Glitch Flash · 28 de septiembre de 2026
El micrófono se abre… en modo Flash, porque esta noticia no esperaba al lunes.
Anthropic lanzó Claude Sonnet 5.5, su modelo del medio. En casi todas las pruebas queda a un par de puntos de Opus 5.5, el modelo grande que presentó la semana pasada. En una, lo supera. Y cuesta la mitad.
Por eso no es un lanzamiento más: el modelo del medio dejó de ser el plan B.
Vamos.
Tabla de contenidos
Qué anunció Anthropic
Sonnet 5.5 es el segundo modelo de la familia Claude 5.5, una semana después de Opus 5.5. Anthropic lo presenta como su complemento más rápido y barato: Opus queda para el trabajo complejo que exige juicio sostenido; Sonnet, para las tareas acotadas del día a día, corregir bugs y armar documentos, presentaciones y planillas bien terminados. Según el anuncio oficial, también tiene «buen ojo para el diseño».
- Velocidad: genera más de 30% más rápido que Sonnet 5. Es el Sonnet más rápido que Anthropic ha lanzado.
- Precio: USD 2 por millón de tokens de entrada, USD 10 de salida y USD 0,20 en lectura de caché. Es lo mismo que Sonnet 5 y la mitad que Opus 5.5 (USD 4 y USD 20). La escritura en caché cuesta USD 2,50, contra USD 5 en Opus.
- Costo por tarea: según Anthropic, hasta 30% menos que su antecesor, porque necesita muchos menos tokens y agrupa las llamadas a herramientas para terminar el mismo trabajo en menos pasos.
- Disponibilidad: desde hoy en las apps de Claude, en Claude Code, en la API (claude-sonnet-5-5) y en AWS, Google Cloud y Microsoft Azure, con opción de retención cero de datos.
El tercero de la familia, Haiku 5.5, pensado para alto volumen y bajo costo, llega en las próximas semanas.
Los números, uno al lado del otro
| Prueba | Sonnet 5.5 | Opus 5.5 | Sonnet 5 |
|---|---|---|---|
| Terminal-Bench 4.0 (programación con agentes) | 70,6% | 66,4% | 10,3% |
| CursorBench 4.0 (programación en sesiones reales) | 55,5% | 57,8% | 34,1% |
| FrontierCode 1.1, esfuerzo máximo | 46,2% | 54,4% | 42,4% |
| OSWorld 2.1 (uso del computador) | 80,1% | 81,8% | 57,0% |
| GDPval-AA v2.1 (trabajo de conocimiento, puntaje) | 1844 | 1846 | 1449 |
| AA-Briefcase v1.1 (trabajo de largo aliento, puntaje) | 1811 | 1822 | 1359 |
| Humanity's Last Exam | 64,5% | 67,7% | 54,9% |
| Chartography (lectura de gráficos) | 61,6% | 64,4% | 15,6% |
Opus sigue arriba en casi todas, pero en la mayoría por menos de tres puntos. La excepción es FrontierCode con esfuerzo máximo, donde la distancia sube a ocho. Y en Terminal-Bench 4.0, la prueba de programación con agentes, el orden se invierte: gana Sonnet por cuatro. El salto frente a Sonnet 5 es el otro titular: de 10,3% a 70,6% en esa misma prueba, y unos 400 puntos más en GDPval-AA.
Anthropic también se compara con GPT-6 Sol, de OpenAI. En FrontierCode, Sonnet 5.5 con esfuerzo alto iguala el mejor puntaje de GPT-6 Sol por cerca de una quinta parte del costo por tarea, y en trabajo de conocimiento de largo aliento y lectura de gráficos queda por encima. Las cifras de GPT-6 Sol llevan notas al pie en el anuncio, así que conviene leerlas con esa cautela.
Y hay un matiz que Anthropic pone por escrito: los benchmarks muestran sólo una cara del modelo. En sus pruebas, Opus 5.5 sigue siendo claramente más fuerte en el trabajo complejo y abierto que exige juicio sostenido.
El esfuerzo también se elige
Sonnet 5.5 permite ajustar cuánto «piensa» antes de responder. Con esfuerzo bajo responde más rápido y gasta menos tokens; con esfuerzo alto razona por más tiempo y revisa mejor su trabajo, a un costo mayor por tarea. En las apps de Claude y en Claude Code viene en esfuerzo medio; en la plataforma para desarrolladores, en alto.
Lo más interesante del anuncio no está en el máximo, está en el mínimo. Según Anthropic:
- En Terminal-Bench 4.0, con esfuerzo medio, supera de lejos el mejor puntaje de Sonnet 5 por menos de una décima parte del costo por tarea.
- En CursorBench, con esfuerzo bajo, supera el mejor puntaje de Sonnet 5 también por menos de una décima parte del costo.
- En AA-Briefcase, con esfuerzo medio, supera el mejor puntaje de Sonnet 5 por cerca de una novena parte del costo.
- En FrontierCode, con esfuerzo alto, saca 10 puntos más que Sonnet 5 en el mismo ajuste, por cerca de una quinceava parte del costo por tarea.
Un detalle para quien lo configure: en FrontierCode rinde mejor con esfuerzo extra alto (52,1%) que con el máximo (46,2%). Más esfuerzo no siempre es mejor resultado.
