Claude Haiku 5.5: qué cambia y cómo evaluar una IA para estudiar

Anthropic presentó Claude Haiku 5.5 el 7 de octubre de 2026. Su anuncio oficial lo sitúa como un modelo pequeño para tareas frecuentes y sensibles al coste, como resúmenes y clasificación, e incorpora un ajuste de esfuerzo. La empresa publica evaluaciones de rendimiento; son resultados del proveedor, no pruebas de mejora del aprendizaje de estudiantes. Fuente consultada el 9 de octubre y enlazada al final.

Para quien estudia, la pregunta útil es qué trabajo puede delegar y qué debe seguir comprobando. Que un asistente termine antes una explicación no demuestra que la explicación sea correcta ni que tú puedas reconstruirla. En esta guía proponemos una prueba con material propio para separar esas tres cosas: velocidad de respuesta, calidad del contenido y capacidad de usarlo después.

Un modelo es parte del sistema que produce respuestas. La aplicación que lo utiliza decide qué documentos recibe, cómo conserva la conversación y qué herramientas ofrece. Por eso, dos productos que usan un mismo modelo pueden dar experiencias distintas. Comprueba las funciones del producto concreto que tienes abierto; el nombre de un modelo no describe por sí solo una rutina de estudio completa.

En una tarea académica también importan las instrucciones, el fragmento de fuente y la pregunta que haces. Para comparar dos asistentes, conserva esos elementos. Si a uno le das un capítulo completo y al otro solo el título, habrás cambiado el problema antes de medir el resultado. Anota la versión y fecha de cada prueba para saber qué comparaste.

Escoge un apartado breve que ya conozcas y conserva su referencia. Pide una explicación de una duda específica, no un resumen general de toda la asignatura. Por ejemplo: «Con este fragmento sobre porcentajes, explica por qué un descuento del 20 % y otro posterior del 10 % no equivalen a un descuento único del 30 %».

Comprueba la respuesta con un caso sencillo: sobre 100, el primer descuento deja 80 y el segundo deja 72. El descuento total es 28. Revisa que el asistente identifique la base de cada porcentaje y no solo entregue el resultado. Después cambia el precio inicial y resuelve tú el ejercicio. El ejemplo es una propuesta de evaluación del equipo de Lumia AI, no un resultado obtenido al probar Haiku 5.5.

Solicita un conjunto pequeño de preguntas con sus respuestas separadas. Revisa si cubren ideas distintas, si cada pregunta se entiende sin ver la respuesta y si las soluciones conservan las condiciones de la fuente. Una pregunta ambigua puede parecer un error de memoria cuando en realidad el material está mal preparado.

Incluye deliberadamente una pregunta cuyo dato no esté en el fragmento. Una respuesta útil debe reconocer que falta información o pedir otra fuente. Si añade un dato, exige una referencia comprobable y verifica que respalde exactamente esa afirmación. No conviertas en tarjeta una respuesta solo porque suene segura.

Puedes llevar una tabla sencilla con cuatro columnas: tarea, tiempo de respuesta, correcciones necesarias y resultado de la comprobación. Añade el tiempo de revisar la fuente. Una salida rápida que exige reescribir casi todo puede no ahorrar trabajo en tu caso. Repite la prueba con otro tema antes de cambiar de herramienta.

Esta comparación sirve para elegir un flujo personal; no es un experimento que establezca superioridad general. Mantén un registro de los ejemplos fallidos, porque suelen mostrar mejor los límites que una respuesta brillante. Si tu curso exige demostrar un procedimiento, evalúa los pasos y la justificación, además del resultado final.

Puedes aplicar el mismo criterio al borrador de tarjetas que prepares en Lumia AI: conservar los apuntes, corregir preguntas y responder antes de revelar la solución. La documentación pública de Lumia, enlazada al final, describe el flujo de creación y repaso. Este artículo comenta una novedad de Anthropic; no anuncia que Lumia AI utilice Haiku ni que exista una integración con Claude.

Para una sesión concreta, elige tres ideas del apartado, prepara una pregunta por idea y corrige cada respuesta. Termina con un problema fuera de las tarjetas y guarda el error principal para la próxima sesión. Así la noticia de un modelo nuevo se convierte en una decisión comprobable sobre tu estudio, en vez de obligarte a cambiar todo tu sistema por cada lanzamiento.