Anthropic lanzó Claude Sonnet 5 el 30 de junio, al que calificó como el modelo de gama media más agentic que ha construido, y lo convirtió en el predeterminado de Claude.ai para los usuarios Free y Pro desde el día del lanzamiento. La compañía dijo que el modelo puede planificar, usar herramientas como navegadores y terminales, y ejecutar tareas de varios pasos de forma autónoma, un trabajo que hasta hace poco era dominio exclusivo de sistemas más grandes de la clase Opus.
Trabajo de clase Opus a precios de Sonnet
Los resultados de los benchmarks respaldan la propuesta. Sonnet 5 registra un 63,2% en SWE-bench Pro frente al 69,2% del buque insignia Opus 4.8, y un 81,2% en la prueba de uso de ordenador OSWorld-Verified frente al 83,4% de Opus. En Terminal-Bench 2.1 obtiene un 80,4%, por delante del 74,6% de Opus 4.8, y alcanza un 84,7% en el benchmark de búsqueda agentic BrowseComp. El patrón es consistente: Sonnet 5 se sitúa a pocos puntos de un modelo mucho más caro en múltiples tareas agentic.
La tarificación refleja esa brecha. Anthropic fijó tarifas introductorias de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida hasta el 31 de agosto; después subirán a 3 y 15 dólares. Eso mantiene a Sonnet 5 muy por debajo de los precios de la gama Opus, aunque se acerque a su capacidad en varias pruebas.
Una primera semana accidentada
El despliegue no estuvo exento de fricciones. Los desarrolladores informaron de que el tokenizer de Sonnet 5 produce entre 1,0 y 1,35 veces más tokens que su predecesor para el mismo texto, lo que significa que el coste real por tarea puede ser superior de lo que sugiere el precio por token anunciado. Anthropic también eliminó la temperatura y otros parámetros de muestreo, lo que rompió algunas integraciones existentes que los tenían codificados de forma fija.
La compañía reconoció un error en la forma en que había medido el benchmark BrowseComp y republicó el gráfico utilizando una metodología de presupuesto de 10 millones de tokens. También desplegó un nuevo clasificador de seguridad dirigido a una técnica concreta de jailbreak, que, según dijo, bloquea el método más del 99% de las veces, a costa de más falsos positivos en consultas legítimas de codificación de seguridad, algunas de las cuales ahora se enrutan a Opus 4.8.
Por qué Anthropic impulsa la gama media
La estrategia de Anthropic se apoya en hacer que los agentes capaces sean lo bastante baratos como para funcionar a escala. Al llevar la autonomía de nivel Opus a la banda de precios de Sonnet, la compañía apunta a desarrolladores que quieren agentes en producción sin asumir costes de buque insignia. Las quejas iniciales sobre el tokenizer y la API muestran las contrapartidas de avanzar rápido con un modelo que miles de equipos conectan a sistemas en vivo desde el primer día.