Claude Opus 5.5 y la cuestión de la burbuja: qué dice realmente una afirmación de costes del 40%

Cuando Anthropic lanzó Claude Opus 5.5 el 22 de septiembre de 2026, el anuncio abrió destacando la capacidad. Calificó al modelo como el primer miembro de la familia Claude 5.5, afirmó que rinde al nivel de Claude Fable 5.1 en la mayoría de las tareas y lo situó un 40% por debajo de Claude Opus 5 en el coste de una carga de trabajo típica. La respuesta que más se difundió fue más breve: «sí, seguro que ya hemos llegado a la cima de la burbuja de la IA». El chiste funciona porque ambas mitades son ciertas a la vez. Un buque insignia más capaz, más rápido y más barato es inequívocamente bueno para quien compra tokens, y cuanto menos superficialmente incómodo para quien financia los centros de datos que los producen. GPT-6 Sol llegó el mismo día a la mitad del precio por token, lo que hizo que la dirección del rumbo pareciera menos un lanzamiento y más un acontecimiento de márgenes. Que eso equivalga o no a un techo depende de qué cifra creas que está vendiendo en realidad el sector.

Lo que realmente se lanzó, y lo que cuesta

La tabla de tarifas es la parte menos ambigua de la historia. Anthropic recortó el precio de lista un 20 % en todos los conceptos y recortó mucho más las lecturas de caché:

• Entrada — $4 por millón de tokens, frente a los $5 en Claude Opus 5.

• Salida — $20 por millón de tokens, frente a los $25 anteriores.

Lecturas de caché — $0.20 por millón de tokens, frente a $0.50, un recorte del 60% y la línea que más importa en un bucle de agente largo.

• Escrituras en caché — $5 por millón de tokens, frente a los $6,25.

• Modo rápido — $8 de entrada y $40 de salida por millón de tokens, para hasta 2,5× la velocidad de salida.

• Batch API — la mitad del precio base, lo que sitúa un token de salida por lotes en $10.

La envolvente se movió menos que el precio. Claude Opus 5.5 conserva la ventana de contexto de 1M de tokens y el límite de salida síncrona de 128.000 tokens de su predecesor, con hasta 300.000 tokens de salida disponibles mediante la beta de Batches. El pensamiento adaptativo está siempre activado y no se puede desactivar; el nivel de esfuerzo predeterminado documentado por Anthropic es medium, no max, lo cual importa cuando se comparan las puntuaciones publicadas. El ID del modelo es claude-opus-5-5, la fecha de corte de conocimiento es junio de 2026 y la fecha mínima de retirada indicada por Anthropic es el 22 de septiembre de 2027. Está disponible en la API de Claude, Amazon Bedrock, Google Cloud y Microsoft Foundry.

La afirmación del 40% es una afirmación sobre la carga de trabajo, no un precio de etiqueta.

El "40% menos" de Anthropic no es un 40% de descuento sobre la tarifa de catálogo. El precio de lista bajó un 20%. El resto proviene de la afirmación de que Opus 5.5 usa menos tokens por tarea, por lo que el mismo trabajo consume menos de una unidad más barata. Es una forma perfectamente coherente de medir el coste, y también es el tipo de afirmación que solo se cumple para la combinación de cargas de trabajo que eligió el proveedor. Un turno de chat y una sesión de agente de programación de 40 minutos no responden a las mismas optimizaciones.

Coloca una factura sencilla junto a ello. Un millón de tokens de entrada y 200.000 tokens de salida cuestan $8.00 en Claude Opus 5.5 a precio de lista, frente a $10.00 en Claude Opus 5 —exactamente la reducción del 20%, sin multiplicador de eficiencia—. Si el almacenamiento en caché cubre la mayor parte de esa entrada, la reducción en la lectura de caché hace más trabajo: 800.000 tokens de entrada en caché cuestan $0.16 en Opus 5.5 frente a $0.40 en Opus 5, y la misma factura baja a $4.16 frente a $5.40. La cifra del 40% aparece cuando la carga de trabajo está dominada por contexto repetido y el modelo además necesita menos turnos para terminar. Es un ahorro real; no es universal, y Anthropic lo etiqueta como su propia medición.

Aquí es donde el argumento de la burbuja empieza a ponerse interesante. Un recorte de precios que es en gran medida una afirmación de eficiencia de tokens es una apuesta a que la próxima carga de trabajo será más larga y más agéntica, no más corta. Si esa apuesta acierta, la factura del cliente puede bajar incluso mientras aumenta el número de tokens vendidos. Si se equivoca, el proveedor ha recortado la única palanca que tenía.

