Sonnet 5.5 deja a Opus sin excusa
Escuchar el artículo · 4:06
Sonnet 5.5 iguala a Opus en benchmarks agénticos costando la mitad, pero el ajuste de esfuerzo esconde la factura real.
En este artículo (4)▼
70,6% en Terminal-Bench 4.0 frente al 10,3% de su antecesor: el salto de Sonnet 5.5 no es una mejora incremental, es un cambio de categoría que deja al flagship Opus con poco que justificar.
El gama media que puntúa como flagship
Anthropic lanzó Sonnet 5.5 el 28 de septiembre como "un complemento más rápido y barato de Opus 5.5", pensado para tareas cotidianas bien definidas: corregir bugs, redactar documentación, armar presentaciones y hojas de cálculo. Más de 30% más rápido generando output y hasta 30% menos coste por tarea que Sonnet 5, usando menos tokens, menos pasos y menos llamadas a herramientas, con el mismo precio por token.
Los números independientes respaldan el discurso. En Terminal-Bench 4.0, Sonnet 5.5 alcanza 70,6% y supera al propio Opus 5.5 (66,4%). En GDPval-AA roza el empate (1844 frente a 1846 de Elo) y en OSWorld 2.1 queda a décimas (80,1% contra 81,8%). El precio es la mitad que Opus: 2 dólares por millón de tokens de entrada y 10 por millón de salida. Anthropic matiza que Opus "sigue claramente más fuerte en trabajo complejo y abierto", pero la pregunta queda servida: si el barato hace el 95% de lo que hace el caro, ¿quién paga el caro?
Barato por token no es barato por tarea
Aquí está el matiz que Anthropic no destaca. Su promesa de "30% menos coste por tarea" viene de su propio protocolo de medición. Artificial Analysis, con esfuerzo al máximo, midió lo contrario: el coste por tarea de Sonnet 5.5 puede superar al de Opus 5.5 (7,60 dólares frente a 5,98) y multiplicar por siete al de GPT-6 Sol. El ajuste de "effort" lo cambia todo: Medium por defecto en las apps, High en la plataforma, y cada nivel mueve la factura.
En FrontierCode se ve el mismo efecto por otro lado: a esfuerzo máximo (46,2%) rinde peor que en Xhigh (52,1%), porque el modelo lanza subagentes de revisión que se salen del alcance. Más cómputo no siempre es mejor resultado; a veces es solo más factura.
Lo que conviene revisar antes de migrar
Quien pague API de Anthropic debería hacer tres comprobaciones esta semana. Primera: medir coste por tarea completada con su propio workload, no por millón de tokens, y comparar Sonnet 5.5 en esfuerzo Medium contra Opus antes de asumir ahorros. Segunda: revisar la migración desde Sonnet 5, porque el modo de pensamiento cambia y algo puede romperse en pipelines que dependían del comportamiento anterior. Tercera: Haiku 5.5 llega "en próximas semanas" sin fecha; si las tareas son realmente rutinarias, quizá el ahorro de verdad esté en esperar al pequeño.
El flagship ahora tiene que demostrar su sueldo
Sonnet 5.5 está disponible en las apps de Claude, la API, AWS, Google Cloud y Azure, con contexto de un millón de tokens. Es además el primer Sonnet con salvaguardas de ciberseguridad de nivel flagship. La gama media ya no es el modelo de compromiso: es el modelo por defecto, y Opus tendrá que ganarse cada llamada que cueste el doble.
Fuente: anthropic.com, frandroid.com, europesays.com
