Claude Opus 5.5: nivel Fable 5.1 a 40% menos costo

El 22 de septiembre de 2026 bajó el precio de la frontera

Anthropic lanzó Claude Opus 5.5 el martes 22 de septiembre de 2026, el primer modelo de la nueva familia Claude 5.5, con el reclamo central de Anthropic: rinde al nivel de Claude Fable 5.1 en la mayoría de las tareas y cuesta 40% menos de operar que Opus 5. Noventa minutos después, OpenAI respondió con GPT-6 Sol y GPT-6 Luna, dos variantes más baratas de la familia GPT-6 con precios hasta 50% por debajo de sus equivalentes GPT-5.6. Por primera vez, dos laboratorios líderes coincidieron en el mismo día en que la noticia ya no era qué tan capaz es el modelo, sino cuánto cuesta por token.

La mecánica del mercado cambió: la pregunta para los founders ya no es si el modelo nuevo es mejor, sino si cuesta menos por tarea completada que el anterior.

Claude Opus 5.5: qué trae y a qué precio

Anthropic presentó Opus 5.5 como un modelo que iguala a Fable 5.1 en la mayoría de las pruebas y supera a GPT-6 Astra en varias, según la tabla de la propia Anthropic recogida por Decrypt y Mashable. La novedad no es solo bruta: la familia 5.5 apunta a una mejor escritura, menos jerga y la información importante al inicio del mensaje, según el anuncio.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los precios oficiales del API (Mashable y Decrypt):

Input: US$4 por millón de tokens (antes US$5)
Output: US$20 por millón de tokens (antes US$25)
Cache reads: US$0,20 por millón de tokens (antes US$0,50, una caída del 60%)

En términos operativos, Anthropic dice que el modelo es ~30% más rápido y ~40% más barato por tarea que Opus 5 en configuración media. El matiz importante lo trae Artificial Analysis (citado por Latent Space): a esfuerzo máximo, Opus 5.5 cuesta US$5,98 por tarea en el Intelligence Index frente a US$5,86 de Opus 5, porque el modelo consume más tokens en coding. El ahorro real está en la configuración por defecto, no en forzar el rendimiento al tope.

Para los suscriptores de Claude Pro, Max y Team, Anthropic subió los límites de sesión de 5 horas un 20% y agregó un banked rate-limit reset que se puede gastar cuando el usuario quiera. Sonnet 5.5 y Haiku 5.5 llegarán "en las próximas semanas", según el anuncio recogido por TechCrunch.

Qué puede hacer Opus 5.5 (y dónde no lidera)

Sobre los benchmarks publicados por Anthropic y reproducidos por Mashable y Decrypt, el modelo lidera en coding agéntico, computer use y knowledge work. Algunos números concretos:

GDPval-AA v2.1 (trabajo profesional en 44 ocupaciones): Opus 5.5 = 1.846, Fable 5.1 = 1.735, Opus 5 = 1.708.
Terminal-Bench 4.0: Opus 5.5 = 66,4%, Astra = 57,9%, Fable 5.1 = 55,8%.
FrontierCode 1.1: Opus 5.5 = 54,4% frente a Fable 5.1 = 50,3%.
CursorBench (Max): 57,8%, nuevo top, con 40% menos de costo por tarea que Opus 5.

Donde no lidera: en AutomationBench, Astra gana con 41,4% frente al 40,0% de Opus 5.5, y en Terminal-Bench-Science 0.1, Astra obtiene 64,6% contra 58,7% del modelo de Anthropic (cifras de Decrypt y Mashable).

Hay también una advertencia relevante para quien mire los puntajes con lupa: el system card de Anthropic reporta scaling de hasta 100 agentes en paralelo, una rareza en la industria. Y el ProgramBench merece cautela: el autor del benchmark, OfirPress, señaló que el casi 100% de Anthropic viene de un subset de 166/200 tareas y usa average test pass rate en vez de full task completion, lo que infla el resultado por solves parciales del 60-70%.

OpenAI contraataca con GPT-6 Sol y Luna

La respuesta de OpenAI fue quirúrgica: dos modelos derivados de GPT-6 Astra, entrenados con métodos similares, pero optimizados por costo. Marktechpost resume la nueva tabla de precios:

Modelo	Input / 1M	Output / 1M
GPT-6 Astra	US$10,00	US$50,00
GPT-6 Sol	US$2,00	US$10,00
GPT-6 Luna	US$0,10	US$0,50

Sol está pensado para coding complejo y tareas agénticas, Luna para procesamiento de alto volumen con objetivos definidos (resúmenes, extracciones, Q&A rutinario). Ambos comparten ventana de 1,05 millones de tokens y soportan imagen de entrada. Las versiones GPT-5.6 habían salido a US$4/US$20 (Sol) y US$0,20/US$1,20 (Luna), así que la caída es real, sobre todo en output de Luna (-58%).

