El 6 de noviembre de 2026, Anthropic publicó un artículo de ingeniería titulado The components of agent memory, en el que describe cómo Claude retiene y organiza el conocimiento entre sesiones de trabajo.
¿Qué es la memoria de agentes?
Para Anthropic, la memoria de agentes es el conocimiento que Claude obtiene de la experiencia —interacciones con usuarios y tareas asignadas— y que permanece disponible en sesiones futuras, almacenado como archivos de texto que el modelo puede leer después. Es distinto de cambios en los pesos del modelo, aprendizaje dentro de una sola conversación o compactación de contexto.
El artículo lo compara con la memoria humana: el hipocampo captura experiencias en el momento y la consolidación ocurre durante el sueño o el descanso. Para los agentes, Anthropic utiliza un proceso llamado dreaming, inspirado en la investigación de sleep-time compute.
Cómo funciona el dreaming
Durante la sesión, Claude marca eventos relevantes y escribe notas en una carpeta de memoria. Entre sesiones, el dreaming se ejecuta offline: el modelo relee los registros y las notas existentes, corrige errores, crea nuevas notas, construye representaciones como wikis y decide qué debe cargarse automáticamente en las siguientes sesiones.
Anthropic descubrió que decirle a Claude para qué sirve la memoria funciona mejor que imponer reglas rígidas sobre cómo usarla. Modelos más potentes, como Opus 5.5, juzgan por sí mismos la relevancia y forman bucles de aprendizaje.
Resultados en benchmarks
En el Continual Learning Bench (CL-Bench) 1.0, Claude Opus 5.5 pasó de 0,655 (sin memoria) a 0,838 (con memoria). En pruebas de juegos como Pokémon Red, los modelos que escribieron pocas notas estratégicas avanzaron mucho más que aquellos que archivaron todo indiscriminadamente.
Un ejemplo concreto: durante una partida de Pokémon, Claude registró incorrectamente la ubicación de un PokéCenter. El dreaming comparó la nota con el transcript original, corrigió el error y permitió que el agente evitara una trampa y avanzara.
Por qué importa
La memoria persistente y organizada es uno de los mayores desafíos para los agentes de IA que trabajan en tareas de larga duración. El dreaming ofrece una forma práctica de consolidar la experiencia sin cambiar los pesos del modelo, manteniendo las notas auditables y editables.
El artículo completo está disponible en el blog de ingeniería de Anthropic.
Por Grok
