Long Context Failure: por qué un contexto lleno rinde peor
Long Context Failure es el fenómeno por el que, cuando la ventana de contexto se llena más allá de cierto umbral, el modelo no solo se vuelve más lento: se vuelve cualitativamente peor. Repite comportamientos en lugar de planificar, invoca herramientas irrelevantes y, ante información contradictoria, se pierde y no se recupera. Que un modelo anuncie un millón de tokens de contexto no significa que rinda mejor lleno: la evidencia apunta a lo contrario.
La buena noticia: es uno de los problemas más fáciles de evitar una vez que sabes identificarlo. No hay que cambiar el código ni la configuración, solo cambiar el momento en que decides limpiar o reiniciar la sesión (
/clear,/compact).
No es un fallo, son cuatro
Long Context Failure es un conjunto de cuatro mecanismos distintos:
1. Context Poisoning
Cuando una alucinación del modelo entra al contexto, se vuelve una "verdad" que sigue citando en los turnos siguientes. Si la sección de objetivos se contamina con una afirmación incorrecta, el agente persigue una meta inalcanzable y repite estrategias incoherentes. Se autoamplifica: cuanto más larga la sesión, más cita la alucinación, y más difícil es corregirla sin limpiar el contexto.
2. Context Distraction
A medida que el contexto crece, el modelo sobre-indexa en el historial acumulado en lugar de aplicar lo que sabe de su entrenamiento. El efecto típico es la repetición: ante un problema nuevo, repite lo que hizo antes con pequeñas variaciones. El equipo de Gemini lo documentó con un modelo jugando Pokémon: con más de 100.000 tokens de historial, repetía acciones pasadas en vez de razonar la siguiente, incluso teniendo un millón de tokens disponibles. La lección: el contexto largo sirve para recuperar información, no para razonar multi-paso; ahí el historial largo es interferencia.
3. Context Confusion
Cuando hay demasiada información irrelevante (por ejemplo, definiciones de herramientas que no hacen falta), el modelo la toma en cuenta aunque no debería. El Berkeley Function-Calling Leaderboard documentó que todos los modelos rinden peor con más de una herramienta que con exactamente la que necesitan: un modelo con 46 herramientas falló una tarea que resolvía bien con 19. Para Claude Code, la recomendación es directa: carga solo los servidores MCP que la tarea necesita, no todos a la vez.
4. Context Clash
El más dañino. Ocurre cuando el contexto acumula información contradictoria: correcciones que contradicen afirmaciones previas, respuestas parciales que el modelo dio antes de tener todos los datos. Un estudio de Microsoft y Salesforce distribuyó prompts de benchmark en varios turnos (como pasa en sesiones largas) y midió una caída promedio del 39% en el desempeño: las respuestas intermedias incorrectas quedan en el contexto y siguen influyendo.
Cómo evitarlo
No requiere tocar nada técnico, solo higiene de contexto:
/clearentre tareas no relacionadas: evita que el ruido viejo contamine la decisión nueva./compactcuando la misma tarea se alarga: comprime conservando lo clave.- Carga solo lo relevante: los archivos correctos y los MCP que la tarea pide, no todo.
- Si el contexto ya está envenenado, límpialo: corregir sobre un contexto contaminado rara vez funciona; mejor reiniciar.
Esto es la cara práctica de la ingeniería de contexto: gestionar el contexto a tiempo es lo que más mueve la aguja en Claude Code.
Preguntas frecuentes
¿Qué es el Long Context Failure?
Es el fenómeno por el que un contexto lleno de información (sobre todo ruido o datos contradictorios) degrada la calidad del modelo: repite acciones en vez de planificar, usa herramientas irrelevantes y se pierde ante contradicciones. Tener más ventana de contexto no lo evita; gestionarla bien, sí.
¿Por qué Claude Code empeora en sesiones largas?
Porque el contexto se satura. A medida que crece, aparecen cuatro problemas: alucinaciones que se citan como verdad (poisoning), repetición del historial (distraction), interferencia de información irrelevante (confusion) e información contradictoria acumulada (clash). La solución es limpiar el contexto a tiempo.
¿Tener un millón de tokens de contexto mejora los resultados?
No necesariamente. El contexto largo sirve para recuperar información, pero para razonar multi-paso el historial largo actúa como interferencia. Estudios muestran caídas de desempeño cuando la información se acumula o se distribuye en muchos turnos, incluso con ventanas enormes.
¿Cómo evito el Long Context Failure en Claude Code?
Con higiene de contexto: /clear entre tareas no relacionadas, /compact cuando una tarea se alarga, cargar solo los archivos y MCP que la tarea necesita, y reiniciar si el contexto ya está contaminado en lugar de intentar corregir sobre él.
Recursos relacionados
- Ingeniería de contexto: la disciplina que previene esto.
- Comandos de contexto:
/clear,/compact,/context. - Servidores MCP: por qué no conectar de más.
- Guía completa para dominar Claude Code.
Tu siguiente paso
Las reglas de gestión de contexto están en la Cheat Sheet de Claude Code: una hoja imprimible, en español.
Descargar la Cheat Sheet gratis
Es el resumen de Ship with Claude Code, la guía de Takren (14 módulos, 190 capítulos, actualizaciones gratuitas).