Claude Opus 5.5: análisis del modelo, precios y benchmarks
Claude Opus 5.5 es el modelo de Anthropic para trabajo largo de programación y de conocimiento. Aquí van dos cosas: qué dice Anthropic que trae, y cómo se porta cuando le pides algo concreto. Para lo segundo repetí la prueba de la turbina de avión en 3D que ya hice con DeepSeek-V4.1-Flash, Gemini 3.8 Flash, Gemini 4 Argon y Kimi K3.1 Pro.
Primero van las cifras que publica Anthropic. Después, mi prueba y mi opinión. Hay más análisis de este tipo en el centro de Modelos de IA.
Una advertencia sobre las cifras: las puntuaciones de la primera parte las publica Anthropic. No las midió un evaluador independiente. Las cifras de la prueba propia salen de una ejecución mía por consigna, y cuento aparte cómo se hizo.
En corto
- Qué es: el modelo de Anthropic para programación larga con agentes y trabajo de conocimiento. Anunciado el 22 de septiembre de 2026.
- Precio: 4 dólares por millón de tokens de entrada y 20 de salida, un 20 % menos que Opus 5.
- Contexto y salida: 1M de tokens de contexto y hasta 128K de salida.
- Razonamiento: el esfuerzo predeterminado es medio y el pensamiento ya no se puede desactivar.
- Mi prueba: la turbina 3D con la consigna simple y con la detallada. Me pareció un resultado muy bueno, con la consigna básica incluida.
Qué dice Anthropic del modelo
Datos básicos
Tabla 1: Datos básicos de Claude Opus 5.5 según Anthropic
| Dato | Lo que dice Anthropic | Fuente |
|---|---|---|
| Identificador en la API | claude-opus-5-5 | Anuncio |
| Contexto | 1M de tokens | Resumen de modelos |
| Salida máxima | 128K tokens (API síncrona) | Resumen de modelos |
| Esfuerzo predeterminado | medium | Resumen de modelos |
| Razonamiento | Adaptativo y siempre activo: no se puede desactivar | Anuncio |
| Conocimiento fiable hasta | junio de 2026 | Resumen de modelos |
| Plataformas | Claude Platform, Amazon Web Services, Google Cloud y Microsoft Azure | Anuncio |
Cómo leerla: el “contexto de 1M” es lo que puedes enviar al modelo; si quieres repasar el concepto, está en ventana de contexto. Un modelo de razonamiento piensa antes de responder, y ese pensamiento se cobra como salida. En Opus 5.5 no se puede apagar, y lo que sí puedes hacer es cambiar el nivel de esfuerzo. Eso importa más adelante, en el costo de mi prueba.
Precios
Estas son las tarifas que publica Anthropic, en dólares por millón de tokens:
Tabla 2: Precios de Claude Opus 5.5 y de Opus 5 según Anthropic
| Concepto | Opus 5.5 | Opus 5 |
|---|---|---|
| Entrada | 4,00 | 5,00 |
| Salida | 20,00 | 25,00 |
| Lectura de caché | 0,20 | 0,50 |
| Escritura de caché | 5,00 | 6,25 |
Cómo leerla: Opus 5.5 es un 20 % más barato que Opus 5 en todas las filas de entrada y salida, y mucho más barato al leer la caché de prompts. Anthropic también ofrece un modo rápido, en Claude Code y en la Claude Platform, que según la empresa es hasta 2,5 veces más veloz y cuesta 8 dólares de entrada y 40 de salida.
Benchmarks
Un benchmark es una prueba estándar para comparar modelos. Esta es la tabla del anuncio de Anthropic, con las columnas de Opus 5.5, Opus 5 y GPT-6 Astra, de OpenAI. La tabla original también incluye a GPT-5.6 Sol y a Claude Fable 5.1, que aquí quedan por fuera.
Tabla 3: Claude Opus 5.5 en las pruebas que publica Anthropic (más alto es mejor)
| Prueba | Opus 5.5 | Opus 5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 | 66,4 % | 52,3 % | 57,9 % |
| FrontierCode v1.1 (Main) | 54,4 % | 48,0 % | 53,3 % |
| CursorBench 4.0 | 57,8 % | 46,6 % | sin dato |
| GDPval-AA v2.1 (Elo) | 1846 | 1708 | 1542 |
| AutomationBench | 40,0 % | 26,9 % | 41,4 % |
| Humanity’s Last Exam, con herramientas | 67,7 % | 63,6 % | 57,2 % |
| Terminal-Bench-Science 0.1 | 58,7 % | 29,0 % | 64,6 % |
| OSWorld 2.1 (parcial) | 81,8 % | 74,0 % | sin dato |
| Chartography, con herramientas | 89,0 % | 83,4 % | sin dato |
Cómo leerla: cada fila es una prueba distinta. Son cifras de Anthropic, medidas con razonamiento adaptativo y el nivel de esfuerzo máximo, salvo donde la empresa indica otra cosa (en la tabla, Terminal-Bench 4.0 aparece con esfuerzo xhigh). Con el esfuerzo predeterminado, el texto del anuncio da 54,6 % en FrontierCode, casi igual que en la tabla, y 52,5 % en CursorBench, más de cinco puntos por debajo de la tabla. En algunas pruebas el nivel de esfuerzo pesa bastante y en otras casi nada. Opus 5.5 supera a Opus 5 en todas las filas. Frente a GPT-6 Astra gana en la mayoría, pero queda por debajo en AutomationBench y en Terminal-Bench-Science. Estas pruebas las corre y las publica Anthropic, bajo sus condiciones.
