¿Claude Code funciona lento? Soluciones y qué hacer a continuación

Hay un tipo específico de frustración que aparece alrededor del minuto 45 de una sesión de Claude Code. Los primeros comandos fueron precisos. Luego algo se volvió más lento. Después una llamada a una herramienta falló. Y entonces te das cuenta de que la ventana de sesión que te queda ya está a la mitad.

He pasado por esto tantas veces que he dejado de considerarlo mala suerte. Esto es lo que realmente está sucediendo y qué hacer al respecto.

Por qué Claude Code se vuelve lento o produce resultados inconsistentes

Antes de saltar a las soluciones, vale la pena ser preciso sobre qué tipo de lentitud estás enfrentando. Los problemas de rendimiento de Claude Code no siempre tienen la misma causa raíz, y aplicar la solución incorrecta desperdicia más tiempo de sesión.

Sobrecarga de la ventana de contexto

Este es el culpable más común y se acumula silenciosamente.

Claude Code no envía un solo prompt a la API y espera una respuesta. Cada interacción es una conversación de múltiples turnos que incluye el prompt del sistema, la historia acumulada de la conversación, el contenido de los archivos incorporados en el contexto y los tokens de uso de herramientas generados por operaciones como lectura de archivos, ejecución de comandos bash y búsqueda en la base de código. Un comando aparentemente simple como «editar este archivo» puede consumir entre 50,000 y 150,000 tokens en una sola llamada a la API una vez ensamblada la ventana de contexto completa.

La parte complicada: cada mensaje de seguimiento en la misma sesión se agrega a este contexto. Lo que comienza como una sesión de 40k tokens se convierte en más de 200k para el mensaje 12. El modelo se vuelve más lento, las respuestas se desvían y el presupuesto de la sesión se evapora.

El tamaño de la ventana de contexto de Claude es de 200K tokens en todos los modelos y planes pagos, excepto en los planes Enterprise, que tienen una ventana de contexto de 500K en algunos modelos. Alcanzas ese límite y obtienes respuestas truncadas o un paro completo.

Fallos en llamadas a herramientas y ciclos de reintento

Un solo comando visible para el usuario en Claude Code puede generar múltiples llamadas a la API debido al uso de herramientas. Un ciclo de «lint → fix → test → fix» podría producir de 8 a 12 llamadas a la API en 60 segundos. Cuando una de esas llamadas a herramientas falla —un comando bash que se agota, una lectura de archivo que genera un error de permisos— Claude no necesariamente muestra el fallo de manera clara. Intenta de nuevo. Cada reintento consume tokens y tiempo real de latencia. Ves la sesión colgada; lo que realmente está sucediendo es un ciclo de reintento que te factura por la confusión.

Desviación del prompt

Este lo subestimé constantemente. Tus archivos de habilidades CLAUDE.md o equivalentes acumulan instrucciones con el tiempo. Las restricciones antiguas que se aplicaban a un proyecto permanecen. La guía contradictoria se acumula. Cada nueva solicitud carga todo el archivo en el contexto, incluyendo las partes que ya no aplican y las partes que entran en conflicto activo entre sí.

Un archivo de habilidades inflado y contradictorio no solo consume tokens. Confunde al agente. Obtienes respuestas más lentas y menos decididas porque el modelo intenta reconciliar instrucciones que no pueden ser ambas verdaderas.

Límites de tasa del modelo

Vale la pena ser concreto al respecto, porque los números del panel son verdaderamente engañosos.

El escenario es familiar para cualquier desarrollador que trabaje con Claude Code. El panel de Anthropic muestra un 6% de uso del día, con mucha cuota restante según cualquier interpretación razonable. Y aun así, estás limitado. La razón: los límites de tasa de Claude Code operan como un sistema de tres restricciones independientes y superpuestas. El porcentaje del panel refleja solo una de ellas.

Además de las ventanas móviles de 5 horas, Anthropic ahora aplica límites de tasa semanales que se reinician cada siete días. Estos incluyen un límite de uso general más un límite semanal separado para modelos Opus.

