Precio por token de Sonnet 5.5 frente al coste real por tarea

El 28 de septiembre de 2026 Anthropic lanzó Claude Sonnet 5.5, el segundo modelo de la generación 5.5 después de Opus 5.5, que salió el 22 de septiembre. El precio no cambió respecto a Sonnet 5: $2 por millón de tokens de entrada, $10 por millón de tokens de salida y $0,20 por millón de tokens leídos de la caché de prompts. Un token es la unidad de texto con la que se facturan los modelos de IA.

Aun así, Anthropic dice que el nuevo modelo cuesta hasta un 30% menos por tarea en sus pruebas, y que escribe su respuesta más de un 30% más rápido. La razón no es un descuento. El modelo simplemente necesita menos tokens para hacer el mismo trabajo. Ese es el punto que merece la atención de cualquier empresa que pague una factura de IA: el precio por token no le dice cuánto cuesta una tarea.

Por qué baja la factura aunque el precio por token no cambie

La factura de un modelo es el número de tokens multiplicado por su precio. Y el número de tokens no lo determina solo la longitud de su pregunta. Depende de lo que hace el modelo para llegar a una respuesta: cuántos pasos da, con qué frecuencia llama a una herramienta o busca, y cuánto razona antes de escribir. La documentación de Anthropic indica que los tokens de razonamiento se facturan como tokens de salida, el tipo más caro.

Junto con el anuncio, Anthropic publicó resultados de empresas que probaron el modelo antes del lanzamiento:

• Balyasny Asset Management: en 2.441 tareas financieras que abarcaban preguntas y respuestas, extracción, análisis y previsión, Sonnet 5.5 usó unos 121.000 tokens por respuesta frente a 497.000 de Sonnet 5, y obtuvo una puntuación más alta.
• Slack: superó a Sonnet 5 en casi todas las evaluaciones offline de Slackbot de Slack, en menos pasos y con aproximadamente un 14% menos de tokens de salida, sin ningún cambio en los prompts.
• Lovable: en sus evaluaciones de programación necesitó un tercio menos de llamadas a herramientas y aproximadamente la mitad de ejecuciones de shell para terminar una tarea.
• Box: fue más preciso que el modelo anterior, 2,4 veces más rápido, y usó un 12% menos de tokens en total.

Fíjese en el rango: desde un 12% menos de tokens hasta aproximadamente tres cuartas partes menos, según el tipo de trabajo. Son pruebas propias de las empresas tal como las publicó Anthropic, no mediciones independientes. En la práctica, el ahorro real en su empresa solo puede conocerse probándolo con sus propias tareas.

Sonnet 5.5 u Opus 5.5: la diferencia en precio y capacidad

Opus 5.5 cobra el doble por la entrada y la salida, mientras que las lecturas de caché cuestan lo mismo, y en la mayoría de los benchmarks publicados la diferencia es pequeña. Pero la propia Anthropic asigna a cada modelo un trabajo distinto.

Las cifras proceden del anuncio de Anthropic y de su documentación de precios y modelos. La puntuación de Opus 5.5 en Terminal-Bench es la más alta que obtuvo, con esfuerzo Xhigh. Como comparación, Sonnet 5 obtuvo unos 1449 en GDPval-AA.

Los números son parecidos, pero el mismo anuncio dice que los benchmarks solo captan una faceta de la capacidad, y que en las pruebas de la propia Anthropic y en las de evaluadores externos Opus 5.5 sigue siendo claramente más fuerte en trabajos complejos y abiertos que requieren un criterio sostenido. Sonnet 5.5 da lo mejor de sí en tareas cotidianas bien delimitadas, corrección de errores y elaboración de documentos, presentaciones y hojas de cálculo.

Nuestra lectura, en términos operativos: responder la consulta de un cliente según reglas claras, extraer datos de facturas, resumir una reunión o preparar una presentación a partir de una plantilla fija son trabajos para Sonnet. Diseñar un sistema nuevo, un análisis abierto que sopesa opciones o una decisión que depende de un contexto largo y enrevesado son los casos en que Opus puede justificar su precio. Comparamos en detalle Opus 5.5 con el modelo de gama más alta Fable 5.1 en un artículo anterior.