Los benchmarks que OpenAI destaca, recogidos por Marktechpost y note.com:

AutomationBench 1.0.6: Sol xhigh = 33,2% a US$0,27/tarea; Opus 5 max = 26,9% a 11,1 veces ese costo.
OSWorld 2.0 offline: Sol xhigh = 60,5% versus 60,3% de Opus 5 medium, a 80% menos de costo por tarea.
DeepSWE v1.1: Sol max = 68,8%, Luna max = 66,6% comparable a Opus 5 y Fable 5 a esfuerzo medio, pero a 93% menos de costo por tarea que Opus 5.

OpenAI también mejoró el prompt caching: descuentos de hasta 90% en lecturas cacheadas, un nuevo Prompt Caching Dashboard y una diagnostics API para entender por qué se invalida un caché, herramientas especialmente útiles para agentes de larga duración.

La nueva economía del token: -40% / -50% ya es la norma

El mensaje de Anthropic y OpenAI en el mismo día confirma una tendencia de fondo. Un reporte de Mozilla publicado el 15 de septiembre, recogido por Ars Technica, estima que la brecha entre los modelos frontera cerrados y los mejores open-weights chinos es hoy de solo 4,4 meses. El modelo abierto Kimi K3 de Moonshot AI queda a tres puntos del Fable 5 cerrado de Anthropic en el Intelligence Index, pero cuesta alrededor del 30%.

TechRepublic aporta el otro extremo de la curva: DeepSeek V4 Flash cotiza a US$0,14 de input y US$0,28 de output por millón de tokens, y DeepSeek V4 Pro a US$0,435 y US$0,87. Para comparar: Anthropic Sonnet 4.6 lista US$3/US$15 y OpenAI GPT-5.5 US$5/US$30 en el mismo artículo.

Lo que esto significa es simple: la frontera de precio por tarea útil se está moviendo hacia abajo mucho más rápido que las capacidades brutas. Epoch AI, citado por Latent Space, estima que el costo de la IA a performance fija cae alrededor de 47% por trimestre desde 2023.

Qué significa esto para tu startup

El cambio de la semana no es cosmético. Para un founder que corre agentes en producción, el cálculo de unit economics cambia en el mismo trimestre:

Acciones concretas esta semana:
Re-corré tus benchmarks de costo por tarea, no por token. Como mostró Artificial Analysis con Opus 5.5, un token más barato que consume más tokens puede salir igual o más caro. Mide dólares por tarea completada con un set estable de 50-100 casos reales.
Probá ruteo por esfuerzo. Opus 5.5 es ~40% más barato en medium pero casi igual de caro a max effort; GPT-6 Sol y Luna te dan dos escalones adicionales de costo/rendimiento. Si hoy usás un solo modelo para todo, separá trabajo profundo (Sol xhigh, Opus 5.5 medium) de trabajo de alto volumen (Luna max, cacheo agresivo).
Activá prompt caching de OpenAI (hasta 90% de descuento en reads) o cache reads de Anthropic (US$0,20/1M, 60% más barato). En agentes de larga duración, el caché es donde se juega el margen.
Riesgos a vigilar: el system card de Opus 5.5 muestra que el modelo a veces "sospecha que está siendo evaluado" (Anthropic lo reconoció a Mashable), un patrón ya visto con Astra. Si tu eval interna depende de capturas del modelo en su mejor día, el delta entre tu benchmark y producción va a crecer. Y la oferta china abierta está bajando el techo de precio desde abajo: tu próxima ronda de financiación no puede defenderse con "usamos el modelo más caro".

Conclusión

El 22 de septiembre de 2026 se recordará como el día en que la carrera por el modelo más capaz pasó a segundo plano frente a la carrera por el modelo más rentable por tarea. Anthropic acercó Fable 5.1 al precio de Opus 5; OpenAI partió Astra en dos y dejó a Luna como el modelo frontera más barato del mercado abierto occidental. Para founders hispanohablantes construyendo con IA, la lección operativa es directa: el costo por tarea útil se convirtió en el KPI principal, y los proveedores por fin están alineados con eso.