Home / IA & ML / Copilot Fusion Max alcanza 71,2 % en Terminal-Bench 4.1
Copilot Fusion Max alcanza 71,2 % en Terminal-Bench 4.1

Copilot Fusion Max alcanza 71,2 % en Terminal-Bench 4.1

20 November 2026 · 21 min de lectura ··

GitHub sitúa a Copilot Fusion en lo más alto de Terminal-Bench

El 17 de noviembre de 2026, GitHub publicó una actualización de Copilot Fusion en la que presenta un dato llamativo: la variante Max de su sistema de orquestación aparece en las clasificaciones públicas de Terminal-Bench 4.1 con una tasa de resolución del 71,2 %. Según la propia compañía, esa cifra supera en 5,4 puntos porcentuales a la de Opus 5.5 y a la de Fable 5.2, y además lo hace con un coste inferior. GitHub detalla que, en esa prueba, el gasto fue un 88 % menor que el de Fable 5.2 y un 57 % menor que el de Opus 5.5.

Conviene leer el anuncio con la cabeza fría. Se trata de cifras autoinformadas, es decir, publicadas por el mismo proveedor que comercializa el producto evaluado. Eso no las invalida, pero cambia el peso que debemos darles: son una afirmación de la empresa, no una conclusión de un tercero que haya replicado el experimento por su cuenta. A ello se suma una cuestión de versiones. En octubre, cuando Fusion llegó a disponibilidad general, el resultado que circulaba correspondía a Terminal-Bench 4.0, con una puntuación en torno al 71 %. Ahora el anuncio habla de la versión 4.1, y comparar números entre versiones de un benchmark sin comprobar qué ha cambiado es una fuente clásica de confusión.

El contexto reciente ayuda: los agentes de IA ya inician el 40 % de los pull requests en GitHub, y hemos analizado qué cambia con Claude Fable 5.2 y Mythos 5.2 y con MAI-Code-1.1-Flash en local con Copilot.

Este artículo explica qué es Copilot Fusion, cómo funciona su enfoque de orquestación, qué mide exactamente un benchmark de terminal para agentes, cómo interpretar un porcentaje de resolución y un ahorro de costes, y qué límites tiene toda esta clase de evaluaciones. El objetivo no es dar un veredicto sobre quién gana, sino ofrecer a cualquier equipo de desarrollo las herramientas para leer este tipo de titulares sin sobrerreaccionar ni descartarlos.

Qué es Copilot Fusion y qué no es

Copilot Fusion no es un modelo de lenguaje nuevo entrenado desde cero. Es una capa de enrutado y orquestación que decide, en tiempo de ejecución, qué modelos intervienen en cada tarea y cómo se coordinan sus llamadas. El usuario lo elige desde el selector de modelos de Copilot, y en lugar de escoger un modelo concreto escoge un nivel de esfuerzo: Standard, High o Max. A partir de ahí, el sistema reparte el trabajo entre los modelos disponibles buscando un equilibrio entre rendimiento y coste.

El conjunto de modelos que Fusion puede utilizar incluye propuestas de Anthropic y de OpenAI. Según la documentación y la información pública disponible, entre ellos figuran Claude Opus 5.5 y Sonnet 5.5 por el lado de Anthropic, y modelos de la familia GPT-6 de OpenAI. La combinación exacta puede variar según la petición y según las políticas de cada organización, de modo que no existe una receta fija que se pueda describir como “Fusion es igual a tal modelo más tal otro”. Esa variabilidad es parte del diseño, pero también complica la reproducibilidad, algo sobre lo que volveremos más adelante.

Las organizaciones mantienen control sobre este mecanismo. Fusion solo utiliza los modelos que están habilitados en las políticas de modelos de la empresa y de la organización, y los administradores de una empresa pueden desactivar ciertos modelos para Fusion sin retirarlos del resto de usuarios. Para equipos con requisitos de cumplimiento, de residencia de datos o de contratos con proveedores concretos, este detalle importa tanto o más que cualquier porcentaje de un ranking.

En cuanto a disponibilidad, GitHub indica que Fusion está accesible en todos los planes de Copilot dentro de Visual Studio Code, la aplicación de GitHub Copilot, la interfaz de línea de comandos de Copilot y los IDE de JetBrains. La actualización del 17 de noviembre amplía además las superficies en las que se puede usar, y GitHub no ha comunicado en ese anuncio un precio específico para Fusion.

