Ultrathink en Claude Code: qué hace ahora, y qué no

Media red lo da por muerto y la otra mitad cree que pone a Claude al máximo. Desde la v2.1.311, en la terminal sube ese turno a xhigh; con claude -p sigue siendo una nota. Lo he medido.

Ultrathink en Claude Code: en la terminal, desde la v2.1.311, sube ese turno de medium a xhigh y el siguiente vuelve a tu nivel; con claude -p solo añade una nota. Con Opus 5.5 y claude -p, razonamiento mediano de 901 tokens en medium, 1.148 con ultrathink y 1.102 en high; coste $0,60, $0,65 y $0,64; aciertos 15/15, 14/15 y 15/15

TL;DR En la terminal, desde la v2.1.311, ultrathink sube ese turno a xhigh y el siguiente vuelve a tu nivel. Con claude -p no toca el effort: solo añade una nota, y ahí lo medí con Opus 5.5, un 27% más de razonamiento que medium y un 9% más de coste. En ningún caso acierta más en lo que medium ya resuelve, así que guárdalo para el turno que de verdad lo pida.

Si buscas ultrathink, la mitad de los resultados lo dan por enterrado y la otra mitad lo presentan como el modo máximo de Claude. Ni una cosa ni la otra. Y desde la v2.1.311, lo que hace depende de dónde lo escribas.

Qué hace ahora

Claude Code reconoce la palabra en cualquier parte del prompt y añade al turno una instrucción en contexto. Es esta, literal:

The user included the keyword "ultrathink", requesting deeper reasoning on this turn.
Reason as thoroughly as the task warrants.

Una nota para ese turno. El siguiente prompt ya no la lleva.

Es la única palabra que queda. think, think hard o think more llegan al modelo como texto normal: Claude Code no añade nada por ellas.

En la terminal, además, sube ese turno a xhigh. Desde la v2.1.311, si lo escribes en el prompt de la sesión interactiva con Opus 5.5, Sonnet 5.5, Haiku 5.5 o Fable 5.1 a través de la API de Anthropic, ese turno se envía con effort xhigh. Lo ves porque la palabra sale en colores de arcoíris. El transcript de una sesión en la v2.1.311 con Opus 5.5 guarda el effort de cada respuesta:

❯ ultrathink: what is 17*23? answer with the number only
  "effort":"xhigh","perTurnEffort":"xhigh"

❯ what is 19*21? number only
  "effort":"medium","perTurnEffort":"medium"

Si lo escribes mientras Claude está trabajando, sube el resto de ese turno.

Si la palabra no sale en arcoíris, el effort no se mueve y solo queda la nota. Pasa entre comillas, dentro de una ruta o de un comando, en un prompt que empieza por /, con CLAUDE_CODE_EFFORT_LEVEL fijado por debajo de xhigh, con un maxEffortLevel más bajo, con un modelo que no sea uno de esos cuatro o en Bedrock.

Con claude -p, solo la nota. El nivel que se envía a la API sigue siendo el tuyo. Lo comprobé con la skill /whicheffort de la cadena del effort, que imprime ${CLAUDE_EFFORT}, y en la v2.1.311 da lo mismo:

$ claude -p "/whicheffort" --model claude-opus-5-5
EFFORT=medium

$ claude -p "ultrathink /whicheffort" --model claude-opus-5-5
EFFORT=medium

Qué no hace

No se guarda. No toca tu settings.json ni el nivel que tengas fijado por modelo. En la terminal, el turno siguiente vuelve a tu nivel solo.

No te da más aciertos en lo que medium ya resuelve. Ni con la nota sola, que es lo que medí abajo, ni con xhigh: en tareas llenas de casos límite ocultos, xhigh acertó lo mismo que medium y costó tres veces más.

Lo que medí

Esto lo medí en la v2.1.281 con claude -p, y es lo que sigue pasando ahí: la nota sola, con el effort en medium. En la terminal, ese turno ahora se envía en xhigh y cuesta lo que cuesta xhigh.