Marzo de 2026 agregó otra capa: Anthropic introdujo ajustes a los límites de sesión de 5 horas específicamente durante las horas pico (días laborables, de 5 a.m. a 11 a.m. PT). Los flujos de trabajo agentivos intensos durante esas horas consumirán la cuota más rápido que el mismo trabajo realizado de noche.

Soluciones que puedes aplicar ahora

Gestión del contexto

La palanca más inmediata. Inicia una nueva sesión cuando notes que la calidad de las respuestas disminuye o la velocidad baja; no intentes continuar desde un contexto inflado.

Cuando tu conversación se acerca al límite de la ventana de contexto, Claude resume los mensajes anteriores para continuar la conversación de manera fluida. Todo tu historial de chat se conserva para que Claude pueda referenciarlo incluso después de la resumición. El comando /compact fuerza esto antes, antes de que la ventana esté completamente saturada. Úsalo de manera proactiva, alrededor del 60–70%, en lugar de esperar a que la degradación sea visible.

Para CLAUDE.md e instrucciones de proyecto: mantenlas cortas y específicas para la tarea. La guía oficial de la documentación de soporte de Anthropic es utilizar las instrucciones de proyecto para contexto general y rol, y reservar instrucciones específicas para la sesión individual. No dejes que los archivos de habilidades se conviertan en vertederos.

Optimización de llamadas a herramientas

Reduce el área de superficie de la herramienta. Si una tarea no requiere la ejecución de bash, no le des a Claude una herramienta de bash abierta. La delimitación explícita de permisos significa menos llamadas innecesarias a herramientas, lo que se traduce en menos posibles puntos de falla y ciclos de reintento.

Agrega expectativas explícitas de manejo de errores a tus indicaciones. Algo como "si este comando falla, detente y reporta el error en lugar de reintentar" parece obvio, pero realmente cambia el comportamiento. Claude predetermina a persistente, lo cual usualmente es una ventaja, pero en una sesión con límite de frecuencia es un gasto de presupuesto.

Establece límites de reintento explícitos para cualquier flujo de trabajo automatizado. Un bucle con tres reintentos y retroceso exponencial está controlado. Un bucle de reintentos sin límite en una sesión compleja con agentes es un destructor de sesiones.

Higiene de Prompts

Cada pocas semanas, audita tus archivos de habilidades y el contenido de CLAUDE.md. La prueba es simple: lee cada instrucción y pregunta si sigue siendo válida para el proyecto actual. Elimina todo lo desactualizado. Resuelve cualquier contradicción. Si dos instrucciones entran en conflicto, el modelo intentará cumplir ambas, lenta e inconsistente.

Si estás usando CLAUDE.md en múltiples proyectos, ten especial cuidado con las instrucciones específicas de un proyecto que hayan migrado a un archivo “global”. Añaden ruido a cada solicitud, incluso cuando son irrelevantes.

Soluciones para Límites de Frecuencia

Programa sesiones intensivas fuera de las horas pico. Fuera de pico significa fuera de 5 a. m.–11 a. m. PT en días laborables. Las sesiones nocturnas y de fin de semana evitan la limitación que afecta más agresivamente el uso durante horas laborales.

Divide proyectos grandes en sesiones más pequeñas y discretas en lugar de un largo período de varias horas. Esto limita la cantidad de contexto acumulado por ciclo de facturación y mantiene más predecible el presupuesto de tokens de cada sesión.

Para usuarios de API, la documentación de límite de frecuencia de Anthropic es la referencia oficial actual. Los números específicos cambian sin previo aviso — verifica antes de diseñar flujos de trabajo basados en umbrales específicos.

Usa /model para cambiar a un modelo más ligero en subtareas más simples dentro de una sesión. No todos los pasos de un flujo de trabajo de codificación requieren Opus. Sonnet maneja lectura de código, búsqueda y operaciones de archivos de manera eficiente a menor costo de tokens.

El Problema de las Soluciones Puntuales

Esto es lo que seguía notando: aplicaba una de las soluciones anteriores, tenía una sesión limpia, y luego, dos semanas después, me encontraba con exactamente el mismo problema. Proyecto diferente, mismo modo de falla.

