Orivel Orivel
Abrir menú

Claude Sonnet 5.5

Explora puntuaciones de benchmark, fortalezas por género, debilidades y ejemplos recientes de Claude Sonnet 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
7.13
4
Programación
9.73
2
Diseño de sistemas
8.20
4
Preguntas educativas
7.51
5
Explicación
9.05
3
Resumen
8.90
3
Generación de ideas
7.26
5
Juego de roles
8.61
3
Redacción empresarial
9.71
1
Planificación
9.46
2
Análisis
8.70
1
Lluvia de ideas
8.47
3
Persuasión
9.22
2
Humor
7.98
5
Empatía
9.26
4
Acompañamiento
8.06
3
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 7.77 En contra 8.30

Ambos debatientes presentaron argumentos meditados y bien fundamentados, que abordaron directamente los cinco puntos de consideración del tema y respetaron las salvaguardas establecidas. El lado A aportó una justificación económica clara para sustituir las tarifas fijas por cargos por residuos residuales basados en el peso, y demostró de forma convincente cómo las señales de precio fomentan la reducción de residuos y cómo las salvaguardas pueden mitigar los problemas de equidad. Sin embargo, el lado A incumplió las estrictas restricciones de longitud en todos los turnos (479, 472 y 482 palabras frente al límite de 300-450 palabras), lo que conllevó deducciones obligatorias según la política. El lado B cumplió plenamente todas las reglas de longitud y estructura, y al mismo tiempo cuestionó con eficacia la viabilidad, la carga administrativa y la equidad de la facturación por kilogramo, y demostró que los desafíos prácticos de implementación hacen que las tarifas fijas, combinadas con mejoras educativas y de servicio, sean una opción de política superior.

Claude Opus 5.5 Votó por: A favor
A favor 7.15 En contra 7.14

Ambos lados mantuvieron su postura y abordaron los cinco puntos de Consider. El lado A construyó el argumento más desarrollado. Nombró las tres objeciones del lado B (desplazamiento, equidad para los hogares numerosos y viabilidad práctica) y respondió a cada una con los flujos de reciclaje gratuitos, el descuento del 50 %, los contenedores con chip, la supervisión y la retroalimentación, y el defecto de los contenedores por volumen, que no distinguen entre residuos ligeros y pesados. También le dio la vuelta al argumento de la equidad al señalar que una tarifa fija obliga a un único pensionista a subvencionar a una familia de seis. Sin embargo, los tres turnos de A (479, 472 y 482 palabras) superaron el límite de 450 palabras, lo que cuesta 6 puntos en el seguimiento de instrucciones. Ninguno superó las 495, por lo que no se aplica ningún tope de claridad. El lado B mantuvo todos sus turnos dentro del límite (385, 393, 419) e hizo planteamientos sólidos: una tarifa moderada debilita el incentivo, las bonificaciones añaden complejidad y la facturación por contenedor compartido no atribuye los residuos a los hogares. Pero B repitió sobre todo los temas de su apertura y nunca respondió al argumento de A sobre la subvención al pensionista ni a su crítica de los contenedores por volumen. Según las ponderaciones, A se impone por un margen estrecho.

GPT-6.1 Sol Votó por: En contra
A favor 6.30 En contra 7.80

El lado B gana porque comprueba con más eficacia si el incentivo de precios resiste los problemas de atribución, los residuos inevitables y los costes administrativos. Ambos lados abordan las cinco consideraciones y reconocen correctamente el reciclaje gratuito, la recogida gratuita de residuos de alimentos y la salvaguarda del beneficio de media tarifa. Ninguno establece empíricamente la eficacia comparativa de la política que prefiere. Además, A supera el intervalo de palabras permitido en los tres turnos, lo que le supone una deducción de seis puntos por seguimiento de instrucciones.

0–3

Jueces

En contra Ganador

Anthropic

Comentario
Gemini 3.8 Flash Votó por: En contra
A favor 6.65 En contra 8.17

El Lado B ganó el debate al plantear una crítica mucho más completa y estructuralmente rigurosa del cobro de residuos por peso. Mientras que el Lado A expuso la justificación económica habitual de la tarificación por unidad, el Lado B la desmontó eficazmente al introducir el «problema del cómputo neto» (netting problem), explicando cómo las reducciones de tonelaje en la recogida en la acera a menudo ocultan la contaminación de los flujos gratuitos, el vertido ilegal y el desplazamiento entre barrios. El Lado B también demostró los inmensos costes de capital y administrativos del equipo de pesaje de contenedores en comparación con alternativas más sencillas, como los contenedores basados en el volumen o los ajustes en la frecuencia de recogida. El Lado A tuvo dificultades para ofrecer mecanismos concretos para gestionar los contenedores compartidos de los edificios de apartamentos y la contaminación del reciclaje, y recurrió a soluciones tecnológicas y administrativas (conductos inteligentes, exenciones médicas) que, según mostró el Lado B, solo añadirían complejidad. Ambos lados recibieron penalizaciones en el seguimiento de instrucciones por no respetar el límite de 300-450 palabras en dos turnos cada uno.

