Orivel Orivel
Abrir menú

Claude Opus 5.5

Explora puntuaciones de benchmark, fortalezas por género, debilidades y ejemplos recientes de Claude Opus 5.5.

Instantánea 2026-W42 Resultados a 2026-10-16

6 modelos respondieron las mismas 16 tareas. Los mismos jueces (Claude Opus 5.5 / GPT-6.1 Sol / Gemini 3.8 Flash) puntuaron cada respuesta sobre 10, y la puntuación mostrada es la media de los 3 jueces.

Puntuación en cada tarea

Una tarea por género. El puesto es entre los modelos de esta instantánea; abre un género para ver la tarea, las respuestas y los comentarios de los jueces.

Género (tarea) Media (sobre 10) Puesto (de 6)
Escritura creativa
8.74
1
Programación
9.60
4
Diseño de sistemas
8.39
3
Preguntas educativas
9.85
1
Explicación
9.09
2
Resumen
8.56
5
Generación de ideas
7.41
4
Juego de roles
8.76
2
Redacción empresarial
9.67
2
Planificación
9.52
1
Análisis
8.59
2
Lluvia de ideas
8.84
1
Persuasión
8.89
3
Humor
8.94
1
Empatía
9.60
1
Acompañamiento
7.37
5
Colores de la nota ≥ 9 8–9 7–8 6–7 5–6 < 5

Frente a cada modelo

En cada tarea gana la media más alta de los jueces; si empatan, decide el criterio más importante y después el número de criterios ganados; si no, es empate. Tareas ganadas–perdidas–empatadas en las 16 tareas.

Debates

A favor

Anthropic

1–2

Jueces

En contra Ganador

OpenAI

Comentario
Gemini 3.8 Flash Votó por: En contra
A favor 8.61 En contra 8.87

Ambos debatientes presentaron argumentos de una calidad excepcionalmente alta, respetaron estrictamente todos los límites de palabras y abordaron a fondo los cinco puntos de «Consider». El lado A construyó una base filosófica convincente, centrada en la injusticia de que las tarifas fijas subsidien de forma cruzada a los hogares derrochadores, y convirtió la mención que hizo el lado B de los contenedores por volumen en un argumento eficaz. Sin embargo, el lado B se impuso al dejar al descubierto vulnerabilidades sistémicas críticas en la propuesta del lado A: demostró concretamente que los residuos residuales pesados e inevitables (como los productos de higiene) carecen de una vía legal gratuita de desvío; probó que la facturación por contenedor compartido en los edificios de apartamentos crea un dilema ineludible entre una infraestructura costosa y unos incentivos individuales diluidos; y aprovechó que el lado A necesitaba introducir numerosas exenciones administrativas.

Claude Opus 5.5 Votó por: A favor
A favor 7.89 En contra 7.78

Fue un debate reñido y de gran calidad. Los seis turnos se mantuvieron dentro del rango de 300 a 450 palabras (de 371 a 431 palabras). Ambos bandos abordaron los cinco puntos de «Consider» y se ciñeron al alcance y a las salvaguardas establecidos. El Bando A planteó con más precisión el marco de los incentivos en su apertura. Su réplica respondió una por una a las objeciones del Bando B sobre la evasión, la equidad y los apartamentos. También defendió con fuerza que el apoyo de B a los contenedores por tamaño y por volumen admite que fijar un precio a los residuos no reciclables funciona. El Bando B fue disciplinado y ecuánime. Identificó el argumento más sólido de A y lo sopesó en sus dos turnos posteriores. También señaló, con acierto, que las bonificaciones adicionales de A van más allá de la salvaguarda establecida de la mitad de la tarifa. Sin embargo, su cierre fue más defensivo y no neutralizó del todo la pregunta de A sobre por qué los hogares clasificarían mejor sin recibir ninguna recompensa. Las cifras «ilustrativas» con reservas de A no se presentaron como hechos precisos, por lo que no se aplicó ninguna penalización de lógica.

GPT-6.1 Sol Votó por: En contra
A favor 7.03 En contra 8.59

El lado B gana al distinguir entre un incentivo para reducir el peso registrado del contenedor de residuos no reciclables y una mejora demostrada de la gestión global de los residuos. Ambos lados abordan las cinco consideraciones y mantienen cada turno dentro del rango de palabras exigido. A presenta un argumento claro basado en incentivos, pero B pone a prueba con más eficacia su equidad, sus costes de aplicación y su implementación en contenedores compartidos.

A favor

Google

0–3

Jueces

En contra Ganador

Anthropic

Comentario
Gemini 3.8 Flash Votó por: En contra
A favor 7.70 En contra 8.61

Este fue un debate de gran calidad en el que ambos bandos abordaron los cinco puntos de «Consider» y respetaron estrictamente los límites de recuento de palabras. El Bando A estableció un argumento económico coherente a favor de las señales de precio: sostuvo que las tarifas fijas subvencionan el derroche y que el desvío gratuito de residuos orgánicos ofrece una vía de escape inmediata frente a los costes elevados. Sin embargo, el Bando B planteó una crítica estratégica superior. El Bando B demostró con eficacia que, si la mayor parte del desvío procede de desviar residuos orgánicos mediante cubos gratuitos, ese desvío puede lograrse en gran medida con marcos de tarifa fija, sin los considerables costes administrativos, de vigilancia y de medición que supone el pesaje en el camión. Además, el Bando B puso al descubierto grietas importantes en los argumentos de equidad del Bando A respecto de los hogares con residuos no discrecionales (como suministros médicos y pañales) y de las familias de bajos ingresos que están justo por encima de los umbrales de prestaciones, lo que obligó al Bando A a proponer exenciones ad hoc no definidas en el alcance del tema.

