Hilos de mensajes en la API de Claude: menos latencia

Anthropic lanza los hilos de mensajes en su API: envías la conversación una vez y luego solo lo nuevo. Qué mejora, qué no cambia y qué mirar antes de usarlos.

Un agente no debería reenviar toda la conversación en cada turno

Los hilos de mensajes de la API de Claude (en inglés, message threads) son una función en beta pública que Anthropic anunció el 2 de noviembre de 2026. La idea es sencilla: en una conversación larga, envías el historial completo una vez, y en cada turno siguiente solo mandas los mensajes nuevos y el identificador de la respuesta anterior.

No los he probado. Lo que sigue es lo que cuentan el anuncio de Anthropic y su documentación, y mi lectura de qué significa para quien monta agentes.

Cómo funciona, según la documentación

Se añade un parámetro, thread, a las peticiones de la Messages API, y se envía la cabecera beta message-threads-2026-08-12:

  1. Crear. La primera petición lleva la conversación completa, el prompt de sistema y las herramientas, con "thread": {"type": "create"}. La API guarda la conversación asociada al identificador de la respuesta.
  2. Continuar. Las siguientes llevan solo los mensajes nuevos y el identificador de la respuesta anterior (previous_message_id). El sistema y las herramientas se quedan fuera: el hilo conserva los de la petición de creación.
  3. Rehacer. Si el hilo ya no existe, la API responde con un error 404 y hay que volver a enviar la conversación completa en una petición de creación nueva. El asistente del SDK de Anthropic hace esa repetición por ti.

Qué mejora, con las condiciones exactas

Una petición mucho más pequeña, y un tiempo hasta el primer token más bajo y más estable a medida que la conversación crece. Anthropic da una cifra: con los hilos activados por defecto para la mayoría de usuarios de Claude Code, en peticiones de entre 500.000 y 1.000.000 de tokens, la mediana del tiempo hasta el primer token baja alrededor de un 35%. Es un dato de Anthropic para ese rango de tamaño, y el anuncio no explica cómo lo midió. No sé qué verás en tu agente, y en conversaciones cortas el efecto será menor.

Lo que no cambia, y conviene tenerlo claro:

  • El consumo de tokens. Claude sigue leyendo la conversación entera en cada turno, así que el uso de tokens es el mismo. Se aplican las tarifas y los límites de uso habituales. Es una mejora de latencia, no de coste.
  • La caché de prompts. El hilo no la activa por ti: tienes que indicar dónde van los puntos de caché, igual que sin hilo.

Los límites que me importan

Esto es lo que yo miraría antes de meterlo en un sistema real:

  • Caduca pronto. Un hilo expira 5 minutos después de su última petición y la API lo borra como máximo 1 hora después de su último uso. Está pensado para sesiones activas. Un agente que espera una aprobación humana durante horas tendrá que rehacer el hilo, como cuento en el post sobre agentes que esperan con un runtime propio.
  • Tu aplicación sigue siendo la fuente de verdad. La documentación recomienda guardar tu propia copia de cada mensaje y preparar desde el principio el camino de repetición. Ninguna respuesta te dice si el turno quedó guardado: lo descubres en la petición siguiente.
  • Hay campos que no puedes cambiar a mitad de hilo. El sistema y las herramientas solo se envían al crear, y el modelo, tool_choice y el razonamiento (thinking), entre otros, deben ser idénticos en cada petición, o la API devuelve un error 400. Cambiar cualquiera obliga a empezar un hilo nuevo.
  • Es append-only. Cada identificador de respuesta se puede continuar una sola vez. Para editar o bifurcar un mensaje anterior, se crea un hilo nuevo.
  • Es una beta con restricciones de datos. La documentación indica que no es apta para organizaciones con retención cero de datos (ZDR) ni para HIPAA. Anthropic dice que mantiene cada hilo en memoria, cifrado y sin escribirlo en disco. Si trabajas con datos sensibles, esa ficha es lo primero que revisaría.

Está disponible en la API de Claude, en Claude Platform on AWS, en Claude Models on Google Cloud (gestionado por Anthropic) y en Claude in Microsoft Foundry.

Lo que me llevo para construir con agentes

Esto es opinión mía, no de Anthropic:

  • Mide antes de activarlo. La cifra del 35% es de Anthropic y se refiere a peticiones de 500.000 a 1.000.000 de tokens, con los hilos activados por defecto para la mayoría de usuarios de Claude Code. Mira la latencia de tus propios agentes con los tamaños de contexto que manejan de verdad, y decide con eso.
  • El historial sigue siendo tuyo. Diseña el agente como si el hilo pudiera desaparecer en cualquier turno, porque puede. Guarda siempre tu copia completa de la conversación y de los resultados de las herramientas, como pide la documentación, y registra lo que hace el agente, como defendía en monitorizar agentes. Así, recuperarte de un 404 es poco más que una rutina.
  • Pensar en la latencia y en el coste por separado. Un hilo ahorra espera, pero no tokens. Para gastar menos en herramientas, el enfoque de la llamada programática de herramientas de Droid ataca otro problema.

Si tu equipo está empezando con agentes

Las funciones de plataforma como esta cambian cada pocas semanas, y lo difícil casi nunca es activar un parámetro: es decidir qué medir, qué guardar y qué riesgos aceptas. En onext ayudamos a equipos a adoptar agentes con una metodología clara. Si quieres revisarlo con tu equipo, escríbenos.

Fuentes

  1. Make long-running agents faster with message threads (se abre en una pestaña nueva)
  2. Message threads (se abre en una pestaña nueva)
  3. Claude Platform release notes (se abre en una pestaña nueva)

Etiquetas

Más artículos de Herramientas