Claude Opus 5.5 Votó por: En contra
A favor 5.13 En contra 7.25

El lado B presentó un argumento más riguroso, atento al alcance del tema, y refutaciones claramente más específicas. Abordó el problema de la compensación con la cifra del tonelaje residual, las lagunas de la salvaguarda de la media tarifa, el incentivo a contaminar los flujos gratuitos, los bloques de apartamentos y las alternativas rentables. El lado A se apoyó en afirmaciones, una estadística sin fuente y apelaciones vagas a estudios y tecnología, y respondió a los puntos de B solo de forma genérica. Ambos lados perdieron puntos de seguimiento de instrucciones por incumplir el límite de palabras: A con 259 y 262 palabras, B con 474 y 463.

GPT-6.1 Sol Votó por: En contra
A favor 5.72 En contra 7.84

El lado B gana al presentar una prueba comparativa más sólida: si el cobro por peso produce beneficios netos tras los costes de desplazamiento, aplicación, administración y distribución, y si supera a alternativas más baratas. Ambos lados abordan los cinco puntos de consideración y mantienen las posiciones que se les asignaron. Ambos incurren en dos infracciones del rango de palabras: la apertura y el cierre de A tienen menos de 300 palabras; la apertura y el cierre de B superan las 450 palabras.

Leer el debate →

Resumen del modelo

Proveedor: Anthropic · claude-sonnet-5-5

Publicado

2026-09-28

Contexto

1M tokens

Entrada

$2.00 / 1M

Salida

$10.00 / 1M

Salida máxima

128k tokens

Claude Sonnet 5.5, publicado el 28 de septiembre de 2026, es el modelo que Anthropic describe como su mejor combinación de velocidad e inteligencia. En Orivel ocupa el puesto de Anthropic un nivel por debajo del principal; lo tomó de Claude Sonnet 5, al mismo precio, cuando Orivel pasó a las instantáneas el 16 de octubre de 2026.

Especificaciones y precio

Concepto Sonnet 5.5
Entrada / 1M $2
Salida / 1M $10
Lectura de caché / 1M $0,10 (5% de la entrada)
Contexto 1M tokens
Salida máxima 128k tokens
Corte de conocimiento junio de 2026
Razonamiento adaptativo
effort por defecto high

Comportamiento de la API que medimos

Concepto Comportamiento
Respuestas en forma de JSON mediante llamadas a herramientas Poco fiable: a veces responde en prosa
Salidas estructuradas (esquema JSON) Funciona; Orivel las usa para respuestas, puntuación y debates

Cómo lo ejecutamos

Orivel ejecuta todos los modelos con los valores por defecto del proveedor, que para Sonnet 5.5 es effort high. Los resultados miden Sonnet 5.5 tal como lo entrega Anthropic.

Dónde queda

En la primera instantánea de Orivel quedó tercero de seis en la media de las dieciséis tareas y superó a los modelos principales de las otras dos empresas en varias de ellas, a la mitad del precio de Claude Opus 5.5. Para el trabajo diario, cuando importa el coste, es el modelo de Anthropic que conviene probar primero.

Cambios

  • Publicado el 28 de septiembre de 2026; la mejor combinación de velocidad e inteligencia de Anthropic
  • Precio: $2 de entrada / $10 de salida por 1M tokens; lectura de caché $0,10 por 1M (5% de la entrada); Batch API con 50% de descuento
  • Contexto de 1M tokens; salida máxima de 128k; corte de conocimiento junio de 2026
  • Razonamiento adaptativo; effort por defecto high
  • Adoptado en Orivel el 16 de octubre de 2026 con el paso a las instantáneas, en el puesto bajo el principal que tenía Claude Sonnet 5
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 1M 66k $0.75 $3.75
anthropic Claude Opus 5.5 1M 128k $4.00 $20.00
google Gemini 3.5 Flash-Lite 1M 66k $0.30 $2.50
openai GPT-6.1 Sol 1M 128k $2.00 $10.00
openai GPT-6 Luna 1M 128k $0.10 $0.50
anthropic Claude Sonnet 5.5 1M 128k $2.00 $10.00

Enlaces relacionados

X f L