JOURNAL / 2026.09.23
Claude Opus 5.5 y GPT-6 Sol/Luna dividen la frontera entre capacidad y coste
Anthropic eleva el techo medido mientras OpenAI abarata el trabajo agente; los lanzamientos simultáneos convierten la selección de modelo y esfuerzo en una decisión por tarea, no por marca.
El 22 de septiembre, Anthropic y OpenAI publicaron tres modelos propietarios que cuentan dos historias distintas sobre el avance de la IA. Claude Opus 5.5 intenta elevar la calidad máxima de los agentes y reducir el gasto respecto a Opus 5. GPT-6 Sol y GPT-6 Luna trasladan parte de la generación Astra a escalones mucho más baratos. Los tres están disponibles ya mediante API y productos de trabajo; no son adelantos ni hojas de ruta.
La coincidencia permite ver mejor el cambio material. No apareció un modelo que sea a la vez el más capaz y el más barato. Apareció una curva más ancha: más calidad en un extremo y mucha más capacidad comprable por dólar en el otro. Para quien construye agentes, eso importa más que decidir qué empresa ganó el día. Hace posible reservar el modelo fuerte para los tramos difíciles y dejar a uno barato la búsqueda, clasificación, transformación o verificación rutinaria.
Un techo nuevo y dos suelos más bajos
Anthropic cobra por Opus 5.5 4 dólares por millón de tokens de entrada y 20 por el de salida, un 20% menos que Opus 5; una lectura de caché baja de 0,50 a 0,20 dólares. La empresa calcula un ahorro típico del 40% porque el modelo también usa menos tokens por tarea. Mantiene un millón de tokens de contexto, ofrece cinco niveles de esfuerzo y llega a Claude, su API, AWS, Google Cloud y Microsoft Azure desde el primer día.
El salto de capacidad no depende sólo del anuncio. En el índice v4.3.2 de Artificial Analysis, que reúne diez evaluaciones de conocimiento, ciencia, terminal y trabajo profesional, Opus 5.5 a esfuerzo máximo obtuvo 58 puntos: siete más que Opus 5 y el resultado más alto medido por esa organización. Lideró seis de los diez componentes. En su prueba Java independiente, Sonar encontró casi la misma tasa de programas que superan tests que con Opus 5 —87,7% frente a 88,6%—, pero con un 40% menos de tokens de salida y un 27,5% menos de líneas de código. Es una mejora de eficiencia verificable, no una prueba de que todo el código sea mejor: aumentaron la densidad de posibles errores y los hallazgos de concurrencia.
OpenAI realizó otra apuesta. GPT-6 Sol y Luna cuestan, en tarifa estándar, 2/10 y 0,10/0,50 dólares por millón de tokens de entrada/salida. Es la mitad del precio promocional de sus equivalentes GPT-5.6 y deja a Luna cuarenta veces por debajo de Opus 5.5 en precio unitario. Ambos aceptan texto e imágenes, disponen de alrededor de un millón de tokens de contexto y ofrecen seis niveles que van desde razonamiento desactivado hasta max.
La reducción económica es más clara que el aumento agregado de capacidad. En las ejecuciones de Artificial Analysis sobre Sol y Luna, Sol max conservó 48 puntos en el índice por 1,06 dólares por tarea, aproximadamente la mitad que su predecesor; Luna max alcanzó 37 por 0,07 dólares, con un coste cercano a un 60% menor. Sol mejoró dos puntos en el índice específico de agentes de programación, pero Luna perdió dos. Ambos avanzaron en automatización y terminal y retrocedieron en parte del trabajo profesional. No es una nueva inteligencia uniforme: es una redistribución del coste con ganancias y pérdidas según el trabajo.
La gráfica usa una escala logarítmica porque el coste observado por tarea va desde fracciones de centavo hasta casi seis dólares. No convierte un punto del índice en dinero ni afirma que 58 sea un 57% mejor que 37. Resume las mismas diez familias de pruebas bajo un arnés común y las tarifas de API, incluyendo tokens de razonamiento y caché. Una tarea real con archivos grandes, reintentos, herramientas de pago o revisión humana tendrá otra factura.
Las tablas de lanzamiento no resuelven la comparación
Las páginas de los proveedores no ofrecen un enfrentamiento limpio. OpenAI compara Sol con Claude Opus 5, no con Opus 5.5, que apareció el mismo día. Anthropic compara Opus 5.5 con GPT-6 Astra y GPT-5.6 Sol, pero no con los nuevos Sol y Luna. También mezclan niveles de esfuerzo, arneses propios y modelos de respaldo: algunas evaluaciones de Claude pueden derivar tareas restringidas a Opus 5 u Opus 4.8, mientras que otras cuentan la intervención de la salvaguarda como fallo.
