Claude Sonnet 5.5 Extra: un rumor de enrutamiento basado en una palabra que Anthropic ya utiliza

A las 12:44 p. m. del 5 de noviembre de 2026, una cuenta que publica como @chetaslua en X hizo una afirmación en una sola línea: «Sonnet 5.5 Extra parece enrutar al siguiente modelo de Claude». Ambas pruebas se ejecutaron con la configuración que la publicación denomina «Sonnet 5.5 Extra», que se resuelve en Claude Sonnet 5.5 con su ajuste de esfuerzo elevado. En la primera, se preguntó al modelo —con la navegación desactivada— adónde fue Andrej Karpathy en 2026, y respondió que se incorporó a Anthropic en mayo de 2026 en el equipo de preentrenamiento. En la segunda, se le pidió «un pelícano montando en bicicleta, lo más realista que puedas solo con código», y devolvió, según el recuento del propio autor de la publicación, 26.599 elementos SVG, 6,5 k trazos de plumas, cero imágenes, cero URI de datos, cero scripts y 1.860 líneas de Python, que, según el autor, «se reconstruye byte a byte».

Lo más útil que hay que decir primero es lo poco glamuroso. Claude Sonnet 5.5 no es un modelo inédito: se lanzó el 28 de septiembre de 2026 a 2 USD por millón de tokens de entrada y 10 USD por millón de salida, y Amazon Bedrock documenta el mismo modelo con el ID anthropic.claude-sonnet-5-5. Y "Extra" tampoco es un nombre nuevo. Es la palabra que usa el propio centro de ayuda de Anthropic para el segundo ajuste de razonamiento más alto, "Extra high (xhigh)", que la API escribe como xhigh y el selector de modelo muestra como Extra high. Una entrada del selector que diga "Sonnet 5.5 — Extra high" es un modelo más un nivel de esfuerzo, y ambas mitades de esa cadena ya existen en la documentación pública.

Nada de esto hace que la publicación esté equivocada. Hace que no esté probada, y reduce lo que la probaría. Anthropic no ha confirmado nada, no ha aparecido ningún ID de modelo en ninguna lista pública de modelos, y el encuadre de filtración es el correcto: esto es lo que dice la afirmación, lo que se puede comprobar hoy y lo que un lector debería hacer con ello. La versión útil de esta historia no es «se está probando un nuevo Claude». Es que las tres piezas de evidencia que se ofrecen aquí tienen tres modos de fallo específicos, y cada uno es comprobable.

Lo que la respuesta de Karpathy realmente establece

La primera prueba se está leyendo como una huella dactilar. Está más cerca de un calendario.

Karpathy anunció en X el 19 de mayo de 2026 que se había unido a Anthropic —«Me he unido a Anthropic... estoy emocionado de unirme al equipo aquí y volver a I+D»—, y TechCrunch, Fortune y el NY Post lo informaron el mismo día, con el detalle de que llegó al equipo de preentrenamiento bajo Nick Joseph. Ese es un hecho en todos los índices de noticias, y un modelo que lo responde correctamente con la navegación desactivada ha demostrado exactamente una cosa: sus datos de entrenamiento se extienden más allá de mediados de mayo de 2026.

Claude Sonnet 5.5 se lanzó el 28 de septiembre de 2026. Una contratación que fue noticia mundial cuatro meses antes de que se lance un modelo es el tipo de hecho que acaba dentro de sus datos de entrenamiento, así que que el modelo supere esta sonda es el resultado esperado y no uno sorprendente. La sonda tampoco puede distinguir Sonnet 5.5 de Claude Opus 5.5, de Claude Haiku 5.5 ni de cualquier otro checkpoint de Claude publicado después de mayo. Una prueba que todos los candidatos superan no identifica a ninguno.

Esto importa para cómo debería valorarse la afirmación. El hilo de respuestas bajo la publicación contiene la mitad más interesante de la evidencia, y es contradictorio: una respuesta pregunta «¿te refieres a sonnet 5.6?», otra dice «también es fable 5.5, lleva semanas enrutando para los usuarios». Dos personas que leen el mismo comportamiento llegan a dos modelos no anunciados distintos, y ninguna puede nombrar un ID de API. Así se ve una etiqueta ambigua cuando una comunidad intenta interpretarla.

26.599 elementos SVG es un recuento de bucle

La cifra del pelícano es impresionante hasta que uno se da cuenta de qué está contando. Un elemento SVG es una etiqueta. Un script de Python que coloca plumas en un bucle puede emitir cuarenta mil de ellos sin que el modelo razone jamás sobre un pelícano, y eso es precisamente lo que describe el póster: 1.860 líneas de Python que generan los elementos, en lugar de 26.599 elementos escritos a mano. La cifra mide la ambición del generador, no la fidelidad del dibujo.