El esfuerzo: el ajuste que mueve la factura más que el nombre del modelo

Sonnet 5.5 funciona con cinco niveles de esfuerzo: low, medium, high, xhigh y max. Cuanto más alto es el nivel, más tiempo trabaja el modelo y más se revisa a sí mismo, así que el coste por tarea sube y la puntuación normalmente también. El valor predeterminado es medium en las apps de Claude y en Claude Code, y high cuando se llama a través de la API.

Anthropic dice que en varios benchmarks Sonnet 5.5 con esfuerzo low o medium superó la mejor puntuación de Sonnet 5 por aproximadamente una décima parte del coste por tarea. En FrontierCode, que mide si un cambio de código podría fusionarse sin ediciones humanas, obtuvo 10 puntos más que Sonnet 5 con el mismo ajuste high, por aproximadamente una quinceava parte del coste por tarea.

Una nota del anuncio merece una pausa: en FrontierCode, Sonnet 5.5 puntuó más bajo con esfuerzo max que con xhigh, porque ejecutaba con más frecuencia la skill de revisión de código de Claude Code, que reparte la revisión entre muchos subagentes; en dos casos examinados por Cognition, esto provocó un tiempo de espera agotado o ediciones más allá de la tarea. El esfuerzo más alto no siempre da el mejor resultado, pero normalmente es el que más cuesta.

La guía de migración también advierte de que los niveles se recalibraron, de modo que un nivel dado no produce la misma cantidad de razonamiento que en Sonnet 5. Recomienda empezar en high para trabajo general, en medium para programación bien especificada y tareas de herramientas de varios pasos, y en medium o low para chat y todo lo sensible a la latencia. Dicho de otro modo, un sistema que llama al modelo a través de la API sin fijar un nivel funcionará en high, y puede pagar más de lo que necesitan sus tareas rutinarias.

Antes de que su desarrollador cambie el nombre del modelo

Cambiar de modelo parece un cambio de una sola línea, pero la guía de migración enumera cambios que pueden detener una integración que funciona o alterar su factura:

• Ha cambiado la forma de desactivar el razonamiento: los sistemas que desactivan el razonamiento en Sonnet 5 con thinking: {"type": "disabled"} recibirán un error 400 de Sonnet 5.5. El sustituto es el nuevo ajuste between_tools, que solo se acepta con esfuerzo low, medium y high.
• El razonamiento está activado por defecto: una solicitud que no fija ningún campo de razonamiento se ejecuta con razonamiento adaptativo en Sonnet 5.5. Quien venga de Sonnet 4.6 o anterior, o de Haiku 4.5, donde el razonamiento estaba desactivado por defecto, pagará ahora tokens de razonamiento en solicitudes que nunca fijaron un campo de razonamiento.
• El mismo texto, más tokens, si viene de la generación 4: Sonnet 5.5 usa el tokenizador de Sonnet 5, y la documentación dice que el mismo texto produce aproximadamente un 30% más de tokens que en Sonnet 4.6, Sonnet 4.5 y Haiku 4.5, según el contenido. El ahorro por tarea que anuncia Anthropic se mide frente a Sonnet 5, no frente a la generación 4.
• Forma de la respuesta: una respuesta puede empezar con un bloque de razonamiento antes del texto, así que el código que lee el primer elemento de la respuesta como el texto fallará.
• Ajustes rechazados: los presupuestos fijos de razonamiento, los valores no predeterminados de parámetros como temperature y top_p, el prefill del asistente y forzar el uso de herramientas, ya sea una herramienta concreta o cualquiera, devuelven un error 400.
• Tareas de ciberseguridad: como las capacidades cibernéticas del modelo son comparables a las de Opus 5, Anthropic lo lanzó con salvaguardas por las que las tareas de seguridad de mayor riesgo pasan de forma visible a Sonnet 5. En la API, una solicitud rechazada devuelve una negativa salvo que el desarrollador active la alternativa beta del lado del servidor, disponible solo en la Claude API. Encontrar y corregir errores como parte del desarrollo rutinario no se ve afectado.

