Anthropic lanza Claude Sonnet 5: un modelo más agente a un precio competitivo

Anthropic lanzó hoy un nuevo modelo: Claude Sonnet 5, el último de su línea Sonnet, y la compañía lo presenta como el Sonnet más agente hasta la fecha. El modelo puede planificar de forma autónoma, usar navegadores y terminales como herramientas, y ejecutar flujos de trabajo complejos que antes requerían modelos más grandes y costosos como Opus.

El movimiento marca un claro paso adelante en la carrera armamentista de la IA agente. Históricamente, los modelos Sonnet han sido los caballos de batalla aquí; Claude Sonnet 3.5, 3.6 y 3.7 estuvieron entre los primeros en mostrar fuertes habilidades de programación y uso de herramientas. Pero últimamente, los modelos de clase Opus de la compañía han estado acaparando la atención en cuanto a capacidades de agente. Sonnet 5 busca recuperar ese terreno: su rendimiento ahora está cerca del Opus 4.8, pero a una fracción del costo.

Rendimiento y precios

Sonnet 5 está disponible hoy en todos los planes; es el modelo predeterminado en Free y Pro, y está disponible para usuarios de Max, Team y Enterprise. También impulsa Claude Code y es accesible a través de la API de Claude con el identificador 'claude-sonnet-5'.

Anthropic ofrece un precio introductorio de 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida hasta el 31 de agosto de 2026. Después de eso, aumenta a 3 $ y 15 $, respectivamente. La compañía dice que ha aumentado los límites de velocidad en Chat, Cowork, Claude Code y la Plataforma Claude para manejar el mayor consumo de tokens que conlleva el razonamiento extendido del modelo en niveles de esfuerzo más altos.

Evaluaciones comparativas de rendimiento

La compañía compartió cifras de rendimiento en dos evaluaciones clave. En la evaluación comparativa de búsqueda agente BrowseComp, Sonnet 5 (línea naranja) es una clara mejora con respecto a Sonnet 4.6 (línea gris) y cubre un espectro de costo-rendimiento mucho más amplio que Opus 4.8 (línea amarilla). En la evaluación de uso informático OSWorld-Verified, el patrón se repite: Sonnet 5 ofrece una eficiencia de costos sustancialmente mejor con un esfuerzo medio, y puede igualar a Opus 4.8 en algunas tareas de alto esfuerzo.

¿La conclusión? Los usuarios pueden ajustar el nivel de esfuerzo hacia arriba o hacia abajo para equilibrar el costo y el rendimiento entre Sonnet 5 y Opus 4.8.

Comentarios de los primeros usuarios

Los socios de acceso temprano han estado entusiasmados. Los evaluadores informan constantemente que Sonnet 5 es más agente que sus predecesores, completando tareas complejas donde los primeros Sonnet se rendirían temprano, verificando su propio resultado sin que se lo pidan, y haciendo todo esto a un precio asequible.

Citas notables del anuncio incluyen:

"Claude Sonnet 5 le da a nuestros agentes una capa de ejecución sólida para el trabajo de ingeniería de software de múltiples pasos. Maneja bien la programación sostenida, el uso de herramientas y la depuración en contextos técnicos complejos.", Socio de acceso temprano, ingeniería de software

"Le dimos a Claude Sonnet 5 un trabajo de dos partes: actualizar los niveles de cuenta de Salesforce y enviar un anuncio de lanzamiento a los contactos empresariales, y lo terminó de principio a fin. Eso solía estancarse a mitad de camino.", Socio de acceso temprano, automatización

"Claude Sonnet 5 logra más con menos. Misma calidad de resultado, menos pasos para llegar allí. Rechaza solicitudes no seguras de manera limpia y consistente.", Lovable, plataforma de aplicaciones de IA

Otros evaluadores notaron la habilidad del modelo para rastrear fallas hasta las causas raíz, manejar código heredado y enviar correcciones duraderas en lugar de parchar síntomas. Un usuario informó que le pidió al modelo que investigara un error; luego, de forma autónoma, escribió una prueba de reproducción, implementó la corrección y luego guardó la corrección para confirmar que el error regresaba sin el cambio, todo en una sola pasada.

Evaluación de seguridad

Las evaluaciones de seguridad previas al despliegue de Anthropic encontraron que Sonnet 5 es, en general, una mejora con respecto a Sonnet 4.6. En el frente de la seguridad agente, es mejor para rechazar solicitudes maliciosas y resistir intentos de secuestro durante ataques de inyección rápida. También muestra tasas más bajas de alucinación y sicofancia.

En la auditoría de comportamiento automatizada de la compañía, que prueba una amplia gama de comportamientos desalineados, cooperación con mal uso, engaño y similares, Sonnet 5 obtuvo una puntuación más baja (más segura) en general. Pero mostró tasas algo más altas de comportamiento desalineado en comparación con el más capaz Opus 4.8 y Claude Mythos Preview.

Anthropic no entrenó deliberadamente a Sonnet 5 en tareas de ciberseguridad. Puede manejar algunas tareas cibernéticas rutinarias y no dañinas, pero en evaluaciones que sondean habilidades cibernéticas potencialmente peligrosas, como el desarrollo de exploits de software, su rendimiento es sustancialmente peor que modelos como Opus 4.8 y Mythos 5. En una prueba que analiza la capacidad de desarrollar exploits para vulnerabilidades del navegador Firefox, Sonnet 5 nunca pudo producir un exploit completo y funcional, aunque mostró una tasa ligeramente más alta de éxito parcial que Sonnet 4.6. Anthropic atribuye esto a mejoras en la inteligencia general en lugar de un entrenamiento específico.

Debido a que Sonnet 5 es algo más fuerte que su predecesor en estas tareas, Anthropic lo ha lanzado con salvaguardas cibernéticas habilitadas de forma predeterminada. Estas salvaguardas, que detectan y bloquean el uso cibernético peligroso en tiempo real, son las mismas que están presentes en Claude Opus 4.7 y 4.8.

Disponibilidad y registro de cambios

El modelo está disponible de inmediato a través de la plataforma nativa de Anthropic, AWS, Microsoft Foundry (alojado en Azure y Anthropic), y próximamente en Google Vertex. Las organizaciones ya inscritas en el Programa de Verificación Cibernética obtienen acceso automático a Sonnet 5, sin necesidad de volver a solicitarlo.

Una nota al pie en el anuncio señala que, si bien Sonnet 5 es una actualización de Sonnet 4.6, utiliza un tokenizador actualizado que puede resultar en aproximadamente 1.0 a 1.35 veces más tokens dependiendo del tipo de contenido. El precio introductorio, dice la compañía, está diseñado para que la transición sea aproximadamente neutral en costos.