Qué dicen las empresas que lo probaron
El anuncio trae resultados de empresas que tuvieron acceso anticipado. Los más concretos:
- Zendesk: con cientos de casos reales de soporte, tomó menos decisiones equivocadas y procesó los tickets 20% más rápido que los modelos de Claude que usan hoy en producción.
- Slack: sin cambiar ningún prompt, superó a Sonnet 5 en casi todas sus evaluaciones internas de Slackbot, en menos pasos y con cerca de 14% menos tokens de salida.
- Box: más preciso, 2,4 veces más rápido y con 12% menos tokens. Además vuelve a revisar los datos en los documentos de origen y encuentra errores que Sonnet 5 no veía.
- Lovable: un tercio menos de llamadas a herramientas y cerca de la mitad de ejecuciones de terminal para terminar una tarea.
- Base44: en 118 aplicaciones construidas, llegó a la calidad de Opus 5 en 3,6 iteraciones por aplicación, contra 7,7 de Opus 5.
- Atlassian: sus agentes Rovo pueden correr hasta 30% más rápido que con Sonnet 5.
- Unity: completó 90% de las tareas de su prueba de varios pasos en Unity Editor y programación.
- Epic Games: en sus pruebas pasó la vara de calidad que se espera de un modelo de gama superior, con decenas de miles de líneas de código y tareas de varias horas.
Son testimonios que Anthropic eligió para su anuncio. Sirven como señal de dónde rinde el modelo, no como estudio independiente.
Más allá del código
El salto no es sólo de programación. En GDPval-AA, que mide tareas reales de 44 ocupaciones en nueve industrias, Sonnet 5.5 queda prácticamente empatado con Opus 5.5. También se acerca a Opus en uso del computador y en lectura de gráficos.
Anthropic cuenta una prueba interna que le habla directo a marketing y finanzas: le entregaron los materiales de resultados trimestrales de una empresa pública, las transcripciones de su llamada con inversionistas y una plantilla de presentación, y le pidieron una revisión operativa de 10 láminas. Dos expertos consideraron que el primer borrador estaba listo para enviarse tal cual.
En diseño, los probadores destacaron que pule interfaces y sigue plantillas de presentaciones con muy poca edición. Y un dato de color que no es menor: es el primer Sonnet que termina Pokémon Rojo mirando sólo capturas de pantalla, una prueba de razonamiento de largo aliento y comprensión de imágenes.
El modelo del medio dejó de ser el plan B
Es la misma conversación que abrimos con GPT-5.6 y ChatGPT Work: no se trata de elegir un modelo, sino de repartir el trabajo entre niveles de inteligencia. Con Sonnet 5.5, esa repartición se vuelve bastante más barata.
Seguridad: lo que trae el modelo
- Alineación: en una auditoría de comportamiento con cerca de 1.850 escenarios, iguala o mejora a Sonnet 5 en la mayoría de las medidas de alineación, resistencia al mal uso y honestidad. Anthropic dice no haber encontrado evidencia de que persiga objetivos contrarios a los del usuario.
- Ciberseguridad: es el primer Sonnet que sale con salvaguardas como las de Opus 5.5. Corregir bugs en el trabajo normal no cambia, pero las tareas de ciberseguridad de mayor riesgo pasan a Sonnet 5, y se ve cuando ocurre.
- Destilación: estrena clasificadores que impiden extraer su razonamiento a escala con cuentas falsas, y el razonamiento queda ligado a la cuenta que lo generó.
- Biología: mantiene las mismas salvaguardas que Sonnet 5.
Lo que cambia para tu equipo
- Revisa qué modelo corre en cada flujo. Si todo pasa por el modelo grande por costumbre, ahí hay un costo que nadie está mirando.
- Mide por tarea terminada, no por token. El ahorro que promete Sonnet 5.5 viene de usar menos tokens y menos pasos, algo que la tarifa por millón no muestra. Lo contamos en Glitch #16.
- Empieza por el esfuerzo bajo o medio. Según los números del anuncio, ahí está la mejor relación entre resultado y costo; sube sólo cuando la tarea lo pida.
- Reserva el modelo grande para lo que exige pensar en profundidad y donde equivocarse sale caro.
- Prueba antes de migrar. Corre tus propias tareas con los dos modelos y compara resultado, tiempo y costo. Los benchmarks del anuncio son una pista, no tu caso. Y si usas la API con el razonamiento apagado, revisa la guía de migración de Anthropic antes de cambiar.
Lo que falta ver
Todas las cifras de este Flash son de Anthropic y de las empresas que eligió para su anuncio. Faltan las evaluaciones independientes que confirmen la velocidad y el ahorro en tareas reales, fuera de las pruebas del laboratorio.
También falta Haiku 5.5, que completa la familia en las próximas semanas y puede mover otra vez la cuenta de qué modelo usar para cada cosa.
Lo vamos a seguir mirando. Si los números aguantan, esta semana cambió la forma de armar un stack de IA.
El micrófono se cierra. — El equipo editorial de Glitch. ¿Te llegó por otro lado? Suscríbete a Glitch y recibe la edición completa cada lunes.
