El modo automático de Claude Code se convierte en el predeterminado: por qué Anthropic dejó de confiar en los humanos

El modo Auto de Claude Code —la configuración de agente que permite a la IA planificar y ejecutar tareas de varios pasos sin esperar a que un humano apruebe cada acción— se convertirá en el predeterminado en la herramienta CLI. La medida, reportada por The New Stack, viene con una justificación contundente de Anthropic: "no se puede confiar en los humanos".
Qué hace el modo Auto
En el modo Auto, Claude Code toma una descripción de tarea, la desglosa en pasos, ejecuta herramientas (ediciones de archivos, comandos de shell, pruebas) e itera hasta que considera que el trabajo está hecho, con el usuario interviniendo solo para aclarar requisitos o resolver bloqueos. Esto contrasta con el modo manual, donde cada llamada a herramienta requiere una aprobación explícita del usuario antes de ejecutarse.
Según el artículo, la posición de Anthropic es que la interjección humana constante frena la utilidad del agente e introduce fricción, y que el bucle de autocorrección del modelo es lo suficientemente confiable como para hacer innecesaria una supervisión amplia en la mayoría de las tareas de codificación.
Por qué Anthropic lo hace predeterminado
- Iteraciones más rápidas: El modo Auto elimina el viaje de ida y vuelta de aprobación entre el agente y el usuario, por lo que Claude puede trabajar en una refactorización larga o una función de varios archivos sin pausar después de cada comando.
- Menos cuellos de botella humanos: La compañía argumenta que la fatiga de revisión lleva a los desarrolladores a aprobar automáticamente de todos modos, por lo que el paso adicional proporciona una falsa seguridad mientras ralentiza las cosas.
- Confianza en el modelo: Las pruebas internas de Anthropic convencieron al equipo de que las salvaguardas y los flujos de trabajo de prueba integrados de Claude Code son suficientes para detectar la mayoría de los problemas antes de que ocurran.
El artículo señala que la incomodidad del usuario no se descarta: señala que los desarrolladores que quieran más control aún podrán volver al modo manual, pero el modo Auto será lo que obtendrás de fábrica.
Qué significa esto para el uso diario
Si ya ejecutas Claude Code en modo Auto, el cambio es cosmético: tu flujo de trabajo sigue igual. Si has estado confiando en la aprobación manual predeterminada para mantener al agente honesto, probablemente verás un cambio mayor: la herramienta comenzará a actuar más como un ingeniero junior al que le has entregado un ticket, en lugar de un compañero de shell que pregunta antes de tocar nada.
Las desventajas prácticas: pasarás menos tiempo cuidando al agente, pero necesitarás revisar el diff antes de fusionar, y querrás que la CI y los conjuntos de pruebas sean sólidos porque el agente hará más cambios sin que los veas cada uno.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también

Mercurio 2: Modelo Basado en Difusión para Codificación con IA en Tiempo Real
Mercury 2 utiliza generación basada en difusión en lugar de decodificación secuencial token por token, genera tokens en paralelo y los refina a lo largo de pasos, y afirma 1,009 tokens/seg en GPUs NVIDIA Blackwell con precios de $0.25/1M tokens de entrada y $0.75/1M tokens de salida.

El acceso a la IA de frontera se restringe: Mythos de Anthropic y el cambio estructural hacia despliegues selectivos
El modelo de ciberseguridad Mythos de Anthropic y la iniciativa Daybreak de OpenAI señalan una nueva era en la que las restricciones económicas y de seguridad limitan la IA de frontera a un grupo selecto de empresas estadounidenses, impulsadas por riesgos de uso indebido, amenazas de destilación y controles gubernamentales emergentes.

Autoresearch impulsa a Qwen3.5-397B a 20.34 tok/s en M5 Max mediante transmisión SSD
Un desarrollador logró una velocidad de inferencia de 20.34 tokens/segundo para el modelo Qwen3.5-397B de 209GB en un MacBook Pro M5 Max con 128GB de RAM usando streaming SSD y 36 experimentos sistemáticos. El resultado representa una aceleración 2x sobre la línea base del M5 Max y 4.67x sobre el resultado original del M3 Max.

El Orquestador: Por qué la Intención Debería Sobrevivir al Proceso
Las pilas actuales de agentes invierten identidad y superficie — la capa orquestada debería situarse entre los agentes y los runtimes, con primitivas de identidad, enrutamiento, transferencia y llamadas entre controladores. Ejemplo práctico: triar un test inestable entre Ollama, Gemini CLI y Grok Build bajo una única intención.