Cinco problemas con respuesta exacta y comprobable: combinatoria, probabilidad y un recuento de monedas, sin herramientas para que Claude no pudiera escribir código y tuviera que razonarlo. Tres configuraciones de Opus 5.5, tres repeticiones de cada una, 45 ejecuciones:

claude -p "<problema>" --model claude-opus-5-5 [--effort high] \
  --tools "" --setting-sources project --strict-mcp-config \
  --no-session-persistence --output-format json

En la configuración con ultrathink, el prompt empieza por ultrathink. y nada más cambia. El razonamiento es thinkingTokens del JSON de cada ejecución; el coste, total_cost_usd a tarifa de lista.

Configuración	Aciertos	Razonamiento	Tiempo de API	Coste de las 15
`medium` (el que trae por defecto)	15/15	901 tokens	15,3 s	$0,60
`medium` + `ultrathink`	14/15	1.148 tokens	18,0 s	$0,65
`--effort high`	15/15	1.102 tokens	17,7 s	$0,64

Razonamiento y tiempo son la mediana de los dos problemas largos (permutaciones y monedas); en los otros tres ninguna configuración pasó de 300 tokens de razonamiento.

Con ultrathink, Opus 5.5 razonó un 27% más que en medium, casi lo mismo que en high (un 22% más), y costó un 9% más. Unos tres segundos de espera extra por respuesta.

Los aciertos no se movieron, porque medium ya lo resolvía todo. El único fallo de las 45 ejecuciones fue de ultrathink: 22 formas de pagar un dólar donde había 24. Con tres repeticiones eso no demuestra que empeore. Demuestra que aquí no mejora.

Cuándo usarlo

Para un turno concreto, en lugar de subir el effort de toda la sesión. Una decisión de diseño, un bug que cruza varios módulos, una migración que quieres ver planteada con calma. Escribes ultrathink en ese prompt, ese turno se envía en xhigh y el siguiente vuelve a tu nivel sin que tengas que acordarte de bajarlo.

No te cuesta una relectura sin caché. En Opus 5 y Sonnet 5, cambiar el effort a mitad de sesión obliga a releer la conversación entera sin caché, y eso se paga; ahí ultrathink no toca el effort, así que esa relectura no se produce. En los modelos donde sí lo sube, Opus 5.5, Sonnet 5.5, Haiku 5.5 y Fable 5.1 con suscripción o API key, cambiar el effort conserva la caché: en la sesión de arriba, el turno en medium que siguió al de xhigh leyó de caché sus 34.357 tokens de contexto.

No lo pongas en todos los prompts. En la terminal eso es trabajar en xhigh sin decirlo, y xhigh cuesta unas tres veces lo que medium y tarda unas tres veces más. Si todas tus tareas piden más, fija high para ese modelo con /effort y deja ultrathink para lo excepcional. En mi benchmark de Opus 5.5 subirlo a high no cambió nada en tareas de diario.

Lo que esto no mide

Problemas donde medium se queda corto. Todos acertaron casi todo, así que esto mide cuánto razona y cuánto cuesta, no si piensa mejor. En una tarea que medium falla, la nota extra podría notarse. Busqué tareas así, con casos límite ocultos, y medium las resolvió todas.
Tamaño. Cinco problemas, tres repeticiones, un modelo, un día.
Sesiones con herramientas. Lo corrí con --tools "". Si la nota hace que Claude lea más ficheros antes de escribir, esta prueba no lo ve.

Si lo que buscas es ver lo que piensa Claude, ultrathink no te lo enseña: eso se consigue de otra forma. Y por qué el effort es el único mando del thinking que sigue conectado a algo, en thinking en Claude Code.

En tareas acotadas, subir Sonnet 5.5 a high tampoco mejoró nada: deja el nivel por defecto y usa ultrathink en el turno que lo pida.

Documentación oficial: Model configuration: use ultrathink for one-off deep reasoning · Prompt caching: changing effort level

Requisitos

El paso a xhigh en la terminal, comprobado en Claude Code v2.1.311 con Opus 5.5, el 27 de octubre de 2026.
Las mediciones con claude -p, en la v2.1.281 con Opus 5.5, el 24 de septiembre de 2026.