En Cursor, un modelo llamado Honeycomb EAP apareció brevemente y fue retirado rápidamente.
Poco después, muchos lo trataron como una filtración temprana de Claude Opus 5.
Pero Anthropic no lo confirmó, y Cursor no dio explicaciones. Así que usé Apodex para probar esta pregunta actualmente sin respuesta, que se podrá verificar en dos semanas.
Pero lo que finalmente hizo que valiera la pena esta prueba no fue la cifra del 10%. Fue que después de una pregunta de seguimiento, eliminó dos de sus piezas clave de evidencia y recalculó.
El contenido se basa en mis operaciones reales y capturas de pantalla. Las probabilidades en el texto son estimaciones analíticas basadas en información pública al 17 de julio de 2026, no hechos establecidos.
Pregunté:
¿Lanzará Anthropic formalmente y abrirá públicamente Claude Opus 5 antes del 31 de julio de 2026? Si no, ¿qué es exactamente Honeycomb EAP?
La pregunta, la fecha límite y las tres identidades a juzgar se escribieron claramente antes del envío, usando Deep Discover Preview.
A las 18:28, comencé la investigación. La página entró en un proceso Swarm de múltiples rutas, mostrando secuencialmente Investigación, Verificación y Escritura.
La tarea fue enviada y comenzaron múltiples ejecuciones de investigación.
La primera versión del informe fue clara: la probabilidad de un lanzamiento formal de Opus 5 antes del 31 de julio es extremadamente baja; Honeycomb es más probablemente un nodo EAP de nivel Mythos/Fable, seguido de un Opus 5 retrasado, y la versión pura de investigación al final.
Si solo hubiera querido hacer una publicación patrocinada estándar, esto habría sido suficiente: una conclusión, fuentes y probabilidades, más unas cuantas capturas de pantalla bonitas del informe.
Pero cuanto más miraba, más sentía que dos piezas de evidencia no cuadraban.
Primero: Honeycomb cambia a Opus 4.8 después de un fallback de seguridad, por lo que su capacidad debe ser superior a Opus 4.8.
Esto no se sostiene. Los fallbacks pueden venir de políticas de seguridad, estabilidad de EAP, disponibilidad o configuraciones de enrutamiento; no equivalen directamente a una clasificación de capacidad.
Segundo: Honeycomb está posicionado más arriba en la lista de modelos de Cursor, por lo que pertenece a un nivel de producto superior.
A menos que Cursor haya hecho públicas sus reglas de ordenación, la posición en la lista podría estar influenciada por la fecha de lanzamiento, el orden alfabético, la prioridad de integración o decisiones de interfaz. Usarlo para probar la identidad de un modelo es demasiado forzado.
Así que a las 19:02, en lugar de pedirle a Apodex que encontrara más material de apoyo, le hice hacer una autoauditoría inversa: encontrar la evidencia contraria más fuerte, verificar los niveles de fuente y aclarar las condiciones de fallo. Si la evidencia no es lo suficientemente sólida, elimínala; no defiendas el juicio inicial.
La segunda ronda no fue para pulir el informe original, sino para desafiar específicamente su propia cadena de evidencia. Este prompt se puede reutilizar directamente.
El resultado: tres correcciones, una mantenida.
Primero admitió que «el fallback de seguridad a Opus 4.8» no prueba que Honeycomb sea más fuerte. El material original era solo un relato de segunda mano con frases inciertas como «se afirmó» y «algunos lo interpretan como», no un registro técnico oficial.
El peso de esta evidencia se redujo a casi cero.
Luego, no pudo encontrar las reglas oficiales de ordenación de modelos de Cursor.
Esta vez, dejó de contar historias basadas en la posición de la lista, cambió la conclusión a «desconocido» y eliminó por completo esta evidencia del juicio de identidad.
La tercera corrección vino del ritmo histórico de lanzamiento de los modelos recientes de Anthropic.
La primera versión trató «cinco canales oficiales que actualmente no tienen Opus 5» como evidencia sólida. Pero la segunda verificación encontró que las actualizaciones incrementales como Opus 4.x a menudo se lanzan con documentación de API y anuncios el mismo día; solo los nuevos niveles como Fable/Mythos han tenido un tiempo de anticipación de EAP de aproximadamente 60 días.
Por lo tanto, «que cinco canales estén vacíos» solo prueba que no hay señales públicas actualmente, no que definitivamente no se lanzará en las próximas dos semanas.
Después de eliminar la evidencia insostenible y recalibrar los puntos de referencia históricos, Apodex aún mantuvo un juicio de baja probabilidad: alrededor del 10% para un lanzamiento público formal de Opus 5 antes del 31 de julio.
Las tres identidades para Honeycomb también se redistribuyeron:
Estos números no son verdades objetivas de un modelo estadístico; son estimaciones analíticas basadas en la evidencia pública actual.
Además, ninguna de las tres explicaciones superó el 50%. Actualmente, ninguna identidad merece llamarse «hecho confirmado».
La parte más interesante no fue el 10% final, sino que después de mi seguimiento, realmente eliminó dos piezas de evidencia insostenibles y recalculó. Al menos no intentó forzar la historia para que tuviera sentido solo para defender su primera respuesta.
También se enumeraron las señales que podrían anular el juicio actual: un anuncio oficial de Anthropic, Honeycomb reapareciendo como Fable/Mythos EAP, una explicación oficial de la eliminación, la aparición de Opus 4.9, o que Honeycomb desaparezca a largo plazo.
El informe proporcionó condiciones falsables, permitiendo una verificación futura contra eventos públicos.
Después de esto, me inclino más a tratar a Apodex como un «auditor de investigación» más que como una máquina de respuestas.
Su primera versión aún dará demasiado peso a materiales de segunda mano y razonará a partir de posiciones de interfaz sin reglas oficiales. Pero puede exponer fuentes, inferencias, contraevidencia e incógnitas. Luego puedes hacer seguimiento y obligarlo a eliminar evidencia y cambiar juicios.
Las fuentes clave aún requieren revisión manual, y las predicciones deben verificarse una vez que se revelen los resultados. La segunda auditoría finalmente enumeró 13 referencias, principalmente de materiales oficiales de Anthropic, Claude Platform y Cursor.
Después del 31 de julio, volveré a verificar: qué evidencia fue realmente útil y cuál simplemente sonaba razonable en ese momento.
Si tienes una pregunta que «ahora no tiene una respuesta estándar pero que se puede verificar públicamente más tarde», puedes ejecutarla en Apodex. No te limites a hacer una sola ronda; en la segunda ronda, haz que se audite inversamente a sí misma.
