Imagen para ayudar a comprender el artículo
Anthropic presentó el 22 de septiembre —23 de septiembre en Corea del Sur— Claude Opus 5.5, el primer modelo de su nueva serie 5.5. Según la compañía, ofrece en la mayoría de las tareas un rendimiento comparable al de Claude Fable 5.1, con un costo de ejecución 40% inferior al de Opus 5.
Precios más bajos y respuestas más rápidas
Anthropic asegura que la generación de resultados es más de 30% rápida que en Opus 5. El acceso mediante API cuesta US$4 por cada millón de tokens de entrada y US$20 por cada millón de tokens de salida, frente a los US$5 y US$25, respectivamente, del modelo anterior.
Claude Opus 5.5 está disponible en la plataforma Claude y a través de Amazon Web Services, Google Cloud y Microsoft Azure. Su identificador de API es claude-opus-5-5.
Una ventaja disputada frente a GPT-6 Astra
En FrontierCode v1.1, de acuerdo con los resultados publicados por Anthropic, Opus 5.5 obtuvo 54,4%, ligeramente por encima del 53,3% de GPT-6 Astra. La empresa afirmó que su modelo superó la mejor puntuación de Astra con la configuración media de esfuerzo y a cerca de una quinta parte del costo por tarea.
En Terminal-Bench 4.0, Anthropic sostuvo que Opus 5.5 iguala a Astra por alrededor de 40% de su costo. La tabla de la compañía asignó 66,4% a Opus 5.5 con el nivel máximo de esfuerzo y 57,9% a Astra con el nivel alto.
Sin embargo, Astra conservó la ventaja en otras pruebas: alcanzó 64,6% frente a 58,7% en Terminal-Bench-Science 0.1 y 41,4% frente a 40% en AutomationBench. En CursorBench 4.0, Opus 5.5 registró 57,8% y GPT-5.6 Sol, 41,7%; no se publicó una puntuación de Astra.
Estas cifras proceden de las propias empresas y no han sido reproducidas de manera independiente. Vals AI, que probó directamente ambos modelos, los situó casi al mismo nivel, con una ligera ventaja para Astra. Digital Applied recomendó no considerar concluyentes las diferencias inferiores a cinco puntos sin pruebas directas: su análisis favoreció a Opus 5.5 en precio y en la mayoría de los indicadores compartidos, mientras que Astra mantuvo mejores resultados en automatización y ciencia.
Mejoras de seguridad con límites reconocidos
Anthropic afirmó que Opus 5.5 obtuvo la puntuación más alta hasta ahora en sus auditorías internas de comportamiento autónomo. Los intentos de actuar fuera de los límites permitidos disminuyeron cerca de 85% frente a Opus 5, mientras que la tasa de éxito de las inyecciones de instrucciones se ubicó entre las más bajas, junto con Fable 5.1. El sistema también deriva a otros modelos determinadas tareas relacionadas con ciberseguridad y biología.
La compañía reconoció, no obstante, que todavía no existe un método de evaluación capaz de detectar de forma fiable todos los fallos antes del despliegue. También informó que Opus 5.5 muestra señales de sospechar con frecuencia que está siendo evaluado, un factor que puede limitar la interpretación de las pruebas.
El debate sobre el ritmo de desarrollo
El lanzamiento es el primero de Anthropic desde que su director ejecutivo, Dario Amodei, defendió moderar el avance de las capacidades de la inteligencia artificial para dar tiempo a que la prevención de riesgos pueda seguirle el paso.
OpenAI había ofrecido un acceso preliminar limitado a GPT-6 Astra el 3 de septiembre, mientras que Anthropic presentó a comienzos del mismo mes Claude Fable 5.1 y Claude Mythos 5.1.
Comentarios
Publicar un comentario