Sonnet 5.5 no es más barato: es más barato por tarea

Todos los días, a las 4:00, mi fábrica de contenido arranca sola. Cuando me despierto ya dejó guiones, copys y un reel esperando mi firma. No soy ingeniero: soy director audiovisual. Lo que sé hacer es describir bien un resultado y saber cuándo está bien hecho. Y cuando algo corre solo todas las noches, la pregunta que manda no es cuánto cuesta un token. Es cuánto cuesta terminar el trabajo. Por eso, cuando Anthropic lanzó Claude Sonnet 5.5 el 28 de septiembre, lo primero que busqué en la nota oficial no fue el benchmark. Fue la línea del precio.

¿Sonnet 5.5 es más barato que Sonnet 5?

Por token, no. Anthropic lo escribe así: Sonnet 5.5 cuesta lo mismo que Sonnet 5, 2 dólares por millón de tokens de entrada, 10 dólares por millón de salida y 0,20 dólares por millón en lecturas de caché. Lo que cambia es cuánto gasta para llegar al mismo resultado. Según Anthropic, "normalmente necesita muchos menos tokens para hacer el mismo trabajo" y, en sus pruebas, cuesta hasta un 30 % menos por tarea que su antecesor. Si lees un titular que dice "Anthropic bajó el precio", está mal leído. El precio de lista es el mismo. Lo que baja es la factura por tarea, y solo si tu tarea se parece a las que midieron.

¿Por qué el costo por tarea importa más que el precio por token?

Porque un agente no te cobra una respuesta: te cobra un recorrido. Lee archivos, llama herramientas, se equivoca, vuelve a intentar. Cada vuelta son tokens. Los casos que publica Anthropic lo muestran mejor que cualquier promedio:

• Balyasny, en una suite privada de 2.441 tareas financieras, vio que Sonnet 5.5 usaba unos 121.000 tokens por respuesta, contra 497.000 de Sonnet 5. Es un solo cliente y una suite que nadie más puede revisar, así que tómalo como dirección, no como promesa.
• Box reporta que salió más preciso, 2,4 veces más rápido y con 12 % menos tokens en total.
• En velocidad pura, Anthropic dice que genera respuestas más de un 30 % más rápido que Sonnet 5, y que es su Sonnet más rápido hasta hoy.

Para quien corre agentes de noche, esa es la cifra que se nota: menos vueltas, menos tokens, menos espera.

¿Qué significa el 70,6 % en Terminal-Bench?

Terminal-Bench 4.0 es una evaluación de programación con agentes en la terminal. Sonnet 5.5 saca 70,6 %. Sonnet 5 sacaba 10,3 %. El salto es enorme, pero no lo traduzcas a "programa siete veces mejor". Terminal-Bench 4.0 es nuevo y muy duro, y el 10,3 % habla más de lo difícil que es la prueba que de lo malo que era Sonnet 5. Lo que sí dice es que en tareas largas de terminal, las que hace un agente de código, el modelo nuevo termina donde el viejo se quedaba a medias. Anthropic añade un dato de costo: con effort medio, el que viene por defecto en las apps de Claude, Sonnet 5.5 supera la mejor marca de Sonnet 5 por menos de una décima parte del costo por tarea.

¿Sonnet 5.5 es mejor que Opus 5.5?

No en general, y la propia Anthropic lo dice: Opus 5.5 "sigue siendo claramente más fuerte en el trabajo complejo y abierto que requiere criterio sostenido". Los números lo confirman. En Terminal-Bench, Sonnet 5.5 le gana a Opus 5.5 (70,6 % contra 66,4 %). En FrontierCode 1.1, Opus 5.5 queda arriba (54,4 % contra 46,2 % de Sonnet 5.5 en effort máximo). Mi lectura para una fábrica como la mía es sencilla: Sonnet 5.5 para el volumen, lo que se repite todos los días con una definición clara de terminado. Opus 5.5 para lo que exige criterio, donde un error sale más caro que los tokens.

Lo que todavía no sabemos

• Ninguna fuente dice qué planes de Claude incluyen Sonnet 5.5. No asumas que está en el plan gratis.
• Haiku 5.5 viene "en las próximas semanas". Hoy no existe.
• El 30 % de ahorro es "hasta", y varía por tarea. La única forma de saber cuánto ahorras tú es medir tus propias tareas antes y después.

Si programas contra la API, antes de cambiar el modelo revisa los cinco cambios que pueden romper tu código. Los explico paso a paso en la guía de maquina-ia.com.