Sonnet 4.6 acaba de hacer que Opus parezca caro. Eso lo cambia todo.

Anthropic lanzó hoy Claude Sonnet 4.6, un modelo de gama media que, según las pruebas internas, los desarrolladores prefieren al modelo más capaz de la empresa de noviembre de 2025, Opus 4.5, el 59% de las veces. La cifra, obtenida de pruebas tempranas en Claude Code, llega en un momento en que el mercado de IA de frontera se está dividiendo entre modelos insignia costosos y alternativas más baratas que a menudo se quedan atrás en profundidad de razonamiento. openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai

Sonnet 4.6 busca eliminar esa distinción. Con un precio de $3 por millón de tokens de entrada y $15 por millón de tokens de salida, idéntico a Sonnet 4.5, el modelo ofrece una ventana de contexto de 1 millón de tokens en beta, habilidades mejoradas de uso de computadora y mejoras generales en los puntos de referencia que Anthropic dice que se acercan a la inteligencia de nivel Opus. Las evaluaciones de seguridad de la empresa lo calificaron como igual o más seguro que los lanzamientos recientes de Claude, señalando un carácter generalmente cálido, honesto, prosocial y, a veces, divertido, y sin preocupaciones de alineación de alto riesgo.

Cerrando la brecha en los puntos de referencia

Anthropic publicó comparaciones detalladas de puntos de referencia contra GPT-5.2, Gemini 3 Pro, y sus propios modelos Opus 4.6 y Sonnet 4.5. En OSWorld, el punto de referencia estándar para el uso de computadora por IA, Sonnet 4.6 obtuvo un 47.5%, un salto desde el 27.3% de Sonnet 4.5 y ligeramente por encima del 45.6% de Opus 4.6. En Terminal-Bench 2.0, que prueba tareas de codificación agénticas, Sonnet 4.6 alcanzó el 89.6%, superando el 88.1% de GPT-5.2 y el 87.9% de Opus 4.6. En SWE-bench Verified, un punto de referencia de ingeniería de software, obtuvo un 79.1%, superando el 73.0% de GPT-5.2 y quedando ligeramente por detrás del 81.5% de Opus 4.6. the-ai-agent-that-remembers-you-why-vitabench-20-reveals-a-chasm-between-good-chatbots-and-good-collaborators

En OfficeQA, que mide la comprensión de documentos empresariales, Sonnet 4.6 igualó exactamente a Opus 4.6 con un 90.1%. El modelo también obtuvo resultados sólidos en BrowseComp (67.3%), ARC-AGI-2 (66.8% con máximo esfuerzo) y MMMU-Pro (83.0%). En Humanity's Last Exam, un exigente punto de referencia lanzado en enero de 2025, Sonnet 4.6 con pensamiento y herramientas obtuvo un 54.1%, detrás del 79.7% de Opus 4.6 pero por delante del 46.9% de Sonnet 4.5.

Los números pintan una imagen clara: Sonnet 4.6 cierra la brecha con Opus en la mayoría de las tareas prácticas, dejando un margen significativo solo en las evaluaciones de razonamiento más difíciles. Para la mayoría de las tareas de codificación, análisis de documentos y flujos de trabajo agénticos, la diferencia es insignificante.

El uso de computadora madura

Anthropic introdujo por primera vez modelos de propósito general para usar computadoras en octubre de 2024, descritos entonces como aún experimentales, a veces engorrosos y propensos a errores. Sonnet 4.6 marca la tercera generación de esa capacidad, y los puntajes de OSWorld reflejan dieciséis meses de mejora constante. El modelo navega por entornos de software reales, Chrome, LibreOffice, VS Code, haciendo clic con un ratón virtual y escribiendo en un teclado virtual, sin API ni conectores especiales.

Los testimonios tempranos de clientes publicados por Anthropic describen un rendimiento a nivel humano en tareas como navegar por hojas de cálculo complejas, completar formularios web de varios pasos y coordinarse a través de múltiples pestañas del navegador. Box reportó una mejora de 15 puntos porcentuales sobre Sonnet 4.5 en preguntas y respuestas de razonamiento complejo. Un punto de referencia de seguros alcanzó el 94%, el más alto que el cliente había probado para uso de computadora. Rakuten AI calificó el código para iOS de Sonnet 4.6 como el mejor que había probado, señalando un mejor cumplimiento de especificaciones, arquitectura y uso de herramientas modernas.

