Anthropic presentó el 22 de septiembre Claude Opus 5.5, el primer modelo de su nueva familia 5.5. La empresa afirma que rinde "al nivel de Claude Fable 5.1 en la mayoría del trabajo" y que cuesta 40% menos de operar que Opus 5.
Qué cambió
- Precio: US$4 por millón de tokens de entrada y US$20 por millón de salida, 20% por debajo de Opus 5. Las lecturas de caché —que Anthropic dice que son la mayor parte del costo en trabajo agéntico y de código— bajan de US$0,50 a US$0,20 por millón, y las escrituras de US$6,25 a US$5.
- Velocidad: genera salida más de 30% más rápido que Opus 5 y usa menos tokens por tarea; el ahorro neto en cargas típicas la empresa lo estima en 40%. Hay un modo rápido en Claude Code y en la plataforma de Anthropic, de hasta 2,5x, a US$8 y US$40 por millón.
- Disponibilidad: ya está en la plataforma de Anthropic, Claude Code, Amazon Web Services, Google Cloud y Microsoft Foundry. La empresa dice que Sonnet 5.5 y Haiku 5.5 llegarán en las próximas semanas.
Los números son del fabricante
En Terminal-Bench 4.0 —tareas multi-paso en línea de comandos— Opus 5.5 marca 66,4%, contra 55,8% de Fable 5.1 y 57,9% que OpenAI reporta para GPT-6 Astra. En GDPval-AA v2.1, que mide trabajo de conocimiento en 44 ocupaciones, obtiene 1.846 puntos frente a 1.735 de Fable 5.1 y 1.708 de Opus 5. En AutomationBench saca 40,0%, pero esa medición la corrió Zapier, no Anthropic. El resto son resultados publicados por el propio laboratorio, y la empresa lo advierte en la letra chica: "a estos niveles de capacidad, los márgenes en los benchmarks son una guía cada vez menos confiable sobre las diferencias en el mundo real".
El detalle que importa si usás agentes
Opus 5.5 se despliega con los clasificadores de seguridad de Fable 5.1 para ciberseguridad, biología y desarrollo de modelos de frontera. Cuando un clasificador se activa, la petición se deriva a un modelo anterior: la mayoría de los pedidos de ciberseguridad van a Opus 4.8 y los de biología o desarrollo de LLM a Opus 5, según The New Stack. En un flujo agéntico de varios turnos eso implica que distintas etapas pueden resolverse con modelos de capacidades distintas. Anthropic reconoce el efecto en su propia tabla: la evaluación se hizo con las salvaguardas activas y eso "probablemente reduce" el puntaje del modelo en esos benchmarks.
Seguridad y contexto
Según la empresa, fue evaluado antes de salir por evaluadores externos, entre ellos Frontier Design y METR, y obtiene el mejor puntaje de su auditoría conductual automatizada. El system card del 22 de septiembre lo clasifica con capacidades CB-1, ligadas a la síntesis de armas no novedosas, y determina que no cruza el umbral CB-2, según la lectura que hizo Unite.AI del documento. Es el primer lanzamiento desde que Anthropic pidió frenar el ritmo de la frontera. Cubrieron la salida TechCrunch y The Verge.
Hecho: fecha, precios, disponibilidad y clasificación del system card están publicados por Anthropic. Advertencia: los benchmarks son del fabricante; la única medición de un tercero citada es AutomationBench, corrida por Zapier, y el propio laboratorio pide no leer esos márgenes como diferencias reales.