De la selección automática a la orquestación multimodelo

Fusion no surge de la nada. Es la evolución de la selección automática de modelos que Copilot ya ofrecía y de un proyecto de investigación previo, conocido como HydraFusion, que GitHub abrió como vista previa para flujos de trabajo con varios modelos. La idea de fondo es sencilla de enunciar y difícil de ejecutar bien: no todas las tareas de programación necesitan el modelo más potente ni el más caro, y por tanto un sistema inteligente debería gastar capacidad donde de verdad aporta valor.

Piense en una sesión típica con un agente de código. Una parte del trabajo consiste en leer ficheros, buscar referencias, resumir el estado del repositorio o aplicar cambios mecánicos. Otra parte exige razonar sobre una arquitectura, depurar un fallo sutil de concurrencia o planificar una migración en varios pasos. Usar el modelo más caro para todo es ineficiente, y usar el más barato para todo produce errores en los pasos difíciles. Un orquestador reparte: modelos más ligeros para los pasos rutinarios, modelos más capaces para los puntos de decisión, y quizá una verificación cruzada entre familias distintas para detectar errores.

El hecho de mezclar proveedores añade una propiedad interesante. Los modelos de Anthropic y los de OpenAI tienen fortalezas y fallos distintos, y combinarlos puede reducir la correlación entre errores. Si un modelo propone una solución y otro la revisa, la probabilidad de que ambos cometan exactamente la misma equivocación es menor que si el revisor fuera una copia del autor. Este principio, parecido a la diversidad en los conjuntos de clasificadores clásicos, es una de las razones por las que la orquestación multimodelo resulta atractiva más allá del ahorro.

Sin embargo, la orquestación también introduce complejidad. Hay latencia añadida por cada decisión de enrutado, hay que mantener coherencia de contexto entre modelos que tokenizan y razonan de forma distinta, y hay que decidir cuándo una llamada adicional compensa su coste. Un orquestador mal calibrado puede gastar más de lo que ahorra. Por eso las cifras de coste y de resolución deben mirarse siempre juntas.

Qué mide Terminal-Bench y por qué importa a quien programa

Terminal-Bench es un conjunto de tareas diseñado para evaluar agentes que trabajan en un entorno de terminal. A diferencia de pruebas centradas en completar una función aislada, estas tareas simulan trabajo real de ingeniería y administración: compilar un proyecto con dependencias complicadas, configurar un servicio, depurar un fallo en un entorno aislado, manipular ficheros y datos, o encadenar comandos hasta alcanzar un estado final comprobable. El agente recibe una instrucción, actúa en un contenedor mediante comandos y, al terminar, un conjunto de comprobaciones automáticas determina si la tarea se resolvió o no.

La métrica principal es la tasa de resolución: el porcentaje de tareas en las que el agente logra el estado final correcto. Un 71,2 % significa que, de cada cien tareas del conjunto, el sistema resuelve algo más de setenta según los verificadores automáticos. La métrica es binaria por tarea. No premia soluciones parciales, ni elegancia, ni mantenibilidad, ni seguridad del código resultante, ni la claridad de las explicaciones del agente.

Este enfoque tiene ventajas claras. Los resultados son objetivos en el sentido de que se verifican por programa, las tareas se acercan más a la realidad que los ejercicios de algoritmia, y el formato favorece la comparación entre agentes diferentes. Para quien decide qué herramienta adoptar, un benchmark de terminal aporta una señal sobre la capacidad de ejecutar flujos largos con herramientas reales, que es precisamente lo que se espera de un agente moderno.

Pero lo que se mide es la capacidad en ese conjunto de tareas, con ese arnés de ejecución y bajo esas restricciones de tiempo y de recursos. La traducción a su propio repositorio, con su historial, sus convenciones y sus dependencias privadas, nunca es directa.

Versión 4.0 frente a 4.1: por qué el número de versión importa

Uno de los puntos más delicados de este anuncio es la versión. Cuando Fusion se lanzó con disponibilidad general a finales de octubre, se citó un resultado cercano al 71 % en Terminal-Bench 4.0. El anuncio del 17 de noviembre habla de 71,2 % en Terminal-Bench 4.1. A primera vista parece que el sistema apenas ha mejorado, o que el resultado se ha mantenido estable, pero esa lectura puede ser engañosa.