Dónde puedes usarlo
El anuncio de Anthropic dice que el modelo está disponible en la Claude Platform y en Amazon Web Services, Google Cloud y Microsoft Azure, y que los límites de uso por cinco horas suben en los planes Pro, Max, Team y Enterprise por asiento. La página de precios de Claude muestra que el plan gratuito no incluye Opus y que Pro (20 dólares al mes, o 17 con pago anual) y Max (desde 100 dólares al mes) sí lo incluyen. Esa página habla de “Opus” en general y no nombra la versión 5.5, ni cuánto uso de este modelo trae cada plan.
Prueba propia: la turbina en 3D, dos veces
Las tablas de arriba las publica Anthropic. Para ver al modelo trabajar en algo concreto le pedí lo mismo que a los otros cuatro: una animación 3D de un motor de avión con un corte parcial que deje ver cómo funciona por dentro. Publico los resultados tal como salieron.
Three.js es una biblioteca de JavaScript para dibujar escenas 3D en el navegador.
Cómo se hizo, y en qué se diferencia de las otras pruebas:
- Modelo: Claude Opus 5.5 (
claude-opus-5-5), con subagentes de Claude Code. - Acceso: mi suscripción de Claude, sin clave de API. Por eso no es una llamada idéntica a la de los otros modelos, que corrí por su API. El sistema de instrucciones de Claude Code estaba presente, y al subagente le indiqué que no leyera archivos ni usara la web.
- Fecha: 28 de octubre de 2026.
- Costo: con la suscripción no hay cobro por token. Los dólares de las tablas son una estimación: tokens de salida por 20 dólares por millón, el precio de API. No incluyen la entrada.
Primera ronda: la consigna simple
La consigna fue la misma, sin cambios, que usé con DeepSeek. La tienes completa en el artículo de DeepSeek. En esta ronda fue una sola respuesta, en un solo turno.
Si no se ve bien en la página, puedes abrir la turbina a pantalla completa.
Con una consigna tan básica, el resultado me parece bastante bueno. La geometría y las secciones están bien hechas, no hay secciones que choquen entre sí ni sólidos que se crucen donde no corresponde, la rotación es la correcta y toda la información que muestra es correcta.
Segunda ronda: la consigna detallada
La consigna fue la misma de la segunda ronda del artículo de Kimi K3.1 Pro: la primera, sin tocarla, más una lista de detalles de calidad. Aquí la historia es distinta. En el primer turno el modelo llegó al tope de 128.000 tokens de salida, todo en razonamiento, sin entregar el archivo. Después escribió el HTML por partes (un primer bloque y dos agregados) y corrigió una línea de su propio código. Por eso esta ronda no fue una respuesta única como la de los otros modelos.
Si no se ve bien en la página, puedes abrir la turbina a pantalla completa.
Con la consigna detallada me gusta mucho el comportamiento de las partículas. Otro buen detalle es que la cámara de combustión cambia de color a medida que sube el empuje, algo lógico porque ahí se alcanzarían temperaturas más altas. Todo funciona muy bien, las geometrías son correctas y se ve bien todo.
El consumo
Tabla 4: Consumo de Claude Opus 5.5 en las dos rondas
| Dato | Primera ronda (simple) | Segunda ronda (detallada) |
|---|---|---|
| Tiempo | unos 696 segundos | unos 2.120 segundos |
| Tokens de salida, en total | 67.219 | unos 199.039 (en varios turnos) |
| Turnos | 1 | varios: el primero llegó al tope de 128.000 |
| Archivo HTML | unos 29,5 KB | unos 30,1 KB |
| Costo estimado a precio de API (20 dólares por millón de salida) | unos 1,34 dólares | unos 3,98 dólares |
| Costo en mi suscripción | sin cobro por token | sin cobro por token |
Cómo leerla: el HTML final de la segunda ronda pesa casi lo mismo que el de la primera (unos 30 KB), pero gastó casi tres veces más tokens de salida. El pensamiento del modelo no se puede apagar y se cobra como salida, y en la segunda ronda el primer turno se consumió entero en eso. Es una estimación solo de salida, sin la entrada, y en una suscripción no pagas por token: pagas la cuota mensual, con sus límites de uso.