El registro independiente es menos halagador.

Artificial Analysis situó a Claude Opus 5.5 en 58 en su Intelligence Index, versión 4.3.2, en primer lugar entre 215 modelos. Ese es un resultado independiente genuino, no una tabla de un proveedor, y es el argumento único más sólido contra la lectura de burbuja: la frontera sigue avanzando. La misma medición también contiene la parte incómoda. Claude Opus 5.5 costó $5,98 por tarea del Intelligence Index, utilizó aproximadamente 119.000 tokens de salida por tarea frente a unos 73.000 de Claude Opus 5, y funcionó a 96,2 tokens de salida por segundo. Artificial Analysis describió su costo por tarea como a la par de Opus 5, no un 40% inferior.

Lee esas dos frases en conjunto. El modelo es lo más inteligente de la tabla y no se abarató por tarea completada en el arnés del evaluador, porque gastó más tokens para lograrlo. El 40 % es una afirmación del proveedor sobre una carga de trabajo típica; el registro independiente dice que la carga de trabajo del índice mejoró sin abaratarse. Ambas cosas pueden ser ciertas, y la brecha entre ellas es justo el tipo de cosa de la que se alimenta un argumento de burbuja.

La comparación que hace que el punto sea más claro no es Claude Opus 5. Es GPT-6 Sol. En el mismo índice, GPT-6 Sol obtiene 48 y cuesta $1.04 por tarea a $2/$10 por millón de tokens. Por lo tanto, Claude Opus 5.5 ofrece aproximadamente un 21 % más de puntuación en el índice por aproximadamente 5,75× el costo por tarea. Los puntos del índice no son una función de utilidad, y una diferencia de 10 puntos puede ser la diferencia entre que un agente termine una tarea y la abandone, así que la prima no es irracional. Pero es una prima, y se cobra en un mercado al que durante dos años se le ha estado diciendo que los costos de inferencia caen en una curva.

Donde el número de proveedor y el número independiente se separan

El ejemplo más claro es Terminal-Bench 4.0. La página de lanzamiento de Anthropic reporta un 66,4 % para Claude Opus 5.5 con esfuerzo xhigh, ejecutado con el harness propio de Anthropic. Artificial Analysis midió un 59,6 % con el mismo nivel de esfuerzo, una diferencia de 6,8 puntos, y describió ese resultado como a la par de GPT-6 Astra en lugar de por delante de él. Un segundo evaluador, Vals AI, reportó aproximadamente un 65,2 %, lo que se acerca más a la cifra del proveedor; una tabla de clasificación pública no tenía ninguna fila de Opus 5.5 el día del lanzamiento. Ninguna de estas personas miente. Están usando distintos harnesses, distintas configuraciones de esfuerzo y distinto enrutamiento de respaldo, y la propia capa de seguridad del modelo puede redirigir algunas solicitudes antes de que el benchmark las vea.

La lección no es que el 66,4 % sea falso. Es que un único titular de proveedor es una mala entrada para un argumento de asignación de capital. Cuando el mismo modelo puede dar 59,6 o 65,2 según quién tenga el cronómetro, la postura honesta es un rango, y el rango es lo bastante amplio como para que las afirmaciones de «mejor modelo» deban ir acompañadas de su arnés de evaluación. Anthropic mismo dice que el margen entre Opus 5.5 y Claude Fable 5.1 es más estrecho de lo que sugieren las puntuaciones, lo cual es una frase más útil que cualquier fila individual.

Por qué un buque insignia más económico puede parecer un tope de gama

El caso bajista es sencillo. Si el modelo líder recorta su precio un 20 % en la tarifa y afirma un 40 % en la carga de trabajo, y un competidor que llega el mismo día se lanza a la mitad del precio de salida, entonces la dirección del margen bruto por token es a la baja. Los compromisos de centros de datos son fijos y a largo plazo; los ingresos por tokens son variables y competitivos. Una empresa que, según los informes, se ha estado preparando para una salida a bolsa necesita lo contrario: poder de fijación de precios o, al menos, un precio estable con un volumen creciente. Las informaciones en torno al lanzamiento interpretaron el recorte como una propuesta de economía unitaria dirigida a compradores empresariales más que como un regalo, lo que es otra forma de decir que el lanzamiento fue en parte un documento de financiación.

