Curso
Introducción a los modelos Claude
3 h
15K
Anthropic vuelve a tener un segundo mejor modelo totalmente nuevo.
\nEsta vez, se trata de Claude Opus 5, presentado como inteligencia cercana a la frontera, pero a mitad de precio de Claude Fable 5 y, además, Opus 5 supera a Fable 5 en varias evaluaciones de programación y trabajo de conocimiento, incluyendo Frontier-Bench y GDPval-AA. Solo queda por detrás de Mythos 5, que aún no está ampliamente disponible.
\nA continuación tienes un recorrido por las novedades de Opus 5, su rendimiento en más pruebas de referencia, lo que dice Anthropic sobre su alineamiento y perfil de seguridad, y cuánto cuesta.
\n¿Qué es Claude Opus 5?
\nOpus 5 es la versión más reciente del nivel Opus de Anthropic, que en capacidad general se sitúa por debajo de Mythos, pero por encima de Sonnet y Haiku.
\nAnthropic afirma que su modelo más nuevo es \"reflexivo y proactivo\" (tienden a antropomorfizar un poco). También nos cuentan que el modelo está pensado para el uso diario, lo que para una persona ingeniera de IA significa que es lo bastante eficiente como para ejecutarse de forma continua.
\nEn evaluaciones de programación y trabajo de conocimiento como Frontier-Bench y GDPval-AA, Anthropic sostiene que Opus 5 es ahora el más avanzado entre sus modelos, aunque sigue por detrás de Mythos 5 específicamente en tareas de ciberseguridad, que cubrimos en detalle en nuestro artículo sobre Mythos 5.
\nSi quieres ver el modelo cara a cara frente a competidores y modelos hermanos, consulta nuestras guías comparativas:
\n\n¿Qué hay de nuevo en Claude Opus 5?
\nDos aspectos destacan en el propio encuadre de Anthropic sobre lo realmente nuevo: un giro hacia terminar tareas en lugar de quedarse en una respuesta verosímil, y un salto en la calidad del output visual.
\nPersistencia agentiva
\nEl mayor cambio cualitativo de Opus 5 es su disposición a seguir trabajando hasta que una tarea realmente salga bien. Anthropic nos da una idea de cómo se ve eso:
\n- \n
- Con un plano de una pieza mecánica pero sin forma de verlo directamente, Opus 5 creó su propia canalización de visión por ordenador para extraer la geometría a partir de píxeles en bruto. \n
- Al pedirle que arreglara un error real en un gestor de paquetes de código abierto muy usado, Opus 5 encontró y solucionó la causa raíz, en lugar de poner un parche. \n
- Según se informa, un ingeniero en una firma de trading usó Opus 5 para construir un feed de datos de mercado para una nueva bolsa en una sola sesión —incluyendo escribir su propio test harness para validar la lógica de parseo. \n
Esta voluntad de iterar y no conformarse con una respuesta plausible parece ser lo que impulsa el salto de Opus 5 en benchmarks agentivos como Frontier-Bench.
\nOutputs visuales más sólidos
\nAnthropic también destaca que Opus 5 es capaz de producir resultados visuales significativamente mejores que modelos anteriores, señalando ejemplos como una visualización tipo túnel de viento del flujo de aire sobre objetos aerodinámicos, como un coche. Es un ejemplo convincente, y una buena noticia si tu trabajo implica crear diagramas generativos.
\nBenchmarks de Claude Opus 5
\nEsta tabla solo incluye modelos de Anthropic. He revisado sus respectivos lanzamientos y alineado lo que he podido. Compararé Opus 5 con modelos competidores en la siguiente sección.
\nNota: \"no divulgado\" o \"no publicado\" significa que ese modelo no se incluyó en ese benchmark concreto en el lanzamiento de referencia, no que obtuviera un cero.
