Problema
Los lanzamientos de modelos suelen resumirse en una tabla de benchmarks. Ese hábito es especialmente pobre para Claude Opus 5.5. Anthropic lo presentó el 22 de septiembre de 2026 con mejoras en programación agéntica, uso del ordenador y trabajo profesional prolongado, pero también con una tesis económica: completar más trabajo con menos pasos y menos tokens.
La misma versión introduce cambios incompatibles que pueden romper una integración existente. Un resultado mejor en una evaluación no compensa una llamada rechazada, una traza incompleta o una interfaz de progreso que queda en silencio.
Tesis
Claude Opus 5.5 debe evaluarse por coste de tarea aceptada, no por precio unitario ni posición en un benchmark.
La documentación oficial fija una ventana de contexto de 1 millón de tokens, una salida máxima síncrona de 128.000, pensamiento adaptativo siempre activo y esfuerzo medium por defecto. El precio base es de 4 dólares por cada millón de tokens de entrada y 20 por cada millón de salida. Esos datos describen la materia prima; no dicen cuánto cuesta terminar una migración, una auditoría o un informe que pase revisión.
La métrica útil suma inferencia, herramientas, duración, reintentos y trabajo humano. Divide ese coste entre resultados aceptados. Solo así una mejora de eficiencia se convierte en una decisión de operación.
Framework
Evalúa Opus 5.5 con un balance de tarea completo:
| Componente | Qué medir | Por qué importa |
|---|---|---|
| inferencia | entrada, caché y salida | coste directo |
| recorrido | pasos, herramientas y tiempo | eficiencia del agente |
| corrección | reintentos y fallos | coste oculto |
| revisión | minutos humanos | cuello de botella real |
| aceptación | resultados aprobados | unidad de valor |
Este marco evita dos trampas. La primera consiste en declarar ganador al modelo con mayor puntuación publicada. La segunda consiste en elegir el token más barato sin observar cuántos tokens y cuántas llamadas necesita la tarea completa.
Anthropic afirma que, con los ajustes predeterminados, Opus 5.5 reduce en torno a un 40 % el coste de cargas típicas frente a Opus 5 y genera salida más de un 30 % más rápido. Son cifras del proveedor. Sirven para formular una hipótesis de evaluación, no para sustituir las pruebas con repositorios, documentos, herramientas y criterios propios.
Por qué importa ahora
El precio refuerza esa hipótesis. La ficha del modelo publica lecturas de caché a 0,20 dólares por cada millón de tokens, frente a 4 dólares de entrada y 20 de salida. Para agentes que reutilizan instrucciones, definiciones de herramientas y contexto estable, la arquitectura de caché puede pesar tanto como la selección del modelo. Fast mode duplica las tarifas base hasta 8 y 40 dólares, de modo que comprar velocidad solo tiene sentido cuando reduce espera, cola o coste humano.
La migración merece el mismo nivel de atención. Anthropic documenta que el pensamiento no puede desactivarse; que forzar una herramienta mediante tool_choice provoca un error; y que los bloques de pensamiento quedan ligados al modelo y a la conversación. En Claude API y Google Cloud tampoco se acepta la herramienta anterior computer_20251124.
Existe un cambio menos visible. El texto entre llamadas de herramientas pasa a bloques de pensamiento y puede llegar vacío con la configuración de visualización predeterminada. Una aplicación que usa ese texto para mostrar progreso puede parecer congelada aunque el agente siga trabajando. No es una degradación de inteligencia; es un cambio de contrato de respuesta.
Opus 5.5 está activo en Claude API y en plataformas asociadas como Amazon Bedrock, Google Cloud y Microsoft Foundry. Esa amplitud no elimina las diferencias de identificador ni de integración entre plataformas. La ruta de migración debe probar el proveedor concreto que operará producción.
Anti-ejemplo
Un equipo observa una mejora en programación y cambia claude-opus-5 por claude-opus-5-5. Su framework obliga a escoger una herramienta en determinados pasos y desactiva el pensamiento en otros. Las primeras llamadas fallan. Después de retirar esas opciones, la interfaz deja de mostrar actualizaciones entre herramientas.
El equipo concluye que el modelo es inestable. En realidad, probó inteligencia y olvidó compatibilidad. La migración falló antes de llegar al criterio que pretendía medir.
Protocolo (3 pasos)
- Audita la petición real. Busca configuración de pensamiento,
tool_choice, bloques conservados, herramienta de ordenador y cualquier dependencia del texto de progreso. - Mide la tarea completa. Ejecuta casos representativos y registra tokens, caché, pasos, duración, reintentos, revisión y porcentaje aceptado.
- Promueve por plataforma. Valida API o nube objetivo con sus identificadores y límites; activa el modelo por flujo y conserva una ruta de reversión.
Relacionado
- Más agentes, menos WIP: la capacidad de revisión es el nuevo límite
- Context Budgeting: ahorrar tokens sin dejar ciego al agente
- AI Observability deja de ser debugging: ahora decide margen
Fuentes consultadas
Próximo paso
Toma una tarea larga que hoy conozcas bien y calcula su coste por resultado aceptado. Después ejecuta Opus 5.5 con la integración real. Si solo comparas la respuesta final, estarás ignorando precisamente la parte del lanzamiento que más puede cambiar tu margen.