El modelo está disponible en Claude Platform, AWS, Google Cloud y Microsoft Azure, y la documentación indica que no se retirará antes del 28 de septiembre de 2027, así que quien construya sobre él hoy tiene alrededor de un año antes de verse obligado a migrar.

Cómo medir el coste por tarea en su empresa

La pregunta que vale la pena plantear a quien gestiona su integración de IA no es cuánto cuesta el modelo, sino cuánto nos cuesta una tarea aceptada. La medición es sencilla:

• Elija una muestra real: entre 20 y 50 tareas de su trabajo real, como respuestas a clientes o facturas de las que extraer datos, no ejemplos inventados.
• Ejecútela en ambos modelos: su modelo actual y Sonnet 5.5, con al menos dos niveles de esfuerzo. La API devuelve el número de tokens de entrada y de salida con cada respuesta, así que regístrelos junto con el tiempo de ejecución.
• Que un empleado juzgue la calidad: alguien que conozca el trabajo decide qué resultados son aceptables tal cual.
• Calcule el coste por tarea aceptada: el coste total dividido por el número de resultados aceptados. Un modelo más barato que obliga a rehacer un tercio de sus tareas no es más barato.
• Aproveche las opciones de precio: el trabajo no urgente, como procesar un archivo de facturas, puede ejecutarse con la Batch API a mitad de precio: $1 de entrada y $5 de salida por millón de tokens. El contexto que se repite en cada solicitud, como las políticas de la empresa o un catálogo de productos, se lee de la caché a $0,20 en lugar de $2, y el prompt mínimo almacenable en caché es ahora de 512 tokens en lugar de 1.024.

La visión de Origami

Las tablas de precios invitan a comparar por el coste de un millón de tokens, pero este lanzamiento es un ejemplo claro de que la cifra que importa es el coste de una tarea. El mismo modelo al mismo precio puede abaratarse porque trabaja en menos pasos, y puede encarecerse si el razonamiento se activa por defecto o alguien sube el nivel de esfuerzo sin medir. Una empresa que paga una factura mensual de IA sin conocer el coste de una sola tarea está gestionando una partida que no puede ver.

Por eso creemos que cualquier sistema que use un modelo de lenguaje dentro de una empresa debe convertir el nombre del modelo y el nivel de esfuerzo en un ajuste que se cambie sin reprogramar, y debe registrar los tokens por tarea en un informe mensual. Así, pasar a una nueva versión, como Sonnet 5.5 hoy y Haiku 5.5, que según Anthropic llegará en las próximas semanas, se convierte en una decisión que se mide en días, no en un proyecto nuevo.

En resumen

Sonnet 5.5 no rebajó el precio de lista, pero puede reducir su factura si el modelo anterior gasta muchos pasos y tokens en su tipo de trabajo. Antes de cambiar:

• Pida a su desarrollador que revise los ajustes de razonamiento y el código que lee las respuestas, y que después pruebe la integración en un entorno de pruebas antes de producción.
• Mida el coste por tarea aceptada con una muestra real, con al menos dos niveles de esfuerzo.
• Si usa Sonnet 4.6 o una versión anterior, tenga en cuenta los tokens adicionales que ahora produce el mismo texto antes de dar por hecho cualquier ahorro.
• Reserve Opus 5.5 para tareas abiertas que requieren criterio, pase las tareas repetitivas bien definidas a Sonnet 5.5 y vigile las cifras durante un mes completo.

Fuentes

• Anthropic — Introducing Claude Sonnet 5.5 (28 de septiembre de 2026)
• Documentación de Claude — Precios, incluidos la Batch API y el almacenamiento en caché de prompts
• Documentación de Claude — Resumen de modelos: ventana de contexto, salida máxima, esfuerzo predeterminado y fechas de retirada
• Documentación de Claude — Migrar a Claude Sonnet 5.5
• TechCrunch — Anthropic lanza Sonnet 5.5 (28 de septiembre de 2026)