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n| Benchmark | Haiku 4.5 | Sonnet 4.6 | Opus 4.7 | Opus 4.8 | Sonnet 5 | Fable 5 | Opus 5 |
|---|---|---|---|---|---|---|---|
| SWE-bench Verified | 73,3% | 79,6% | 87,6% | 88,6% | — | 95,0% | 96,0% |
| SWE-bench Pro | — | 58,1% | 64,3% | 69,2% | 63,2% | 80,3% | 79,2% |
| Terminal-Bench | 41% | 67,0% (2,1) | 69,4% (2,0) | 74,6% (2,1) | 80,4% (2,1) | 88,0% (2,1) | not published |
| Frontier-Bench v0.1 (nueva eval) | — | — | — | 18,7% | — | 33,7% | 43,3% |
| GDPval-AA / v2 (Elo, /2000) | — | — | 1.753 | 1.890 (v1) / 1.593 (v2) | 1.618 (v2) | 1.747 (v2) | 1.861 (v2) |
| Auditoría de comportamiento desalineado (menor = mejor) | — | — | — | not disclosed | not disclosed | not disclosed | 2,3 (la mejor hasta ahora) |
| Precio ($/MTok in/out) | $1/$5 | $3/$15 | $5/$25 | $5/$25 | $2–3/$10–15 | $10/$50 | $5/$25 |
Claude Opus 5 vs. Fable 5
\nComo ves en la tabla anterior, Opus 5 supera a su hermano más caro en Frontier-Bench v0.1 (43,3% vs. 33,7%) y GDPval-AA v2 (1861 vs. 1747) y, de nuevo, a mitad de precio que Fable 5.
\nClaude Opus 5 vs. Opus 4.8
\nEsta es la mejora generacional más clara: Opus 5 adelanta a su predecesor en ARC-AGI-3, que salta del 1,5% al 30,2%, y en Frontier-Bench v0.1, que, como ves en la tabla de arriba, más que se duplica (43,3% vs. 18,7%). Ten en cuenta que Opus 4.8 se lanzó hace solo dos meses.
\n![](\"https://media.datacamp.com/cms/bb29f511083483b4a3490d8e13287715.png\")
![](\"https://media.datacamp.com/cms/2dce65a1153e9887118974f1c83f5968.png\")
Claude Opus 5 vs. modelos competidores
\nEsta comparación se elaboró extrayendo resultados de benchmarks directamente de los anuncios de lanzamiento de modelos publicados por Anthropic, OpenAI y Google. He decidido incluir filas donde suficientes modelos tenían una puntuación publicada y comparable para que el contraste fuese significativo. También he dejado fuera benchmarks reportados solo como afirmaciones relativas vagas.
\n\n
\n\n
\n\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
\n
\n| Categoría | Benchmark | Claude Opus 5 | GPT-5.6 Sol | GPT-5.6 Sol Ultra | GPT-5.6 Terra | GPT-5.6 Luna | GPT-5.5 | Gemini 3.6 Flash | Gemini 3.5 Flash-Lite | Gemini 3.5 Flash | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Trabajo de conocimiento | GDPval-AA v2 (Elo) | 1861 | 1736 | — | 1593 | 1591,8 | 1493,7 | 1421 | — | 1348,8 | 962,3 |
| Programación | SWE-Bench Pro | 79,2% | 64,6% | — | 63,4% | 62,7% | 59,4% | — | 54,2% | — | 54,2% |
| Programación | DeepSWE v1.1 | 68,8% | 72,7% | — | 69,6% | 67,2% | 67% | 49% | — | 37% (baseline) | 11,8% |
| Programación | Terminal-Bench 2.1 | — | 88,8% | 91,9% | 87,4% | 84,7% | 85,6% | — | 54% (vs 3.1 Flash-Lite baseline 31%) | — | 70,7% |
| Programación | Frontier-Bench v0.1 (terminal coding) | 43,3% | 37,5% | — | — | — | — | — | — | — | — |
| Uso de ordenador | BrowseComp | 90,8% | 90,4% | 92,2% | 87,5% | 83,3% | 84,4% | — | — | — | 85,9% |
| Uso de ordenador | OSWorld 2.0* | 70,6% | 62,6% | — | 50,2% | 45,6% | 47,5% | — | — | — | — |
| Razonamiento abstracto | ARC-AGI-3 | 30,2% | 7,78% | — | 0,8% | 0,18% | 0,43% | — | — | — | 0,42% |
| Uso de herramientas | AutomationBench | 26,0% | 18,1% | — | 15,2% | 14,9% | 12,9% | — | — | 14,5% | \n — \n |
\n
\n\n\n
\n\n \n
\nConviene decirlo: todas las cifras aquí son reportadas por el laboratorio que lanzó cada modelo, ejecutadas con su propio banco de evaluación, configuración de prompts y (en algunos casos) ajustes de esfuerzo o nivel de razonamiento.