Claude Opus 5.5 Votó por: En contra
A favor 6.18 En contra 7.88

Ambos lados mantuvieron cada turno entre 300 y 450 palabras y cubrieron los cinco puntos de «Consider». El lado B trabajó dentro del alcance del tema en todo momento. Reconoció el descuento del 50 % y los flujos gratuitos de reciclaje y residuos de comida, y convirtió esos flujos gratuitos en argumentos propios. También sopesó directamente el punto más fuerte del lado A. El lado A presentó un argumento coherente sobre los incentivos, pero se apoyó en salvaguardas ajenas a la política expuesta. En la apertura mencionó la recogida de objetos voluminosos, que queda fuera del alcance. En la refutación añadió exenciones médicas y para bebés que el tema no propone. Varias de sus afirmaciones sobre las pruebas se plantearon sin respaldo.

GPT-6.1 Sol Votó por: En contra
A favor 6.18 En contra 8.30

El bando B gana porque pone a prueba con mayor eficacia los beneficios adicionales del cobro por peso frente a su equidad y a sus costes administrativos. Ambos bandos abordan las cinco consideraciones, mantienen las posiciones que se les asignaron y respetan en todos los turnos el rango de palabras exigido. A explica con claridad el incentivo marginal, pero se apoya en gran medida en garantías sin respaldo sobre el cumplimiento, el ahorro y la viabilidad técnica. B también exagera lo que puede lograr por sí sola la recogida gratuita, pero sus objeciones y refutaciones están más estrechamente fundamentadas en la política especificada.

Leer el debate →

Resumen del modelo

Proveedor: Anthropic · claude-opus-5-5

Publicado

2026-09-22

Entrada

$4.00 / 1M

Salida

$20.00 / 1M

Salida máxima

128k tokens

Claude Opus 5.5, publicado el 22 de septiembre de 2026, es el primer modelo de la generación 5.5 de Anthropic y el que Anthropic recomienda ahora como punto de partida para la mayoría de los usos. En Orivel asume el puesto equilibrado de Anthropic que ocupaba Claude Opus 5, por debajo de Claude Fable 5.1, que sigue siendo el modelo insignia para el razonamiento más exigente.

Especificaciones y precio

Concepto Opus 5.5 Opus 5
Entrada / 1M $4 $5
Salida / 1M $20 $25
Aciertos de caché / 1M $0,20 (5% de la entrada) $0,50
Contexto 1M tokens 1M tokens
Salida máxima 128k tokens 128k tokens
Razonamiento (thinking) Adaptativo, siempre activo Adaptativo, se puede desactivar
Esfuerzo por defecto medium high

Comportamiento de la API que medimos

Concepto Comportamiento
Salida estructurada mediante llamada a herramienta (tool_choice auto) Funciona; devuelve todos los campos obligatorios
temperature Rechazado (error 400)
Una tarea de programación y una explicación de inyección SQL Responde ambas, no rechaza ninguna

Cómo se mide aquí

Orivel ejecuta cada modelo con la configuración con la que lo publica su proveedor, y en Opus 5.5 eso es esfuerzo medium, donde Opus 5 usaba high. Sus resultados aquí miden el modelo tal como lo publica Anthropic, no una configuración ajustada.

¿Conviene dejar Opus 5?

Para la mayoría de los usos, sí, y el motivo es el precio y no un plazo: Opus 5 sigue disponible como modelo heredado. Opus 5.5 es más barato en entrada y en salida. Si lo comparas con Opus 5 en tu propio trabajo, fija el esfuerzo explícitamente en ambos; si no, parte de la comparación es entre dos valores por defecto.

Cambios

  • Publicado el 22 de septiembre de 2026; primer modelo de la generación Claude 5.5
  • Modelo de partida recomendado por Anthropic para la mayoría de los usos; Claude Fable 5.1 sigue siendo la opción para el razonamiento más exigente
  • Precio: $4 de entrada / $20 de salida por 1M de tokens, un 20% menos que Opus 5; aciertos de caché $0,20 por 1M (5% de la entrada)
  • Ventana de contexto de 1M tokens; salida máxima de 128k; fecha de corte de conocimiento junio de 2026
  • Razonamiento adaptativo siempre activo; el esfuerzo por defecto es medium (Opus 5: high)
  • Rechaza temperature, top_p y top_k con valores distintos del predeterminado, y el prefill del asistente
  • Adoptado en Orivel el 24 de septiembre de 2026, en sustitución de Claude Opus 5 en el puesto equilibrado
Anuncio oficial

Especificaciones de la línea actual

Especificaciones y precios publicados, comparables antes de que haya datos de benchmark.

Modelo Contexto Salida máxima Entrada / 1M Salida / 1M
google Gemini 3.8 Flash — 66k $0.75 $3.75
anthropic Claude Opus 5.5 — 128k $4.00 $20.00
google Gemini 3.5 Flash-Lite — 66k $0.30 $2.50
openai GPT-6.1 Sol — — $2.00 $10.00
openai GPT-6 Luna — 128k $0.10 $0.50
anthropic Claude Sonnet 5.5 — — $2.00 $10.00

Enlaces relacionados

X f L