La razón es estructural. Estas correcciones viven en tu cabeza. O en un registro de chat que nunca volverás a encontrar. O en una nota mental que se evapora antes de la siguiente sesión.

Cada desarrollador que ha solucionado un problema de rendimiento del código Claude lo ha hecho de nuevo la semana siguiente. Porque la corrección no está vinculada a nada persistente. La siguiente ejecución del agente comienza desde cero: mismo patrón de saturación de contexto, mismo comportamiento de reintento, mismo archivo de habilidades inflado, porque nada capturó lo que funcionó la última vez.

Esto no es solo un problema de productividad personal. Es una propiedad fundamental de cómo la infraestructura actual de agentes maneja la experiencia: las correcciones exitosas se evaporan al final de la sesión.

Haciendo que las correcciones sean heredables

Aquí es donde la conversación de ingeniería se vuelve más interesante.

Cuando una corrección funciona —una estrategia de reintento específica que detuvo un ciclo de fallos, un patrón de compactación de contexto que mantuvo las sesiones estables durante más de 20 comandos, un alcance de permisos de herramienta que redujo llamadas innecesarias en un 40%— esa corrección tiene un valor real. La pregunta es si sigue siendo útil más allá de la sesión en la que se descubrió.

El enfoque que el protocolo GEP de EvoMap está explorando: cuando una corrección funciona, encapsularla como un activo validado —una Cápsula— que otro agente pueda heredar sin redescubrir la solución desde cero. El ciclo del protocolo es evolución local → publicar como paquete de Genes/Cápsula → validación y clasificación en el hub → herencia por otros agentes a través de modelos y sesiones.

El valor de ingeniería no es la "automatización mágica." Es simplemente que una corrección que funcionó bajo condiciones específicas se preserva con sus condiciones documentadas, evaluada por calidad y señal de reutilización, y puesta a disposición para herencia. El siguiente agente que encuentre el mismo patrón de tiempo de espera no comienza desde cero.

La estrategia de reparación de esa ejecución de OpenHarness se convierte en una Cápsula, publicada vía POST /a2a/publish. Tras pasar la validación, se promociona. Otro agente —ejecutando en cualquier plataforma, en cualquier modelo— puede obtenerla vía POST /a2a/fetch y heredar la corrección.

Esta es una capa diferente a las correcciones anteriores. Esas correcciones son tácticas. La herencia de Cápsulas es un intento de hacer que las correcciones tácticas sean duraderas a través de sesiones y agentes —para romper el ciclo de arreglar el mismo problema repetidamente.

Cuándo considerar alternativas al Código Claude

Claude Code es realmente fuerte. Claude Code logra un 72,5% en SWE-bench frente al ~49% de Codex — una brecha de 23 puntos. SWE-bench prueba correcciones reales de errores en GitHub, no tareas sintéticas. Esta brecha es significativa. Para razonamientos complejos multi-archivos y refactorización de grandes bases de código, esa ventaja de rendimiento es real y merece la pena los sacrificios.

Pero los sacrificios también son reales, y merece la pena ser honesto al respecto.

Si la eficiencia de los tokens importa más que la profundidad de razonamiento: OpenAI Codex se ejecuta en contenedores sandbox en la nube aislados y usa aproximadamente 3 veces menos tokens para tareas equivalentes. Está incluido en ChatGPT Plus a 20 $/mes. El compromiso es un menor rendimiento en banco de software y un razonamiento de contexto largo menos matizado.

Si el bloqueo de modelos es un problema: Claude Code ejecuta exclusivamente modelos Anthropic. Herramientas como Aider (40k+ estrellas en GitHub, BYOK) o OpenCode (112k+ estrellas en GitHub, 75+ proveedores de modelos) permiten intercambiar GPT-5.4, Gemini 3.1 Pro o DeepSeek según el tipo de tarea y el coste. Gemini CLI ofrece 1.000 solicitudes gratuitas al día con contexto de 1M — un nivel gratuito realmente atractivo para flujos de trabajo más ligeros.

Si los límites de tarifa son la principal limitación: El acceso a la API con facturación de pago por uso (Opus 4.6 a $5/$25 por millón de tokens, Soneto 4.6 a $3/$15) te da un control preciso de costes sin limitaciones de nivel de suscripción. Las características de latencia y rendimiento difieren de los planes de consumo, pero para los flujos de trabajo de agentes de producción son más predecibles.