Entre versiones de un benchmark pueden cambiar muchas cosas: el conjunto de tareas, la dificultad media, los criterios de verificación, las imágenes de contenedor, los límites de tiempo, las reglas de participación o incluso la forma de calcular la puntuación. Una cifra similar en dos versiones distintas no implica un rendimiento equivalente, y una cifra distinta tampoco implica un cambio real. Antes de afirmar que algo ha mejorado, hay que saber si ambas mediciones comparten tareas y condiciones.

Por eso es prudente tratar el dato de la versión como algo que merece confirmación en las clasificaciones públicas y en la documentación del propio benchmark. Dentro del anuncio de GitHub, la comparación con Opus 5.5 y Fable 5.2 se presenta en la misma versión, que es lo que la hace razonablemente consistente internamente. La comparación con lo que ocurrió en octubre, en cambio, no debería hacerse sin precauciones.

Este tipo de desajuste es habitual en el ecosistema de evaluaciones. Los benchmarks evolucionan para corregir tareas defectuosas, cerrar atajos y aumentar la dificultad cuando los modelos se acercan a la saturación. Es sano que cambien, pero obliga a quien los cita a indicar siempre versión, fecha, configuración y condiciones de ejecución.

Las cifras de GitHub, una a una

Veamos qué afirma exactamente GitHub y qué implica cada elemento. Primero, la tasa de resolución de Fusion Max: 71,2 %. Segundo, la diferencia: 5,4 puntos por encima de Opus 5.5 y de Fable 5.2. Esto sugiere que ambos competidores quedan en torno al 65,8 %, y que la diferencia entre ellos en esa prueba es nula o despreciable según el redondeo que se aplique. Tercero, el coste: un 88 % menos que Fable 5.2 y un 57 % menos que Opus 5.5.

Los porcentajes de ahorro son llamativos y requieren interpretación. Un ahorro del 88 % significa que, por el mismo conjunto de tareas, el gasto total de Fusion Max fue apenas el 12 % del de Fable 5.2. Un ahorro del 57 % frente a Opus 5.5 significa que Fusion Max gastó algo menos de la mitad. Que los dos ahorros sean tan distintos revela que Fable 5.2 y Opus 5.5 tienen perfiles de coste muy diferentes en esa medición, y que el ahorro depende tanto del precio por token como de cuántos tokens consume cada agente para resolver cada tarea.

Aquí aparece un matiz importante: el coste de un agente no es solo precio por token, sino también la longitud de las trayectorias. Un agente que explora mucho, reintenta con frecuencia o genera razonamientos largos acumula tokens. Un orquestador que delega los pasos rutinarios en modelos baratos y reserva los caros para las decisiones puede reducir el coste de forma notable sin sacrificar resultados. Es plausible que parte del ahorro proceda de ahí, aunque los detalles internos no los conocemos.

Además, las comparaciones de coste de GitHub provienen de las ejecuciones del benchmark, no de cambios de precios para el usuario. No implican que la factura mensual de un equipo vaya a bajar en esa proporción, porque ese resultado depende de la tarifa de cada plan, de las cuotas de uso y de cómo cada organización consume los modelos.

Cómo leer un benchmark de agentes sin dejarse llevar

Cuando aparece un titular de este tipo, conviene hacer una serie de preguntas casi mecánicas. Son las mismas que se aplican a cualquier resultado publicado por una empresa sobre su propio producto, y ayudan a separar la señal del ruido.

La primera pregunta es quién ha ejecutado la evaluación. Un resultado enviado por el proveedor al ranking público tiene un valor distinto al de una ejecución independiente. En un caso, el proveedor controla la configuración, el número de intentos y el arnés. En el otro, un tercero fija las reglas y las aplica por igual a todos. Las cifras de Fusion Max en Terminal-Bench 4.1 son, según lo publicado, autoinformadas.

La segunda es qué arnés se usó. Un agente no es solo un modelo: es un modelo más un sistema de instrucciones, herramientas, gestión de contexto y políticas de reintento. Dos productos con el mismo modelo pueden rendir de forma muy diferente según su arnés. En el caso de Fusion, el arnés incluye el orquestador, de modo que la comparación no enfrenta modelos sino sistemas completos. Eso es legítimo, pero hay que decirlo con claridad: estamos comparando un producto con otros productos o configuraciones.

