Claude Sonnet 5 hace más difícil justificar la brecha de precio con Opus

Anthropic ha lanzado Claude Sonnet 5, su modelo de gama media más nuevo diseñado para mejorar drásticamente las capacidades agente, la planificación, el uso de herramientas y la operación autónoma, sin el precio de sus hermanos de la clase Opus. Disponible hoy en los planes Free, Pro, Max, Team y Enterprise, así como en Claude Code y a través de la API de Claude, Sonnet 5 se comercializa como un modelo que reduce la brecha de rendimiento con Opus 4.8 mientras ofrece ahorros de costos sustanciales. anthropic-launches-claude-mythos-5-its-most-powerful-model-for-cybersecurity-and-biology-research-with-strict-access-controls

Según Anthropic, el modelo marca un salto significativo sobre su predecesor, Sonnet 4.6, en métricas clave que incluyen razonamiento, uso de herramientas, codificación y trabajo de conocimiento. Las evaluaciones internas de la compañía muestran que Sonnet 5 supera a Sonnet 4.6 en una amplia gama de puntos de referencia, incluidas las evaluaciones de búsqueda agente y uso de computadora. En algunos casos, el rendimiento de mayor esfuerzo de Sonnet 5 coincide con el de Opus 4.8. cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

Precios y disponibilidad

Sonnet 5 se lanza con 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, los precios estándar comienzan en $3 por millón de tokens de entrada y $15 por millón de tokens de salida. Anthropic señala que Sonnet 5 utiliza un tokenizador actualizado, similar al cambio introducido con Opus 4.7, que puede aumentar el recuento de tokens aproximadamente 1.0, 1.35 veces según el contenido. El precio introductorio está diseñado para que la transición sea aproximadamente neutral en costos para los usuarios. anthropic-boosts-claude-api-rate-limits-streamlines-tiers-to-three

El modelo es el predeterminado para los usuarios de Free y Pro, y está disponible para los suscriptores de Max, Team y Enterprise. Anthropic también ha aumentado los límites de velocidad en Chat, Cowork, Claude Code y la plataforma Claude para manejar un mayor uso de tokens en niveles de esfuerzo elevados. Los usuarios pueden ajustar el parámetro de esfuerzo para equilibrar el costo y el rendimiento.

Rendimiento agente: Testimonios de socios tempranos

Los comentarios de los socios de acceso temprano de Anthropic han sido consistentemente positivos. Los desarrolladores y organizaciones describieron un modelo que completa tareas complejas donde los modelos Sonnet anteriores se detenían, verifica su propia salida sin que se lo pidan, y funciona de manera autónoma a un precio atractivo.

Joe Spisak, director de producto de Meta, dijo: Claude Sonnet 5 brinda a nuestros agentes una capa de ejecución sólida para el trabajo de ingeniería de software de múltiples pasos. Maneja bien la codificación sostenida, el uso de herramientas y la depuración en contextos técnicos desordenados, y ha sido especialmente útil para flujos de trabajo donde el seguimiento y la base técnica importan.

CoSailor describió una prueba del mundo real: Le dimos a Claude Sonnet 5 un trabajo de dos partes: actualizar los niveles de cuentas de Salesforce y enviar un anuncio de lanzamiento a los contactos empresariales, y lo completó de principio a fin. Eso solía estancarse a mitad de camino.

El fundador de Lovable, Henrik Torstensson, elogió el comportamiento de seguridad del modelo: Claude Sonnet 5 logra más con menos. Misma calidad de salida, menos pasos para llegar allí. Rechaza solicitudes inseguras de manera limpia y consistente, también.

David Byrne de Stripe destacó la habilidad de depuración autónoma del modelo: Le pedí a Claude Sonnet 5 que investigara un error. Sin que se lo pidiera, escribió una prueba de reproducción, implementó la corrección y luego la guardó para confirmar que el error volvía sin el cambio. Todo en una sola pasada. why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

Simon Last de Notion Labs destacó su fiabilidad en cambios de código de múltiples pasos: Con Claude Sonnet 5, los agentes se mantienen en el plan, siguen nuestras convenciones y envían cambios limpios de múltiples pasos, todo a un costo eficiente.

