The Daily Commit · Edición de sección Portada PHP AI Dev EN DE FR ES

TheModelDesk

24 de julio de 2026
modelos, agentes e inferencia local

Lanzamientos

Anthropic lanza Claude Opus 5: eficiencia en tokens en lugar de un salto de capacidad

Anthropic ha lanzado Opus 5, una actualización incremental de su popular modelo de programación que iguala a Fable en la mayoría de los benchmarks a aproximadamente la mitad de precio, renunciando deliberadamente a entrenamiento avanzado en ciberseguridad. El lanzamiento llega en medio de la presión de costes por modelos open-weight y enrutadores de modelos.

Anthropic ha lanzado Opus 5, la última versión del modelo que se ha convertido en una opción popular para programación y otras tareas de desarrollo de software.

Benchmarks como Frontier-Bench y DeepSWE sitúan a Opus 5 al nivel del modelo Fable de Anthropic, o ligeramente por encima, en tareas de programación, y por delante de Opus 4.8 y del GPT-5.6-Sol de OpenAI en la mayoría de las categorías. Las mejoras son iterativas, no un salto como el de Opus 4.5: el argumento principal es ofrecer un rendimiento cercano a Fable aproximadamente a mitad de coste.

Anthropic decidió deliberadamente no dar a Opus 5 entrenamiento avanzado en ciberseguridad. El modelo detecta vulnerabilidades razonablemente bien, pero según la empresa está «sustancialmente por detrás de Mythos 5» a la hora de explotarlas. Tampoco incluye algunas protecciones controvertidas de Fable, como la retención de datos durante 30 días para revisión en caso de incidente.

Los precios son de 5 dólares por millón de tokens de entrada y 25 dólares por millón de salida, igual que su predecesor y más barato que Fable. La competencia aprieta: el modelo chino open-weight Kimi K3 ofrece un rendimiento similar por 15 dólares por millón de tokens de salida.

El lanzamiento refleja un giro del sector hacia la eficiencia de costes: empresas como Cursor y Meta construyen «enrutadores de modelos» que eligen modelos más pequeños o baratos según la petición. Anthropic tendrá que seguir reduciendo el coste por token o arriesgarse a perder las tareas de desarrollo rutinarias frente a alternativas open-weight y locales.

Leer la fuente original (en inglés) ↗

Valora este artículo: 0

Tribuna de lectores

Aún no hay aportaciones — abre el debate.

← The Model Desk — Page C1

Models, agents & local inference · The Daily Commit · Edición de pantalla · Información legal · Política de privacidad