La empresa reconoció que el uso de computadora aún está por detrás de los humanos más hábiles y conlleva riesgos de ataques de inyección rápida, donde actores maliciosos ocultan instrucciones en sitios web para secuestrar el modelo. Anthropic dijo que Sonnet 4.6 muestra una mejora importante en la resistencia a tales ataques, con un rendimiento similar a Opus 4.6 en evaluaciones de seguridad internas. the-subtle-trap-waiting-for-ai-agents-in-production

La paradoja de los precios

La implicación más sorprendente de Sonnet 4.6 no es técnica, sino económica. Opus 4.6 cuesta $15 por millón de tokens de entrada y $75 por millón de tokens de salida, cinco veces el costo de salida de Sonnet 4.6. Para un desarrollador que ejecuta miles de sesiones de codificación agéntica al mes, la diferencia de costo es sustancial.

Los propios datos de Anthropic sugieren que los usuarios prefieren Sonnet 4.6 a Opus 4.5 en una amplia gama de tareas, incluyendo refactorización de bases de código, planificación de múltiples pasos y detección de errores. La empresa señala explícitamente que Sonnet 4.6 proporciona una alternativa viable si eres un usuario intensivo de Opus. La recomendación proviene de la empresa que vende Opus.

Para los equipos que ejecutan codificación agéntica a escala, la métrica que importa no son los puntajes brutos de los puntos de referencia, sino el costo por problema resuelto. Sonnet 4.6 iguala a Opus en las tasas de detección de errores a una quinta parte del costo de salida, lo que significa que los equipos pueden ejecutar más revisores en paralelo sin aumentar su presupuesto. Por primera vez, la economía de escala favorece al modelo de gama media.

Actualizaciones de producto y disponibilidad

Sonnet 4.6 está disponible de inmediato en todos los planes de Claude, Gratuito, Pro, Max, Team y Enterprise, y en Claude Code, la API y todas las principales plataformas en la nube. El nivel gratuito ahora incluye creación de archivos, conectores, habilidades y compactación de contexto de forma predeterminada. El modelo admite tanto el pensamiento adaptativo como el pensamiento extendido, así como la compactación de contexto en beta, que resume automáticamente el contexto de conversaciones anteriores para extender la duración efectiva de la sesión. anthropic-launches-claude-tag-on-slack-for-team-wide-ai-collaboration

En el lado de la API, Anthropic hizo que las herramientas de búsqueda web y de obtención estuvieran generalmente disponibles, con ejecución automática de código para filtrar y procesar resultados. La memoria, la llamada programática a herramientas, la búsqueda de herramientas y los ejemplos de uso de herramientas también pasaron a disponibilidad general. Para los usuarios de Excel, el complemento de Claude ahora admite conectores MCP, lo que permite al asistente obtener datos de S&P Global, LSEG, Daloopa, PitchBook, Moody's y FactSet sin salir de la hoja de cálculo.

El punto final para desarrolladores usa claude-sonnet-4-6 como identificador del modelo. Anthropic recomienda migrar desde Sonnet 4.5 y explorar el espectro de esfuerzo de pensamiento para encontrar el equilibrio óptimo entre velocidad y confiabilidad para cada caso de uso.

Lo que significa para el mercado

Sonnet 4.6 representa un cambio estructural en la forma en que los laboratorios de IA están posicionando sus pilas de modelos. Durante los últimos dos años, el consejo estándar ha sido: usa el modelo más barato que funcione y recurre a Opus o GPT-5 solo cuando sea absolutamente necesario. Ese cálculo funcionaba porque la brecha entre la gama media y la insignia era lo suficientemente grande como para justificar la prima. the-specialization-revolution-how-smaller-models-are-redefining-ais-future

Esa brecha ahora se está reduciendo. Los datos internos de preferencia de usuario de Anthropic muestran que los desarrolladores eligen voluntariamente un modelo que cuesta una quinta parte, en tareas donde antes habrían pagado por el nivel superior. Si ese patrón se mantiene a escala, podría forzar una reconsideración más amplia de cómo la industria fija el precio de la inteligencia de frontera. Si un modelo de gama media puede hacer lo que el insignia hacía hace seis meses, el insignia debe diferenciarse en tareas que pocos usuarios del mundo real encuentran.

Anthropic no es ajena a esto. La empresa señala que Opus 4.6 sigue siendo la opción más fuerte para tareas que exigen el razonamiento más profundo, como la refactorización de bases de código, la coordinación de múltiples agentes en un flujo de trabajo y problemas donde es primordial hacerlo bien. Pero la lista es más corta que hace un año, y se acorta con cada lanzamiento de Sonnet. anthropic-launches-claude-sonnet-5-a-new-frontier-in-agentic-ai-at-lower-cost