Un poco por encima de Argon, con un prompt básico
Para una simulación hecha con un solo prompt, comparada con las otras, el resultado me parece un poco mejor que el de Gemini 4 Argon, que hasta ahora era el mejor, y Kimi también fue bastante bueno. Frente a esos dos, Opus 5.5 está un poquito más arriba. Los demás modelos pueden llegar al mismo nivel, pero necesitan un prompt más detallado, y este no lo necesitó. Para hacer un prompt tan básico y que salga bien, me parece muy bueno.
También me gusta mucho la geometría de las aletas de las aspas. Hay cosas que se pueden mejorar: el eje salió mejor en el modelo con el prompt básico que en el del prompt detallado. Pero la verdad, el modelo es bastante bueno.
Recuerda lo que es: una ejecución por consigna, con la salvedad de que la segunda ronda no fue de un solo turno. Otra corrida daría otros números.
Suscripción, texto y código: dónde rinde Opus 5.5
Para mí es uno de los modelos más avanzados hasta ahora, y se notan los resultados. Sobre cómo usarlo, depende de tus objetivos. Con la suscripción más barata rinde bien. Quien tiene Max puede sacarle mucho más y encargarle tareas más pesadas. Si te interesa el costo de uso, en el análisis de Argon cuento que el uso de Gemini 4 Argon en Google AI Pro se me acaba más rápido que el de Opus 5.5 en el plan de 20 dólares de Claude.
Es bueno para generar contenido y para revisar textos. Para escribir me gustan mucho los modelos de ChatGPT, pero Opus es muy bueno corrigiendo código de forma incremental. Generando código es bastante bueno: encuentra muchos errores y evita errores que cometen otros modelos, como Gemini 3.8 Flash, que puede tener ciertas fallas en la parte de seguridad. Con un modelo de frontera como este puedes avanzar un poco más. Esto es mi experiencia y mi opinión, no una medición.
La carrera entre los modelos
Todos están intentando sacar su mejor modelo, más eficiente y más rápido. Google lanzó Argon y el 28 de octubre de 2026 anunció Gemini 4 Carbon, que describe como su modelo más fuerte en ciberseguridad y tareas largas. Por ahora solo llega a un subconjunto de defensores de ciberseguridad y se ampliará poco a poco a más socios de confianza mediante el programa Fairwind. Google dice que todavía no está abierto a desarrolladores, empresas ni consumidores y no da fecha. Lo cuenta en su anuncio de Gemini 4 Carbon.
Todos quieren ganar esta carrera. Veremos qué trae el final de este año y el 2027.
Qué significa para ti
- Si usas la API de Anthropic: el identificador es
claude-opus-5-5. El razonamiento viene siempre activado y se cobra como salida; en mi prueba la salida fue mucho mayor que el HTML final. Si el costo importa, baja el esfuerzo y compara. - Si lo usas con una suscripción: no pagas por token, pero hay límites de uso. Revisa en los planes de Claude cuál se ajusta a tu uso.
- Si evalúas modelos para un cliente: los benchmarks los publica Anthropic y mi prueba es una ejecución por consigna, con una vía de acceso distinta a la de los otros modelos. Mide con tu propio caso.
Tu primer paso
Toma una tarea real de tu trabajo y dásela al modelo dos veces: una con una consigna corta y otra con una detallada. Anota tokens, tiempo y calidad. Con esas tres cifras sabrás si el detalle extra se justifica para ti.
Fuentes
Consultadas el 3 de noviembre de 2026. Las cifras de rendimiento de la primera parte las publica Anthropic.
- Anthropic, Claude Opus 5.5 (anuncio del 22 de septiembre de 2026: precios, modo rápido, esfuerzo, razonamiento y tabla de benchmarks).
- Anthropic, ficha del sistema (system card) de Claude Opus 5.5.
- Anthropic, resumen de modelos de la plataforma (identificador, contexto, salida máxima y esfuerzo predeterminado).
- Anthropic, planes y precios de Claude.
- Google, Introducing Gemini 4 Carbon (28 de octubre de 2026).
- Artículos relacionados en este blog:
Más allá del código: estrategia, escalabilidad e impacto
Lecturas clave para conectar la arquitectura técnica con el valor de negocio y rentabilidad.
Análisis de la Decisions API de OpenAI (beta): respuestas tipadas con probabilidades, entrada de imágenes y precio por token, frente a Jev y Laya.
Qué trae Kimi K3.1 Pro según Moonshot: ventana de 1M de tokens, niveles de razonamiento, pesos abiertos, benchmarks y costo real por API. Incluye una prueba propia frente a DeepSeek, Gemini 3.8 Flash y Gemini 4 Argon.
Análisis de Gemini 3.8 Flash con las fuentes de Google: límites de contexto, niveles de razonamiento, precios y benchmarks. Incluye una prueba propia por API frente a DeepSeek y Gemini 4 Argon.