El resumen honesto: Claude Code no es la herramienta adecuada para todos los flujos de trabajo. Si cumples límites de velocidad a mitad de sesión semanalmente, pasas más tiempo gestionando contexto que escribiendo código, o construyendo flujos de trabajo asincrónicos multiplataforma, las alternativas anteriores abordan específicamente esas lagunas. La cuestión es si el techo de rendimiento de Claude Code merece sus limitaciones operativas para tu caso de uso particular.

! [imagen] (https://cdn.10b.ai/1776073182734-5.png)

Preguntas frecuentes

¿Por qué Claude Code ralentiza durante sesiones largas?

Cada mensaje en una sesión de Claude Code se añade al contexto acumulado — historial de conversaciones, contenido de archivos, salidas de llamadas a herramientas. En un mensaje 10–15 en un proyecto complejo, puedes estar enviando entre 150k y 200k tokens por solicitud. El modelo es más lento, las respuestas se desvían y los presupuestos de sesión se agotan más rápido de lo esperado. La solución es una gestión proactiva del contexto: usa /compact antes de que la ventana se sature, no después.

¿Cómo puedo reducir el uso de tokens en Claude Code?

Tres palancas: acortar tus archivos de CLAUDE.md y habilidades (eliminar instrucciones desactualizadas y contradictorias), reducir la superficie de la herramienta (asignar permisos a lo que realmente necesita la tarea) y dividir las sesiones grandes en ejecuciones más pequeñas y discretas. Cambiar a Sonnet mediante /model para tareas que no requieren razonamiento a nivel Opus también reduce significativamente el coste de tokens.

¿Cuáles son las mejores alternativas a Claude Code en 2026?

Depende de tu limitación. Para eficiencia de tokens y flexibilidad de modelo: Aider (BYOK, cualquier proveedor) o OpenCode (75+ proveedores). Para tareas asíncronas paralelas y aislamiento sandbox: Codex OpenAI (incluido con ChatGPT Plus). Para un nivel gratuito con límites generosos: Gemini CLI (1.000 peticiones/día). Para integración del IDE sobre terminal: Cursor. Claude Code sigue liderando el banco de software para tareas complejas de codificación real — las alternativas abordan restricciones operativas específicas, no la capacidad bruta.

¿Cómo puedo dejar de cumplir con los límites de uso de Claude a mitad del flujo de trabajo?

Desplazar el trabajo intensivo a horas valle (fuera de 5:00–11:00 PT de lunes a viernes). Divide los proyectos en sesiones discretas más cortas para limitar la acumulación de contexto por ventana de facturación. Para el uso de la API, consulta directamente la documentación actual del límite de tarifa de Anthropic — los umbrales específicos cambian sin previo aviso y los números del panel reflejan solo una de las tres capas de restricción solapadas.

¿Se pueden reutilizar las correcciones de Claude Code en diferentes proyectos o agentes?

No de forma nativa. Las correcciones de sesión están en directo en los registros de chat o en notas personales y no se transfieren a la siguiente ejecución. La cuestión de ingeniería más interesante es si los comportamientos adaptativos exitosos — estrategias específicas de reintentos, patrones de contexto, configuraciones del alcance de la herramienta — pueden preservarse en una forma que otros agentes puedan heredar. Esa es la capa que la documentación del protocolo GEP está abordando: convertir los comportamientos exitosos de los agentes en activos heredables entre sesiones y entre agentes. Es un enfoque emergente, no un problema resuelto — pero el problema estructural que está atacando (amnesia a nivel de sesión para correcciones de agentes) es una limitación real de cómo funciona la infraestructura actual de agentes.

Seguiré observando cómo evoluciona la situación del límite de tarifas durante 2026 — la presión de infraestructura de Anthropic es real y los niveles de restricción parecen estar cambiando más rápido de lo que la documentación puede rastrear. Las correcciones anteriores funcionan a abril de 2026. Verifica los detalles antes de construir algo crítico alrededor de ellas.