La tercera es cuántos intentos se permitieron y cómo se agregan. Algunos resultados reflejan una única ejecución por tarea, otros el mejor de varios intentos, otros un promedio. La varianza de los agentes es alta, y una diferencia de 5,4 puntos puede ser robusta o puede caer dentro del ruido según el número de tareas y de repeticiones. Sin intervalos de confianza, no se puede saber.

La cuarta es qué presupuesto de tiempo y de recursos se concedió. Los límites de tiempo, de tokens y de pasos condicionan mucho la puntuación, y a veces favorecen a los sistemas que paralelizan o que gastan menos por paso.

La quinta es si la comparación es justa en configuración. ¿Se utilizaron los mismos niveles de esfuerzo en los modelos rivales? ¿Se probaron en su máxima configuración o en una intermedia? Comparar un sistema en su nivel máximo con otro en una configuración por defecto desvirtúa cualquier conclusión.

Los límites de los benchmarks de agentes

Incluso con una ejecución perfectamente limpia, los benchmarks de agentes tienen límites estructurales que no dependen de la honestidad de nadie. El primero es la cobertura. Un conjunto de varios cientos de tareas, por bien diseñado que esté, representa una fracción minúscula de lo que hacen los desarrolladores. Un agente puede destacar en administración de sistemas y compilación, y ser mediocre en refactorizaciones de aplicaciones web grandes o en migraciones de bases de datos.

El segundo límite es la contaminación. Si las tareas o sus soluciones se han filtrado en los datos de entrenamiento, los modelos pueden resolverlas por memoria y no por razonamiento. Los responsables de los benchmarks intentan mitigarlo, pero a medida que un conjunto se publica y se populariza, el riesgo crece. Una de las razones de las versiones sucesivas es precisamente renovar contenido.

El tercer límite es la optimización específica. Cuando un ranking se convierte en objetivo comercial, los proveedores ajustan sus sistemas para rendir bien en él. Eso no implica trampa; es una dinámica natural, resumida a menudo en la idea de que una medida deja de ser buena cuando se convierte en meta. Un orquestador puede afinarse para el tipo de tarea, la duración y la estructura de Terminal-Bench, y aun así no generalizar igual a otros dominios.

El cuarto límite es la métrica binaria. Resolver o no resolver oculta muchos aspectos que importan en producción: la calidad del código, la legibilidad de los cambios, el cumplimiento de convenciones, la seguridad, la cobertura de pruebas, la ausencia de efectos secundarios. Un agente puede pasar los verificadores de una tarea y dejar un entorno con configuraciones inseguras o un historial de comandos arriesgado.

El quinto límite es el entorno controlado. Las tareas de un benchmark se ejecutan en contenedores reproducibles, con red limitada y objetivos bien definidos. El trabajo real tiene requisitos ambiguos, documentación obsoleta, permisos parciales y personas que cambian de opinión. La brecha entre el laboratorio y la práctica es considerable y difícil de cuantificar.

Coste y rendimiento: la otra mitad de la historia

Una de las contribuciones más valiosas del enfoque de Fusion, si los resultados se sostienen, es poner el coste al mismo nivel que la precisión. Durante mucho tiempo los rankings se han ordenado por tasa de resolución, sin tener en cuenta cuánto cuesta cada punto adicional. Pero en un entorno profesional, el coste por tarea resuelta es una métrica operativa de primer orden.

Imagine dos agentes: uno resuelve el 66 % de las tareas con un coste unitario alto, y otro resuelve el 71 % con un coste menor. El segundo domina al primero en las dos dimensiones, y la decisión es sencilla. Sin embargo, la mayoría de las comparaciones reales son más complicadas, porque suele haber un compromiso: mejores resultados a costes mayores. Lo útil es construir la frontera de Pareto, es decir, el conjunto de configuraciones que no pueden mejorarse en una dimensión sin empeorar la otra, y escoger sobre ella según las necesidades del equipo.