Scott Wu de Cognition AI dijo: Claude Sonnet 5 está en su mejor momento en código heredado, condiciones de carrera, pruebas ocultas, las partes que nadie quiere tocar. Rastrea un fallo hasta su causa raíz real y envía una corrección duradera en lugar de parchear el síntoma.

Peter Wang de Eve Legal destacó las ganancias en investigación legal: Claude Sonnet 5 se encuentra en la frontera de Pareto para las tareas de abogado-plaintiff de Eve. Vemos las ganancias más claras en investigación y análisis legal, con una relación precio-rendimiento que hizo que la decisión de migrar fuera fácil.tcs-and-anthropic-partner-to-bring-claude-to-regulated-industries

Nick Ursa de ClickHouse enfatizó la velocidad: Claude Sonnet 5 razona en pasos más ajustados y lleva a nuestros usuarios a las respuestas notablemente más rápido.

Jack Terrell, CEO de Pace, observó la fiabilidad del modelo en producción: Nuestros agentes de uso de computadora ejecutan flujos de trabajo de seguros... Claude Sonnet 5 toma consistentemente la acción correcta y lo hace rápidamente, que es lo que exige el trabajo real de seguros.

Evaluación de seguridad y salvaguardas cibernéticas

Las evaluaciones de seguridad previas al despliegue de Anthropic encontraron que Sonnet 5 es más seguro en general que Sonnet 4.6, con tasas más bajas de alucinación, sicofancia y comportamiento desalineado. El modelo también mostró una mejora en el rechazo de solicitudes maliciosas y en la resistencia a ataques de inyección de indicaciones. Sin embargo, la auditoría de comportamiento automatizada, que prueba una amplia gama de comportamientos no deseados, encontró que Sonnet 5 tiene tasas ligeramente más altas de comportamiento desalineado que el más capaz Opus 4.8 y el aún no lanzado Claude Mythos Preview.

En las evaluaciones de ciberseguridad, Sonnet 5 demostró un rendimiento sustancialmente inferior al de Opus 4.8 y Mythos 5 en tareas como el desarrollo de exploits de software. Por ejemplo, en una prueba que involucraba vulnerabilidades del navegador Firefox, ni Sonnet 4.6 ni Sonnet 5 produjeron nunca un exploit completamente funcional, ambos obtuvieron una puntuación del 0.0%, aunque Sonnet 5 mostró una tasa de éxito parcial marginalmente mayor. Anthropic atribuye esto a mejoras generales de inteligencia en lugar de un entrenamiento específico en capacidades cibernéticas.

Debido a que la tasa de éxito cibernético parcial de Sonnet 5 es ligeramente más alta que la de su predecesor, Anthropic ha lanzado el modelo con salvaguardas cibernéticas habilitadas de forma predeterminada. Estas salvaguardas, que detectan y bloquean el uso cibernético peligroso en tiempo real, son las mismas que se utilizan con Opus 4.7 y 4.8. Son menos estrictas que las salvaguardas implementadas con Fable 5, que bloquean una gama mucho más amplia de tareas de ciberseguridad. Anthropic recomienda Opus 4.8 para trabajos de ciberseguridad que requieren barreras de seguridad reducidas. anthropic-launches-claude-fable-5-a-fifth-generation-model-for-extended-autonomous-work

Registro de cambios y nota metodológica

Anthropic emitió una corrección posterior al lanzamiento: la versión original de la publicación del blog incluía un gráfico de costo-rendimiento para la evaluación BrowseComp que utilizaba una metodología más simple, subestimando el rendimiento de Sonnet 5. El gráfico se ha actualizado para que coincida con la metodología estándar descrita en la tarjeta del sistema, que utiliza un presupuesto de 10 millones de tokens con compactación y llamadas a herramientas programáticas.

Además, las puntuaciones de Sonnet 4.6 en Humanity's Last Exam y OSWorld-Verified se han actualizado para reflejar los cambios en el modelo de calificación y la metodología de evaluación, respectivamente.

La tarjeta del sistema Claude Sonnet 5, que informa los detalles completos de la evaluación y las evaluaciones de seguridad, está disponible en el sitio web de Anthropic.