\nOpus 5 vs. GPT-5.6 Sol
\nOpus 5 lidera en tareas de razonamiento más difíciles y novedosas (ARC-AGI-3, Frontier-Bench, AutomationBench), mientras que GPT-5.6 Sol se adelanta en benchmarks de programación más consolidados como SWE-Bench Pro y DeepSWE. Esto sugiere que Opus 5 puede tener ventaja en resolución de problemas abiertos o menos pautados, mientras que Sol destaca en tareas de código bien definidas y muy entrenadas.
\nOpus 5 vs. Gemini 3.6 Flash
\nEl lanzamiento reciente de Gemini se centra en modelos de la gama Flash, eficientes en costes, más que en un buque insignia de frontera, por lo que en la mayoría de filas no hay datos de Gemini o solo cifras de Flash/Flash-Lite que quedan muy por detrás tanto de Opus 5 como de GPT-5.6. Esta comparación habla más del nivel del modelo que de la capacidad de frontera de Google.
\nOpus 5 vs. GPT-5.6
\nDonde se solapan ambos buques insignia, Opus 5 lidera en razonamiento novedoso y tareas agentivas (ARC-AGI-3, BrowseComp, OSWorld 2.0, AutomationBench), mientras que GPT-5.6 Sol se impone en programación de horizonte largo (DeepSWE). Sol Ultra, Terra y Luna aparecen sobre todo en benchmarks de código distintos donde Opus 5 no tiene puntuación publicada, así que en realidad es \"el único buque insignia de Anthropic vs. toda la familia de OpenAI\" más que una comparación directa uno a uno.
\nPrecio y disponibilidad de Opus 5
\nOpus 5 está disponible desde hoy en las plataformas de Claude al mismo precio que su predecesor:
\n- \n
- $5 por millón de tokens de entrada \n
- $25 por millón de tokens de salida \n
El modo rápido funciona aproximadamente a 2,5x la velocidad por defecto, con un precio del doble de la tarifa base de Opus 5 en Claude Platform (o mediante créditos de uso en Claude Code), la misma estructura que Opus 4.8.
\nLos desarrolladores pueden acceder al modelo vía API usando la cadena de modelo claude-opus-5.
Dos funciones relacionadas se lanzan en beta junto a Opus 5:
\n- \n
- Cambios de herramientas en mitad de la conversación en Claude Platform —ahora los desarrolladores pueden cambiar qué herramientas están disponibles para Claude a mitad de conversación sin invalidar la caché del prompt. \n
- Fallbacks automáticos —las solicitudes marcadas por los clasificadores de seguridad en Opus 5 o Fable 5 ahora pueden redirigirse automáticamente a otro modelo disponible en lugar de bloquearse, de modo que el tráfico de la API siga fluyendo por defecto hacia el mejor modelo disponible. \n
Como en versiones anteriores de Opus, Opus 5 no impone retención de datos para el acceso general.
\nConclusión sobre Claude Opus 5
\nSi parece que últimamente escribimos mucho sobre modelos Claude, es porque es así. Anthropic está muy centrada en mejorar rápido para optimizar la capacidad y la eficiencia del modelo.
\nAhora, Anthropic ha creado algo globalmente mejor que su hasta ahora mejor modelo, Fable 5. Llega con un precio significativamente inferior y, además, presenta sus mejores cifras de alineamiento hasta la fecha.
\n¿Qué viene ahora? Pues bien, Haiku es el modelo más antiguo de Anthropic y aún estamos esperando su salto a la serie 5. Es una pista de lo que podría llegar, aunque Anthropic no deja de sorprendernos.
Author
Josef Waples