Un evaluador independiente que analiza agentes de programación ha publicado además un resultado sobre Fusion Max usado a través de la interfaz de línea de comandos de Copilot en su propio índice de agentes de código. Según lo que se ha divulgado, Fusion Max obtiene 60 puntos con un coste de 5,59 dólares, frente a 62 puntos y 11,42 dólares para Claude Code con Opus 5.5 en su configuración máxima. Es un único resultado de un tercero y debe tratarse como tal, pero ilustra un patrón: un sistema orquestado puede quedar muy cerca de un modelo puntero en precisión gastando alrededor de la mitad. Nótese también que esta medición no replica la ventaja de 5,4 puntos de la otra prueba, y que incluso muestra una pequeña desventaja en puntuación. Dos benchmarks distintos, dos conclusiones matizadas: eso es lo normal.

La lectura más útil quizá no sea quién gana, sino que la relación entre precisión y gasto es la dimensión sobre la que se está compitiendo. Para equipos que ejecutan agentes de forma intensiva, por ejemplo en automatizaciones de revisión, corrección de incidencias o migraciones masivas, un ahorro del 50 % con una pérdida de precisión pequeña puede ser mucho más relevante que ganar dos puntos en un ranking.

Qué implica para equipos y empresas

Para un equipo de desarrollo, la primera consecuencia práctica es que ya no basta con preguntar qué modelo usar. La pregunta pasa a ser qué sistema, con qué política de enrutado y con qué controles. Fusion, al permitir elegir un nivel de esfuerzo y respetar las políticas de modelos de la organización, abre una forma de gobernar el uso de IA que se parece más a la gestión de recursos de infraestructura que a la elección de una herramienta.

La segunda consecuencia es la dependencia de proveedores. Al apoyarse en modelos de varias compañías, un orquestador puede reducir el riesgo de depender de una sola. Si un modelo sufre una degradación o un cambio de precios, el sistema puede reequilibrar. Pero también traslada la dependencia al orquestador: quién decide el reparto, con qué criterios y con qué transparencia pasa a ser un asunto central. Las organizaciones deberían preguntar qué visibilidad tienen sobre los modelos efectivamente utilizados en cada tarea, algo necesario para auditoría, para cumplimiento y para depurar comportamientos inesperados.

La tercera es la reproducibilidad. Si un mismo nivel de esfuerzo puede resolver una tarea hoy con una combinación de modelos y mañana con otra, los resultados pueden variar entre ejecuciones sin que cambie nada visible. Es una propiedad difícil de aceptar en entornos que valoran la trazabilidad, y conviene complementarla con registros de uso y con pruebas de regresión internas.

La cuarta es la seguridad. Un agente con acceso a terminal ejecuta comandos reales. Más modelos y más pasos implican más superficie de decisión sobre qué se ejecuta. Las buenas prácticas habituales siguen vigentes: entornos aislados, permisos mínimos, revisión humana de cambios que afecten a producción, y registro de todas las acciones.

Cómo evaluar Fusion en su propio entorno

La mejor respuesta a un benchmark ajeno es construir uno propio, pequeño pero representativo. No hace falta una infraestructura sofisticada. Basta con seleccionar entre veinte y cincuenta tareas reales de su repositorio, con criterios de aceptación automáticos, y ejecutarlas con las configuraciones que le interesen.

Primero, elija tareas variadas: correcciones de errores con prueba que falla, pequeñas funcionalidades, actualizaciones de dependencias, cambios de configuración y tareas de depuración. Segundo, defina un criterio de éxito verificable: pruebas que pasan, linter limpio, construcción correcta. Tercero, registre para cada ejecución el resultado, el tiempo, el coste y las intervenciones manuales necesarias. Cuarto, repita varias veces para estimar la variabilidad. Quinto, revise a mano una muestra de soluciones aprobadas para detectar problemas de calidad que la métrica binaria no ve.

Con esos datos puede calcular el coste por tarea resuelta, la tasa de resolución y el esfuerzo de revisión humana. Ese último factor es el más infravalorado: un agente que resuelve el 70 % de las tareas pero exige revisiones largas puede resultar menos rentable que uno que resuelve el 60 % con cambios limpios y pequeños.

Compare siempre en iguales condiciones y con los mismos niveles de esfuerzo cuando sea posible. Y recuerde que un resultado favorable en su conjunto de tareas hoy no garantiza lo mismo tras una actualización del orquestador o de los modelos subyacentes, por lo que conviene repetir la evaluación periódicamente.