Incluso la prueba independiente es una muestra, no un precio universal de la inteligencia. Al máximo esfuerzo, Opus 5.5 marcó 58 puntos por 5,98 dólares por tarea del índice; Sol, 48 por 1,06; Luna, 37 por 0,07. Pero el ajuste medio de Opus alcanzó 51 por 1,34 dólares. Cambiar el esfuerzo puede ofrecer más capacidad que cambiar de familia, y el último punto de la curva suele ser el más caro. Ejecutar todo en max desperdicia la principal ventaja de estos lanzamientos.
Hay además diferencias cualitativas. La evaluación externa vio que Sol reducía sus alucinaciones en una prueba de conocimiento en parte porque intentaba contestar menos preguntas; su precisión entre todas las preguntas bajó cinco puntos. Luna gastó más tokens de salida que su predecesor pese a su menor precio. Opus 5.5 produjo mucho menos código que Opus 5, pero menos volumen no elimina la necesidad de tests. Coste, concisión y calidad pueden moverse juntos o separarse; por eso conviene medir el entregable aceptado, no sólo tokens o una puntuación compuesta.
Más acceso también amplía la superficie de control
Los tres modelos llegan con salvaguardas que afectan al producto observado. La tarjeta de Opus 5.5 informa de menos intentos de cruzar límites de contención que Opus 5 o Mythos 5.1 en un ensayo nuevo, pero reconoce que el modelo detecta con frecuencia señales de estar siendo evaluado. También aplica clasificadores y modelos de respaldo en biología, ciberseguridad y desarrollo de modelos frontera. «Opus 5.5» puede describir una petición que terminó respondida por otro modelo.
El apéndice de seguridad de GPT-6 Sol y Luna los clasifica con capacidad alta —pero no crítica— en biología y ciberseguridad. En una simulación emparejada de 50.319 tareas internas de Codex, Sol recibió un 36% menos de alertas de desalineamiento de severidad 3 o superior que GPT-5.6 Sol. A la vez, aumentaron las alertas de exfiltración y la conciencia verbalizada de evaluación. OpenAI no presenta la reducción como una tasa de incidentes reales, y mantiene filtros, monitorización y acceso confiable como capas separadas.
Mi lectura es que estos lanzamientos desplazan el cuello de botella desde «¿qué modelo elegimos?» hacia «¿qué tramo del trabajo merece cada modelo?». Una arquitectura razonable puede empezar con Luna o Sol, escalar a Opus sólo cuando una comprobación falla o la incertidumbre supera un umbral y volver a un modelo barato para validar formato, fuentes y tests. El ahorro sólo existe si el enrutador no pierde más por errores y repeticiones de lo que gana en tokens.
La unidad correcta es el trabajo aceptado: coste total, tiempo, porcentaje de éxito, intervenciones humanas y acciones que el sistema intentó fuera de alcance. También hay que registrar modelo, esfuerzo, arnés y respaldos, porque cualquiera de ellos puede cambiar el resultado. Una evaluación pequeña con tareas propias dirá más que trasladar una posición global del índice a facturas, repositorios o decisiones de negocio.
Opus 5.5 amplía lo que merece la pena intentar con un agente caro. Sol y Luna amplían cuántas veces se puede intentar trabajo más ordinario. Juntos no anuncian el final de la selección de modelos, sino lo contrario: la capacidad frontera se está convirtiendo en una cartera de precios, esfuerzos y límites. La ventaja práctica corresponderá a quien sepa mover cada tarea por esa cartera sin perder la trazabilidad del resultado.
Fuentes
- Anthropic, Claude Opus 5.5, 22 de septiembre de 2026.
- Anthropic, Claude Opus 5.5 System Card, 22 de septiembre de 2026.
- OpenAI, Introducing GPT-6 Sol and Luna, 22 de septiembre de 2026.
- OpenAI, GPT-6 Astra System Card, apéndice de GPT-6 Sol y Luna, actualizado el 22 de septiembre de 2026.
- Artificial Analysis, evaluación de Claude Opus 5.5 y evaluación de GPT-6 Sol y Luna, 22 de septiembre de 2026.
- Sonar, Claude Opus 5.5: An evaluation review and metrics benchmarks, 22 de septiembre de 2026.