Anthropic presentó Claude Opus 5.5 el 22 de septiembre de 2026 como el primer modelo de la familia Claude 5.5. La empresa afirma que funciona aproximadamente al nivel de Claude Fable 5.1 en la mayoría de las tareas, cuesta un 40 % menos que Opus 5 en cargas de trabajo habituales y genera resultados más de un 30 % más rápido. Anthropic también dice que evaluadores externos, entre ellos Frontier Design y METR, probaron el modelo antes de su lanzamiento y que este obtuvo el mejor resultado de la compañía hasta la fecha en una auditoría automatizada del comportamiento. Estas son afirmaciones de Anthropic: el anuncio no incluye los informes subyacentes de los evaluadores ni demuestra que hayan reproducido de forma independiente todos los resultados.
La parte más clara del anuncio es la lista de precios publicada. Opus 5.5 cuesta 4 dólares por millón de tokens de entrada, frente a los 5 dólares de Opus 5, y 20 dólares por millón de tokens de salida, frente a los 25. Las lecturas de caché bajan de 0,50 a 0,20 dólares por millón de tokens, mientras que las escrituras en caché disminuyen de 6,25 a 5 dólares. Estas reducciones en los precios de lista son del 20 %, el 60 % y el 20 %, respectivamente. Hacen plausible una factura menor, pero por sí solas no demuestran la cifra global del 40 % de Anthropic: el coste total también depende de cuántos tokens, operaciones de caché, llamadas a herramientas y reintentos requiere una tarea.
Esta distinción es importante para los agentes de programación y otros sistemas que resuelven una solicitud mediante muchas llamadas al modelo. Anthropic afirma que Opus 5.5 utiliza menos tokens por tarea y, además, cobra menos por token, lo que produce la reducción neta de costes anunciada. Cita ejemplos de usuarios que participaron en pruebas iniciales, como una migración de 680 000 líneas completada en menos de un día y la auditoría de una base de código de 200 000 líneas realizada en menos de tres horas. La empresa también informa de una prueba interna de traducción de HAProxy en la que Opus 5.5 terminó en 9,5 horas, frente a las 12 horas de Fable 5.1, con un coste un 51 % menor. Estos ejemplos muestran posibles mejoras, pero son casos seleccionados, no una comparación controlada de cargas de trabajo habituales de clientes.
La sección de puntos de referencia requiere especial cautela porque la página principal presenta cifras incoherentes. Una tabla sitúa a Opus 5.5 en un 66,4 % en Terminal-Bench 4.0, un 54,4 % en FrontierCode v1.1 y un 57,8 % en CursorBench 4.0. Más adelante, el texto indica un 54,6 % para FrontierCode y un 52,5 % para CursorBench, sin explicar la discrepancia. La página también señala que algunos resultados utilizaron distintos niveles de esfuerzo, que las salvaguardas de producción podían provocar fallos y que las cifras de otros modelos procedían de sus empresas desarrolladoras o de clasificaciones públicas. Por tanto, los lectores disponen de pruebas de que Anthropic evaluó el modelo en varios puntos de referencia para agentes, pero no de un conjunto de puntuaciones internamente coherente que permita clasificar con precisión todos los sistemas.
El argumento de Anthropic sobre la seguridad va más allá de los resultados totales de los puntos de referencia. La empresa afirma que Opus 5.5 examina cada acción propuesta mediante un clasificador, ejecuta código en un entorno aislado de código abierto que los equipos de seguridad pueden inspeccionar y revisa el código en busca de vulnerabilidades antes de integrar los cambios. También sostiene que ofrece una mayor resistencia a la inyección de instrucciones en programación, uso de herramientas, control del ordenador y navegación web, y cita una evaluación de Gray Swan en la que Opus 5.5 empató con Fable 5.1 en la tasa de éxito de inyecciones más baja entre los modelos probados. Estos detalles describen controles concretos, pero el anuncio no proporciona datos sobre el rendimiento del clasificador, resultados de auditorías del entorno aislado, tasas de detección de vulnerabilidades ni la metodología completa de Gray Swan.
El lanzamiento también se produce en el contexto de un ensayo independiente de Dario Amodei, consejero delegado de Anthropic, en el que pide a la industria de la IA de frontera que reduzca el ritmo de avance de sus capacidades el tiempo suficiente para que el trabajo de seguridad y la evaluación por terceros puedan ponerse al día. Amodei propone evaluadores externos integrados, estándares comunes entre las empresas de países democráticos y una coordinación global futura. El lanzamiento de Opus 5.5 demuestra que mantener un determinado “ritmo” no significa dejar de publicar modelos: Anthropic lo presenta como el primero desde aquella propuesta, al tiempo que mantiene el acceso restringido a usos sensibles en biología y ciberseguridad mediante programas de verificación. Como tanto la página de lanzamiento como el ensayo sobre el ritmo proceden del liderazgo de Anthropic, el ensayo aporta contexto a la política declarada por la empresa, no una confirmación independiente de que su ritmo de lanzamiento o sus salvaguardas cumplan esa política.
La propuesta del ensayo de integrar evaluadores, establecer estándares comunes y coordinarse a escala mundial aporta contexto político al último lanzamiento de Anthropic.
Para los compradores, la cuestión práctica no es si Opus 5.5 cuesta menos por token; la lista de precios publicada indica que sí. La pregunta sin resolver es con qué frecuencia los precios más bajos y la eficiencia declarada en el uso de tokens se traducen en menores costes de extremo a extremo para un flujo de trabajo concreto. Una evaluación defendible ejecutaría las mismas tareas representativas con el modelo anterior, registraría el número total de tokens y el uso de caché, contabilizaría las llamadas a herramientas y los intentos fallidos, inspeccionaría los resultados e incluiría el coste de la revisión humana. Hasta que existan resultados comparables, la cifra del 40 % de Anthropic debe considerarse una estimación de la empresa respaldada por pruebas seleccionadas, no un ahorro garantizado ni una demostración de una ventaja general de capacidades.