El caso alcista es que los tokens más baratos crean más trabajo del que destruyen. El propio apetito de tokens de Claude Opus 5.5 es una prueba de ello: 119.000 tokens de salida por tarea de indexación no es un modelo que esté siendo frugal, es un modelo que razona más por solicitud. Si cada recorte de precio traslada una tarea de «no merece la pena automatizarla» a «merece la pena automatizarla», el volumen direccionable puede crecer más rápido de lo que baja el precio. El comportamiento de Anthropic en octubre apunta en la misma dirección. Claude Duet, el agente proactivo que puso en vista previa de investigación el 21 y 22 de octubre, funciona con Claude Opus 5.5 y está diseñado para trabajar de forma continua en segundo plano —exactamente la carga de trabajo que convierte un precio por token en una factura mensual. Un modelo lo bastante barato como para dejarlo funcionando es un producto de demanda, no un producto deflacionario.

También hay un detalle de secuencia que la broma sobre los plazos pasó por alto. Según se informa, Anthropic pidió un ritmo de desarrollo más lento a mediados de septiembre y, diez días después, lanzó su modelo más capaz a un precio más bajo. Eso no es el comportamiento de un laboratorio que cree que la curva de demanda está agotada. Es el comportamiento de un laboratorio que cree que la restricción es la capacidad de cómputo, no la disposición a pagar, y que necesita que cada token marginal sea lo bastante barato como para venderse.

¿Qué confirmaría realmente el techo?

Tres observables resolverían la cuestión mejor que cualquier fila de un benchmark.

• El costo por tarea completada deja de bajar. Si el próximo buque insignia llega con un precio más alto o con un costo por tarea que se mantiene plano pese a una puntuación de índice superior, el relato de la eficiencia se ha agotado y el problema de margen es real.

• El volumen deja de responder al precio. Si un recorte del 40 % no produce ningún aumento en los tokens servidos, el argumento de la elasticidad está muerto y la industria está vendiendo un bien de lujo a un precio de producto básico.

Los compromisos de capital superan a los ingresos durante varios trimestres. Esta es la única que importa para la burbuja propiamente dicha, y es una cuestión de financiación, no de modelo. Un gran modelo puede coexistir con una mala tesis de inversión; la era de las punto com lo demostró a gran escala.

Ninguna de esas cosas ha ocurrido todavía. Claude Opus 5.5 es un dato en la dirección opuesta: la capacidad mejoró, el precio bajó y el evaluador independiente siguió situándolo en primer lugar. El modelo no es la burbuja. La brecha entre lo que cuesta construirlo y lo que el mercado pagará por él es la burbuja, y un solo lanzamiento no puede cerrar ni confirmar esa brecha.

Si vas a comprar tokens este trimestre

La respuesta práctica a un lanzamiento como este no es tomar partido en la cuestión macro. Es dejar de medir el costo por token y empezar a medir el costo por tarea terminada, porque esa es la cifra a la que realmente se refiere la afirmación del 40 % del proveedor y la cifra que realmente reflejará tu factura. Ejecuta las mismas veinte tareas con medium y max de esfuerzo, cuenta los reintentos y ponle precio a los aciertos de caché. La diferencia entre los dos ajustes de esfuerzo suele ser mayor que la diferencia entre dos modelos.

Claude Opus 5.5 está en OrcaRouter al precio de lista del proveedor con un 0 % de margen, así que la tarifa de $4/$20 y la de $0.20 por lectura de caché se trasladan tal cual en lugar de aplicarles un margen, y un cambio de precio del proveedor llega a la misma clave el mismo día. Eso importa más de lo habitual en una guerra de precios: el modelo que evaluaste en septiembre no es necesariamente el modelo que deberías enrutar en noviembre. El mismo catálogo incluye los modelos más económicos que quizá quieras para la mayor parte del trabajo, y el DSL de enrutamiento te permite enviar los pasos difíciles a Opus 5.5 mientras los pasos de extracción y clasificación van a otro sitio con una factura más pequeña. La conmutación por error automática es la otra mitad del mismo argumento: si la frontera es volátil, la arquitectura segura es una que pueda moverse.

La pregunta de la burbuja no se responderá con la próxima tabla de benchmarks, ni tampoco con una respuesta sarcástica a una publicación de lanzamiento. Se responderá según si las cargas de trabajo que Claude Opus 5.5 hace lo bastante baratas de ejecutar siguen creciendo después de que lo haga el tráfico de lanzamiento. La evidencia inicial indica que el modelo es bueno y que la economía no está resuelta. Es un lugar más incómodo en el que situarse que “top” o “not top”, y probablemente por eso el timeline recurrió a la broma.