Claude Opus 5.5, la opción sensata por defecto

Anthropic vende ahora cuatro líneas de Claude. Haiku es la más rápida y barata, Sonnet está en el medio, Opus es el caballo de batalla para el trabajo exigente y, por encima de ellas, desde junio, está Fable, una versión protegida de la clase de modelos Mythos. El 22 de septiembre, Anthropic lanzó Claude Opus 5.5, dos meses después de Opus 5.

Su afirmación es poco habitual para un lanzamiento: «Rinde al nivel de Claude Fable 5.1 en la mayor parte del trabajo y cuesta un 40 por ciento menos de ejecutar que Opus 5». Repasamos qué hay de nuevo, qué dicen las cifras, dónde se queda corto y quién debería usarlo.

Qué es

Opus 5.5 es el primer modelo de la familia Claude 5.5; desde entonces han llegado Sonnet 5.5 y Haiku 5.5. Lee texto e imágenes, admite hasta un millón de tokens de contexto y escribe hasta 128'000 tokens en una sola respuesta. Siempre piensa antes de responder, y un ajuste de esfuerzo que va de bajo a máximo decide cuánto. Su conocimiento fiable llega hasta junio de 2026.

Está disponible en las apps de Claude, a través de la plataforma propia de Anthropic y en Amazon Bedrock, Google Cloud y Microsoft Foundry. La documentación de Anthropic da ahora un consejo claro: empieza con Opus 5.5 para la mayoría de las cargas de trabajo y pasa a Fable 5.1 solo para el razonamiento más exigente y el trabajo agéntico largo, o cuando Opus 5.5 con más esfuerzo siga quedándose corto en tus propias pruebas.

Qué hay de nuevo

Anthropic informa de grandes mejoras frente a Opus 5 en trabajos largos y complejos, como las migraciones de código o la optimización de la velocidad del software. El modelo también escribe de otra manera: lo importante va primero, con menos jerga. John Ruelas, de Ramp, lo expresó así: «Los resultados prolijos y difíciles de seguir han sido mi mayor frustración con los modelos de frontera, y Claude Opus 5.5 lo resuelve».

Es más barato y más rápido. El precio baja de 5 a 4 dólares por millón de tokens de entrada y de 25 a 20 dólares por millón de tokens de salida, y la entrada en caché, de 0,50 a 0,20 dólares. Anthropic dice que el modelo genera la salida más de un 30 por ciento más rápido que Opus 5 y usa menos tokens por tarea; Box comprobó en sus evaluaciones que usaba alrededor de un tercio de los tokens que necesitaba Opus 5. Un modo rápido funciona hasta 2,5 veces más deprisa, a 8 y 40 dólares.

Anthropic también informa de sus mejores resultados hasta la fecha en su auditoría automatizada de comportamiento, con casi 2'000 escenarios, y dice que en las pruebas el modelo intentó cruzar los límites de contención alrededor de un 85 por ciento menos que Opus 5.

Qué muestran las cifras

En la tabla de la propia Anthropic, Opus 5.5 lidera en la mayoría de las pruebas. En Terminal-Bench 4.0, que mide el trabajo en una línea de comandos, obtiene un 66,4 por ciento, frente al 55,8 de Fable 5.1 y el 57,9 de GPT-6 Astra, de OpenAI. En GDPval-AA, que evalúa tareas profesionales de muchas ocupaciones, lidera con amplio margen. Astra sigue ganando en el trabajo científico en la terminal y en AutomationBench, por 64,6 a 58,7 por ciento y por 41,4 a 40,0.

Anthropic añade dos salvedades honestas. Algunas cifras de los rivales proceden de OpenAI o de clasificaciones públicas y no de sus propias ejecuciones, y «en nuestro propio uso, la distancia entre Opus 5.5 y Claude Fable 5.1 es menor de lo que sugieren estas puntuaciones».

El panorama independiente es parecido, con un coste añadido. Artificial Analysis sitúa a Opus 5.5 con esfuerzo máximo en el primer puesto de 216 modelos en su índice de inteligencia. Pero con ese ajuste también es uno de los más prolijos, ya que usa 260 millones de tokens de salida para completar el índice, frente a una mediana de 85 millones, y uno de los más caros por tarea. Un precio más bajo por token no hace barato el esfuerzo máximo.

Dónde se queda corto

No basta con cambiarlo por Opus 5. Anthropic enumera cuatro cambios incompatibles para el código existente, entre ellos que el modo de pensamiento ya no se puede desactivar y que obligar al modelo a usar una herramienta concreta ahora devuelve un error. Los equipos con integraciones propias deberían planificar una migración, no un simple cambio de nombre de modelo.

Sus salvaguardas condicionan parte del trabajo. Las peticiones que tocan ciberataques o biología pueden acabar respondidas por un modelo más antiguo, y los equipos de seguridad que necesiten menos bloqueos tienen que solicitar el acceso al Cyber Verification Program de Anthropic. Y Anthropic admite un límite de sus propias pruebas: «Vemos indicios de que Opus 5.5 sospecha a menudo que está siendo evaluado», lo que hace más difícil prever cómo se comportará el modelo fuera de la prueba.

Por último, es un modelo alquilado. Solo está disponible como servicio alojado, de Anthropic y tres socios de nube, y Anthropic se compromete a mantenerlo en su propia plataforma al menos hasta el 22 de septiembre de 2027.

Nuestro veredicto

Para la mayoría de las empresas, Opus 5.5 es la opción sensata por defecto para el trabajo serio: redacción, análisis, investigación, código y agentes que funcionan durante un buen rato. Empieza con el esfuerzo medio que viene por defecto y súbelo solo donde tus propias pruebas muestren una mejora, porque los ajustes más altos cuestan mucho más. Usa Sonnet 5.5 o Haiku 5.5 para el trabajo de gran volumen y reserva Fable para los pocos trabajos en los que Opus con esfuerzo alto no basta.

Un modelo así de bueno solo es tan útil como lo que sabe de tu empresa. Eso es lo que hace Twin: da a Claude, ChatGPT, Codex o a un modelo privado el conocimiento, las reglas, los skills y las integraciones de la empresa, entregados como código fuente que es propiedad de la empresa. Cuando llega un modelo mejor, el cerebro se queda y el modelo es un ajuste. Gestionamos crue de la misma manera, sobre nuestro propio Twin, en Claude y ChatGPT y en nuestro propio hardware con nuestro propio modelo.