Situación actual de la historia

A fecha de 20 de noviembre de 2026, lo confirmado es lo siguiente. GitHub anunció el 17 de noviembre una actualización de Copilot Fusion con más disponibilidad, nuevos resultados de benchmark y nuevos modelos. En ese anuncio sostiene que Fusion Max alcanza el 71,2 % de resolución en Terminal-Bench 4.1, con una ventaja de 5,4 puntos sobre Opus 5.5 y Fable 5.2 y con un coste inferior. Los datos son autoinformados y no hemos encontrado una replicación independiente de esa cifra concreta.

Lo que queda por aclarar es, ante todo, la versión del benchmark y sus diferencias con la 4.0 citada en octubre, así como los detalles del arnés, el número de intentos y los límites de recursos utilizados en la ejecución enviada. También sería deseable ver resultados de terceros bajo condiciones homogéneas, y que la compañía documentara con más detalle qué modelos intervienen en cada nivel de esfuerzo y con qué criterios.

Mientras tanto, la evidencia independiente disponible es limitada y mixta: un evaluador externo situó a Fusion Max cerca del sistema de referencia con Opus 5.5 en un índice distinto, con aproximadamente la mitad de coste. Es coherente con la idea de que la orquestación reduce gasto con una pérdida pequeña de precisión, pero no confirma la ventaja de puntuación que GitHub señala en Terminal-Bench 4.1.

Lecciones para interpretar el próximo ranking

Esta historia deja varias enseñanzas que servirán para el siguiente titular de este tipo. La primera es que el producto y el modelo no son lo mismo. Cuando un sistema de orquestación compite con modelos individuales, la comparación mezcla capacidades del modelo con ingeniería de producto, y ambas cuentan, pero no son intercambiables.

La segunda es que la versión, la fecha y las condiciones forman parte del dato. Un porcentaje sin su contexto es una anécdota. Si no se puede saber qué versión del benchmark se usó, qué configuración recibió cada competidor y quién ejecutó las pruebas, lo prudente es tratar la cifra como indicio y no como prueba.

La tercera es que el coste ha dejado de ser un asunto secundario. En la medida en que los agentes se usan en volumen, el precio por tarea resuelta determina qué automatizaciones son viables. Las empresas que midan bien esta variable tendrán ventaja a la hora de decidir dónde introducir agentes y con qué nivel de esfuerzo.

La cuarta es que ningún ranking sustituye a la evaluación local. Los benchmarks públicos sirven para filtrar candidatos, y los experimentos internos para decidir. La combinación de ambos, con revisión humana de una muestra, es la forma más fiable de adoptar nuevas herramientas sin llevarse sorpresas.

La quinta es que la competencia entre proveedores y orquestadores es positiva para quienes desarrollan. Que una capa de enrutado pueda aproximarse al rendimiento de los modelos más caros con menos gasto presiona los precios y empuja a mejorar la eficiencia, algo que beneficia a todo el ecosistema, con independencia de quién lidere cada tabla en una semana concreta.

Conclusiones

Copilot Fusion es una capa de orquestación que reparte el trabajo entre modelos de Anthropic y de OpenAI, entre otros, y que permite elegir un nivel de esfuerzo en lugar de un modelo concreto. El anuncio del 17 de noviembre de 2026 sitúa a Fusion Max en 71,2 % de resolución en Terminal-Bench 4.1, 5,4 puntos por encima de Opus 5.5 y Fable 5.2, con un coste que GitHub cifra en un 57 % y un 88 % menor respectivamente.

Se trata de cifras autoinformadas, y la diferencia entre la versión 4.0 mencionada en octubre y la 4.1 actual aconseja confirmar qué cambió antes de comparar resultados entre ambas. Un benchmark de terminal aporta una señal útil sobre la capacidad de ejecutar tareas largas con herramientas reales, pero tiene límites de cobertura, de contaminación, de optimización específica y de métrica que impiden extrapolar directamente a cualquier proyecto.

La conclusión práctica es doble. Por un lado, la relación entre precisión y coste es ya el eje central de la competencia entre agentes de programación, y la orquestación multimodelo parece una vía seria para mejorarla. Por otro, la decisión de adoptar una herramienta debe apoyarse en evaluaciones propias, repetibles y con revisión humana, y no solo en un ranking publicado por el proveedor. Si los resultados de GitHub se confirman con ejecuciones independientes, será una buena noticia para los equipos que buscan más rendimiento por cada euro invertido. Hasta entonces, lo razonable es tomarlos como una afirmación prometedora y comprobable, no como un hecho cerrado.