Anthropic lanza Claude Opus 4.5 y rebaja dos tercios su precio
Claude Opus 4.5 llega con liderazgo en pruebas de ingeniería de software y agentes de larga duración. Anthropic baja su precio a 5 dólares por millón de tokens de entrada y 25 de salida, acercando su modelo más capaz a usos cotidianos.
Anthropic ha presentado hoy Claude Opus 4.5, la nueva versión de su modelo de mayor capacidad. La compañía asegura que recupera el primer puesto en SWE-bench Verified, una de las pruebas más seguidas para medir la capacidad de resolver incidencias reales de programación, y que mejora en tareas donde el modelo debe trabajar de forma autónoma durante periodos largos.
El cambio no es solo técnico. Anthropic ha reducido el precio de Opus a 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida, frente a los 15 y 75 dólares de la generación anterior. Es un recorte cercano al 66% que altera el papel de Opus: deja de ser una opción reservada para encargos muy costosos y pasa a competir por convertirse en el modelo habitual de equipos de desarrollo.
La carrera por el modelo insignia se acelera
El lanzamiento cierra una concentración inusual de anuncios. OpenAI actualizó GPT-5 con GPT-5.1 el 12 de noviembre; Google presentó Gemini 3 el 18; y Anthropic responde ahora con Opus 4.5. Los tres grandes proveedores han renovado su modelo de referencia en apenas doce días.
Esa cadencia refleja que la competición ya no se decide únicamente por responder mejor a preguntas o redactar textos. El campo de batalla son los agentes: sistemas que reciben un objetivo, usan herramientas como el terminal o el navegador y encadenan pasos para completar una tarea. En programación, eso significa explorar un repositorio, localizar un fallo, modificar varios archivos, ejecutar pruebas y corregir los errores que aparezcan.
Anthropic sitúa a Opus 4.5 como su mejor modelo para código, uso de ordenadores y agentes. También anuncia avances en investigación profunda, hojas de cálculo, presentaciones, visión, matemáticas y razonamiento. Sus aplicaciones, API y las tres principales plataformas de computación en la nube lo incorporan desde hoy bajo el identificador claude-opus-4-5-20251101.
Más rendimiento con menos pasos
La promesa central de Opus 4.5 no es solo acertar más, sino llegar al resultado con menos llamadas a herramientas y menos tokens. Esto importa porque el coste de un agente no depende únicamente de la tarifa del modelo: una tarea que se atasca, repite búsquedas o ejecuta demasiadas comprobaciones puede multiplicar la factura y tardar mucho más de lo previsto.
Entre las evaluaciones citadas por Anthropic, el modelo supera a Sonnet 4.5 en Aider Polyglot —una prueba de programación en distintos lenguajes— y obtiene un 29% más de rendimiento en Vending-Bench, diseñada para observar si un agente mantiene el rumbo en tareas prolongadas. La empresa también afirma que lidera siete de los ocho lenguajes evaluados en SWE-bench Multilingual.
La compañía cuenta además que Opus 4.5 obtuvo, en un examen interno de ingeniería de rendimiento con límite de dos horas, una puntuación superior a la de cualquier candidato humano que se hubiera presentado. Es una comparación llamativa, pero conviene delimitarla: mide destrezas técnicas y juicio bajo presión en una prueba concreta, no capacidades profesionales como colaborar con un equipo, comunicar decisiones o conocer el contexto de una empresa.
Los benchmarks también tienen límites
Anthropic incluye un ejemplo revelador de una prueba llamada τ2-bench. En un escenario de atención al cliente de una aerolínea, el agente debía ayudar a cambiar un vuelo con una tarifa básica que no permite modificaciones. Opus 4.5 encontró una vía permitida por las reglas: primero cambiar la clase de cabina y, después, modificar el vuelo. La prueba lo calificó como error porque esa solución no estaba prevista en su respuesta esperada.
El caso muestra una tensión creciente en la evaluación de agentes. Un benchmark permite comparar modelos de manera repetible, pero puede penalizar una solución correcta si está demasiado cerrado. Al mismo tiempo, la capacidad de encontrar caminos no anticipados exige diseñar mejor las reglas y supervisiones: en entornos reales, una solución ingeniosa no debe saltarse restricciones importantes.
Para desarrolladores y empresas, la novedad más tangible es la combinación de capacidad y precio. Opus 4.5 puede resultar atractivo para refactorizar código, migrar sistemas antiguos, revisar cambios complejos o automatizar procesos con varias herramientas. Aun así, el liderazgo en pruebas públicas no elimina la necesidad de revisar el código generado, controlar permisos y medir el coste en los casos de uso propios. La prueba decisiva será si esa mejora se mantiene fuera de los benchmarks, en proyectos con datos, normas y errores reales.
