Claude Opus 5.5 reduce los costes de API y tiempos de respuesta, pero sus avances de razonamiento siguen sin demostrarse

Claude Opus 5.5 de Anthropic resulta más económico y rápido de ejecutar que Opus 5, pero una pequeña serie de pruebas de razonamiento no mostró una mejora clara en sus capacidades. En la comparativa realizada por The New Stack, ambos modelos resolvieron dos problemas y fallaron ante una tarea compleja de ordenación, si bien Opus 5.5 utilizó en ocasiones sustancialmente menos tokens de salida.

Menores precios en la API

Anthropic fija la tarifa de Opus 5.5 en 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, en comparación con los 5 y 25 dólares de Opus 5. La fuente calcula que la rebaja directa del precio representa un ahorro del 20 %; el recorte mayor que sostiene Anthropic depende de que el nuevo modelo genere menos tokens. Asimismo, Anthropic afirma que Opus 5.5 cuesta un 40 % menos en cargas de trabajo habituales y genera resultados más de un 30 % más rápido.

Resultados dispares en razonamiento

La comparativa empleó instrucciones idénticas a través de la API de Anthropic, con el pensamiento adaptativo activado en su nivel de esfuerzo predeterminado. Cada problema se ejecutó una vez por modelo. Ambos sistemas completaron de manera correcta un acertijo de cuadrícula lógica y devolvieron los mismos resultados acertados en un juego de eliminación de piedras. En el problema de ordenación restringida, ninguno logró ofrecer una respuesta, incluso tras incrementar el límite de tokens de salida.

Más rápido, pero por debajo de lo anunciado

Opus 5.5 completó la tarea de la cuadrícula lógica en 65 segundos por 0,16 dólares, frente a los 108 segundos y 0,27 dólares de Opus 5. En el juego de las piedras, utilizó 28 740 tokens de salida con un coste de 0,58 dólares, mientras que Opus 5 requirió 74 981 tokens y costó 1,88 dólares. Considerando todas las llamadas, el modelo más reciente promedió 103,4 tokens de salida por segundo frente a los 93,1 de Opus 5, lo que representa una mejora cercana al 11 %, cifra por debajo del 30 % anunciado por Anthropic.

Los fallos prolongados siguen siendo relevantes

La prueba de ordenación expuso una limitación práctica: ambos modelos dedicaron mucho tiempo a pensar sin generar un resultado. Con un límite de 128 000 tokens, Opus 5.5 se ejecutó durante 19 minutos, consumió 112 733 tokens y finalizó indicando como motivo de detención un rechazo. La fuente sostiene que esto pareció ser un error del filtro de seguridad ante un problema inofensivo de conteo. Los resultados respaldan menores costes en algunas cargas de trabajo, pero no demuestran un mejor razonamiento a partir de esta comparativa limitada de una sola ejecución.

Ilustración editorial generada con IA; no es una fotografía documental.

Fuente: Claude Opus 5.5 vs. Opus 5 on reasoning tasks: Cheaper, faster, but not better