«Cero imágenes, cero data URIs, cero scripts» es el mismo tipo de estadística. Confirma que la salida es un dibujo vectorial puro en lugar de un mapa de bits introducido de contrabando en un archivo. No dice nada sobre si el pájaro se lee como un pájaro. Si quieres juzgar el dibujo, juzga el dibujo: el vídeo adjunto del propio autor dura 19 segundos, y ese es el artefacto que merece la pena mirar.

También hay un detalle de secuencia que conviene conocer antes de que esto se registre como un nuevo evento de capacidad. El 22 de octubre de 2026, la misma cuenta publicó una captura de pantalla de un "modelo misterioso en Code Arena" con el prompt "codifica un svg de un pelícano montando en bicicleta con el mayor detalle que puedas", que acumuló aproximadamente 63.000 vistas. El prompt del pelícano es el detector de enrutamiento habitual de esta cuenta, ejecutado repetidamente. Dos resultados del mismo detector separados por tres semanas no son observaciones independientes.

La prueba del pelícano fue retirada por las personas que la hicieron famosa.

Simon Willison introdujo «Genera un SVG de un pelícano montando en bicicleta» el 25 de octubre de 2024, con el razonamiento de que ningún SVG así podría existir de forma plausible en los datos de entrenamiento, por lo que cada modelo tenía que intentarlo de verdad. Se convirtió en un benchmark semiformal: para junio de 2025, Willison había recopilado 34 pelícanos y 560 juicios por pares.

Después, Andrej Karpathy, la misma persona cuya ubicación es el tema de la primera prueba, la declaró muerta. A principios de agosto de 2026, le dio a Claude Opus 5 el párrafo inicial de El Señor de los Anillos con un presupuesto de aproximadamente un millón de tokens y unos 10 dólares, y lo dejó funcionar de forma autónoma durante dos horas; produjo aproximadamente 5.500 líneas de Three.js que construyeron de forma procedimental una Comarca interactiva de bajo poligonaje, «algo cutre pero divertida». Su argumento era que la prueba del pelícano había perdido poder discriminatorio: los modelos de frontera ahora la superan, así que ya no los distingue.

Así que la publicación del 5 de noviembre utiliza un detector que su propio creador retiró cuatro meses antes, sobre una familia de modelos que ya lo había superado. Eso no hace que la salida sea mala. La vuelve no diagnóstica, que es justamente la única propiedad que necesita una prueba de enrutamiento.

"Extra" es un nivel de esfuerzo documentado, no un nombre de modelo.

Esta es la parte que se puede comprobar en unos noventa segundos en el sitio de soporte de Anthropic. La página del centro de ayuda sobre cómo cambiar el modelo, el esfuerzo y los ajustes de pensamiento enumera cinco niveles: Low, Medium, High, «Extra high (xhigh)» y Max. Su propia explicación de Extra high indica que «está diseñado para tareas de programación y agénticas de larga duración, y ofrece un razonamiento más profundo que high sin el coste total en tokens de max», y añade que el nivel «está disponible en Opus 4.7 y modelos más recientes». El parámetro de la API se escribe xhigh; el selector lo escribe con todas sus letras.

Claude Sonnet 5.5 tiene los cinco niveles —bajo, medio, alto, xhigh y máximo—, con el pensamiento activado de forma permanente y sin forma de desactivarlo. Su valor predeterminado no es el mismo en todas las superficies: la Claude API y Claude Code no necesariamente se quedan en el mismo nivel sin configuración adicional. Si no configuras nada, es posible que ya estés ejecutando una configuración diferente según desde dónde hayas llamado. Así, un usuario que abre un selector de modelos, ve la entrada predeterminada de Sonnet 5.5 y cambia el esfuerzo a Extra alto ha creado una etiqueta que se lee exactamente como «Sonnet 5.5 Extra», mientras ejecuta un modelo que lleva treinta y nueve días disponible de forma general.

Lo que el esfuerzo le hace a la factura es la parte que merece interiorizarse, porque es de donde probablemente viene la impresión de "próximo modelo". El precio por token no cambia con el esfuerzo: $2 de entrada, $10 de salida, $0.20 por lecturas de caché, en todos los niveles. Los tokens por tarea varían enormemente. Artificial Analysis realizó el barrido completo en el lanzamiento sobre su índice pre-v5 y obtuvo esta escalera:

• Bajo — índice 36 a $0.41 por tarea

• Medio — índice 41 a $0.59 por tarea

• Alta — índice 47 a $1.08 por tarea

• Extra alto (xhigh) — índice 52 a $2,74 por tarea

• Max — índice 56 a $7.60 por tarea

Interpreta eso como una curva de gasto, no como una curva de capacidad. Pasar de alto a Extra alto supone más que duplicar el coste por tarea completada para ganar cinco puntos de índice: el mismo modelo, pensando durante más tiempo. Un usuario que activa ese interruptor y luego ve que la salida se vuelve visiblemente más elaborada lo describiría como "un modelo diferente". Son los mismos pesos, con más espacio.

