Claude Opus 4.6: pensamiento adaptativo y effort en tu agente Python

El 5 de febrero de 2026 Anthropic lanzó Claude Opus 4.6. Para quien construye agentes, lo relevante no es solo el modelo, sino cómo cambia la forma de controlar cuánto razona. En este post vemos qué trae y cómo aprovecharlo desde el Claude Agent SDK para Python.

Lo que trae Opus 4.6

Según el anuncio y las notas de versión de la plataforma:

• ID del modelo: claude-opus-4-6. El precio se mantiene en US$ 5 / US$ 25 por millón de tokens de entrada y salida.
• Hasta 128k tokens de salida por respuesta y ventana de 1M de tokens en beta, la primera en un modelo Opus.
• Pensamiento adaptativo (thinking: {type: "adaptive"}): el modelo decide cuándo le conviene razonar más. Las notas lo recomiendan para Opus 4.6 y marcan como obsoleto el modo manual (type: "enabled" con budget_tokens).
• Effort con cuatro niveles: low, medium, high (por defecto) y max. Ese mismo día dejó de requerir encabezado beta.
• Compaction API en beta: resume en el servidor el contexto antiguo para sostener tareas largas.
• Equipos de agentes (agent teams) en Claude Code como research preview.

Doce días después, el 17 de febrero, salió Claude Sonnet 4.6, también con ventana de 1M en beta.

Pensamiento adaptativo: deja de adivinar presupuestos

Con el modo manual tenías que fijar un budget_tokens: si era bajo, el modelo razonaba poco en tareas difíciles; si era alto, gastabas en tareas triviales. Con el modo adaptativo el modelo evalúa cada petición y decide si piensa y cuánto. Tu palanca pasa a ser effort, una señal de cuánto esfuerzo invertir en toda la respuesta.

Para un agente que trabaja con Odoo esto es natural: "¿qué campos tiene sale.order?" no necesita lo mismo que "¿por qué este compute recalcula en bucle?".

Del API al Agent SDK

El 13 de febrero se publicó en PyPI la versión 0.1.36 de claude-agent-sdk. Su CHANGELOG agrega a ClaudeAgentOptions:

• thinking, con los tipos ThinkingConfigAdaptive, ThinkingConfigEnabled y ThinkingConfigDisabled. Tiene prioridad sobre max_thinking_tokens, que queda obsoleto.
• effort, con los valores "low", "medium", "high" y "max".

Verificamos los nombres contra el código fuente de la versión 0.1.36 (types.py) e instalamos esa versión para comprobar que el siguiente script construye sus opciones sin errores.

Ejemplo: revisor de módulos Odoo con dos niveles de esfuerzo

import asyncio

from claude_agent_sdk import (
    AssistantMessage,
    ClaudeAgentOptions,
    ResultMessage,
    TextBlock,
    query,
)


def opciones(effort: str) -> ClaudeAgentOptions:
    return ClaudeAgentOptions(
        model="claude-opus-4-6",
        thinking={"type": "adaptive"},   # el modelo decide cuánto pensar
        effort=effort,                   # "low" | "medium" | "high" | "max"
        allowed_tools=["Read", "Grep", "Glob"],  # solo lectura
        cwd="addons/mi_modulo",
        max_budget_usd=2.0,              # tope de gasto por ejecución
        system_prompt="Eres un revisor de módulos Odoo 19. No edites archivos.",
    )


async def ejecutar(prompt: str, effort: str) -> None:
    async for mensaje in query(prompt=prompt, options=opciones(effort)):
        if isinstance(mensaje, AssistantMessage):
            for bloque in mensaje.content:
                if isinstance(bloque, TextBlock):
                    print(bloque.text)
        elif isinstance(mensaje, ResultMessage):
            costo = mensaje.total_cost_usd or 0
            print(f"[effort={effort}] turnos={mensaje.num_turns} costo=US$ {costo:.4f}")


async def main() -> None:
    # Tarea simple: inventario del módulo
    await ejecutar("Lista los modelos del módulo y sus campos.", "low")
    # Tarea difícil: diagnóstico
    await ejecutar(
        "Revisa los métodos @api.depends y detecta dependencias "
        "incompletas o recomputaciones innecesarias. Justifica cada hallazgo.",
        "high",
    )


asyncio.run(main())

Puntos a notar:

• Un mismo agente, dos esfuerzos. El inventario no necesita razonamiento profundo; el diagnóstico de @api.depends sí.
• max_budget_usd pone un techo de costo por ejecución: útil al experimentar con high o max.
• allowed_tools limita al agente a leer. Para un revisor, no hay razón para darle Edit.
• ResultMessage trae num_turns y total_cost_usd: mide antes de decidir qué effort usar por defecto.

Equipos de agentes en Claude Code

La versión 2.1.32 de Claude Code, publicada el mismo 5 de febrero, añadió Opus 4.6 y los equipos de agentes en research preview. El changelog advierte que es una función que consume muchos tokens y que requiere CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1. Según la documentación de agent teams, cada integrante del equipo trabaja con su propia ventana de contexto.

Un uso razonable en Odoo: un integrante revisa los modelos, otro las vistas XML y otro las pruebas, en paralelo. Empieza con tareas de solo lectura hasta entender cómo se coordinan.

Qué cambió alrededor (febrero)

• 19 de febrero: caché automático en la Messages API con un único cache_control en la petición, y retiro de Claude Sonnet 3.7 y Claude Haiku 3.5 en el API de Claude.
• 17 de febrero: las herramientas de búsqueda web, ejecución de código, memoria y búsqueda de herramientas dejaron de requerir encabezado beta.

Si tienes código con IDs de modelos antiguos, revisa hoy que no apunte a un modelo retirado.

Ejercicio

1. Instala claude-agent-sdk (0.1.36 o superior) y ejecuta el script sobre un módulo propio.
2. Corre la tarea de diagnóstico con "low" y con "high". Compara hallazgos, turnos y costo.
3. Define una regla para tu equipo: qué tipo de tarea usa cada nivel de effort.
4. Reto: si aún usas max_thinking_tokens, migra a thinking={"type": "adaptive"} y mide la diferencia.

Fuentes: anuncio de Claude Opus 4.6, notas de versión de Claude Platform, CHANGELOG del Claude Agent SDK para Python, CHANGELOG de Claude Code, documentación de agent teams.