robótica. Según la compañía, apareció en gran medida por el escalado general del modelo, igual que antes ocurrió con herramientas de software y algunos trabajos de ciberseguridad.
Ese patrón cambia la pregunta. Antes se trataba de saber si la IA podía ayudar a una persona a programar un robot. Ahora empieza a plantearse otra cosa, cuándo bastará con que una persona supervise mientras la IA hace gran parte del trabajo técnico.
Lo que falta
Aun así, conviene pisar el freno. Project Fetch es una prueba controlada, con un robot concreto, tareas concretas y supervisión humana para aprobar comandos. No demuestra que Claude pueda manejar cualquier máquina ni que los robots vayan a operar solos en entornos complejos mañana por la mañana.
El siguiente paso será comprobar si estos modelos pueden mantener la misma rapidez cuando el mundo se vuelve más desordenado. Polvo, errores de sensores, obstáculos inesperados o una pelota que rueda mal pueden cambiarlo todo. La robótica real rara vez se porta como una demo.
Anthropic resume el fondo del asunto con prudencia. Hace no tanto parecía raro imaginar modelos creando y usando herramientas de software por su cuenta, y hoy ya ocurre. «Sería imprudente descartar» una trayectoria parecida en hardware, sostiene el equipo.
El trabajo oficial se ha publicado en Anthropic.