La lectura en vivo actual es más baja y se mide de forma diferente, y las dos no deben mezclarse. Artificial Analysis reconstruyó su índice a la v5.0 el 27 de octubre de 2026, reemplazando nueve evaluaciones constituyentes y ponderando un 60% hacia conjuntos privados o reservados. En la v5.0.1, el mismo Claude Sonnet 5.5 marca 55 a esfuerzo máximo, 155 tokens por segundo, $10.02 por tarea del índice, tras haber generado 335 millones de tokens de salida durante la ejecución frente a una mediana de 72.6 millones. El 56 anterior es una cifra previa a la v5. Restar uno del otro no tiene sentido.

La cifra de verbosidad es la que sobrevive a ambas rúbricas: aproximadamente 4,6 veces el volumen de salida mediano en un conjunto de tareas idéntico. Eso es lo que compra el esfuerzo «Extra» y lo que cuesta, y es una explicación mucho más plausible para una demostración sorprendente que una sustitución silenciosa de modelo.

¿Qué lo resolvería realmente?

La afirmación es falsable, lo que es más de lo que se puede decir de la mayoría de los rumores de filtraciones. En orden aproximado de solidez:

• Una entrada del selector de modelos cuyo nombre no aparece en la lista pública de modelos de Anthropic: una cadena de texto, no una captura de pantalla de comportamiento.

• Un cuerpo de respuesta cuyo campo model indique algo distinto de un ID documentado. Toda respuesta de la API de Claude hace eco del modelo que la atendió; una sustitución silenciosa que sobreviva a ese campo es una historia distinta y de mayor calado.

• Una entrada de registro de cambios con fecha, una tarjeta de modelo de Bedrock o Vertex, o un límite de contexto o de salida documentado que difiera de los 1M de entrada y 128K de salida de Claude Sonnet 5.5.

• El script generador que hay detrás de pelican, ejecutado dos veces sobre dos configuraciones con nombre, comparando las salidas. El póster afirma que se reconstruye byte a byte; esa es una afirmación que dos ejecuciones podrían zanjar.

Hasta que uno de esos se concrete, la lectura honesta es que un nivel de esfuerzo produjo un dibujo más impresionante y una comunidad lo interpretó como un nuevo lanzamiento. Anthropic no ha publicado nada al respecto, y la propia publicación no reclama un nombre que pueda respaldar con un identificador — dice que el comportamiento "parece" enrutamiento. Eso es la descripción de una impresión.

El verdadero problema es el enrutamiento silencioso, y tiene solución.

Si se deja de lado el nombre del modelo, debajo hay una preocupación legítima: si un proveedor puede atender una solicitud bajo una etiqueta mientras ejecuta otra cosa, cada benchmark que ejecutes y cada estimación de costos que hagas estarán midiendo un blanco móvil. La respuesta no es un folclore mejor. Es fijar la versión.

En OrcaRouter, Claude Sonnet 5.5 es una ruta entre más de 200 modelos con una sola clave, a el precio de lista del proveedor con 0% de margen — así que los $2 y $10 de arriba son lo que realmente pagas, y un cambio de precio del proveedor se refleja en nuestro lado el mismo día. Tú indicas el modelo exacto en la solicitud; el failover te pasa a otro proveedor solo cuando uno da error, y te lo avisa, en lugar de sustituirlo en silencio. Si quieres probar bien la hipótesis de este artículo, no necesitas una captura de pantalla: dirige el mismo prompt a Sonnet 5.5 en high y en Extra high, etiqueta las dos rutas y compara tú mismo las salidas y los recuentos de tokens. Eso es un experimento controlado. Cuesta céntimos y produce un número en lugar de una impresión.

Si aparece un modelo genuinamente no anunciado, será la misma disciplina la que lo detecte: un ID fijado que de repente deja de coincidir con el campo del modelo, no un pelícano que se ve mejor que el del mes pasado.

Qué hacer antes de reconstruir cualquier cosa

Nada, todavía. La afirmación tiene un día, procede de una sola fuente y su evidencia más sólida es un nivel de esfuerzo documentado. No migres un pipeline, no vuelvas a evaluar un modelo ni escribas una publicación de lanzamiento basándote en ello.

Lo que puedes hacer esta semana es barato y útil en cualquier caso. Comprueba en qué nivel de esfuerzo se están ejecutando realmente tus propias llamadas, porque los valores predeterminados varían según la superficie y casi nadie lo establece explícitamente. Fíjate en el costo por tarea completada en lugar del precio por token, ya que esa es la cifra que el nivel Extra high duplica. Y si estás comparando modelos, fija el ID y registra el campo model en cada respuesta: la única afirmación sobre el enrutamiento que importa es la que pueden confirmar tus propios registros.

La pregunta abierta no es si Claude Sonnet 5.5 Extra existe. Es si alguien producirá un identificador para ello antes del próximo pelícano.