GPT-5.5 vs Claude Opus 5: La carrera de programación que nadie puede puntuar con justicia

GPT-5.5 y Claude Opus 5 son los dos modelos a los que la mayoría de los equipos se refiere realmente cuando dice "programador de frontera", y sobre el papel están tan igualados que la decisión suele tomarse con una tabla de benchmarks delante. Eso es un error este año por un motivo que no tiene nada que ver con la capacidad de ninguno de los dos modelos: GPT-5.5 se retira de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026, y Codex es la superficie en la que trabaja en realidad una gran parte de sus usuarios de programación. Claude Opus 5 no va a ninguna parte. Así que la primera pregunta en este enfrentamiento no es qué modelo escribe mejor código, sino cuál de los dos seguirá respondiendo a la solicitud que estás a punto de enviar en noviembre.

Eso reformula la comparación, pero no la resuelve. Si llamas a GPT-5.5 a través de la API o mediante una sesión de Codex autenticada con tu propia clave de API, la retirada no te afecta, y la cuestión de la capacidad está exactamente tan vigente como lo estaba en abril. Lo que sigue es la versión honesta de esa cuestión, incluida la parte que la mayoría de las páginas de comparación omite: los números destacados de ambos modelos se miden de maneras que favorecen a quien esté ejecutando la prueba.

La respuesta en una línea

Si necesitas la versión más corta y defendible: Claude Opus 5 es la opción predeterminada más segura para trabajo de programación en producción a finales de 2026, porque es más económico en la salida, cuenta con evaluaciones independientes y no está siendo retirado de la herramienta en la que probablemente lo uses. GPT-5.5 sigue siendo la opción más fuerte en frentes específicos —trabajo agéntico nativo de terminal, recuperación de contexto largo y eficiencia de tokens en tareas difíciles— y en la vía de API conserva todas esas ventajas. Todo lo que sigue es el razonamiento detrás de esa división, y las salvedades que hacen que sea menos nítida de lo que parece.

Dos buques insignia que se lanzaron a mundos diferentes

GPT-5.5 llegó el 23 de abril de 2026 como el modelo de frontera de OpenAI para cargas de trabajo profesionales complejas, construido sobre GPT-5.4 con un razonamiento más sólido, mejor fiabilidad y —la afirmación con la que OpenAI encabezó— una eficiencia de tokens mejorada en tareas difíciles. Acepta entradas de texto, imágenes y archivos, sirve aproximadamente 922K tokens de entrada y 128K de salida, y su precio es de $5.00 por millón de tokens de entrada y $30.00 por millón de salida, con lecturas en caché a $0.50 y una tarifa superior por encima de 272,000 tokens de entrada.

Claude Opus 5 es el buque insignia de Anthropic para el razonamiento exigente, la programación y el trabajo agéntico de horizonte largo, y está ajustado para una debilidad específica que ha aquejado a la programación agéntica: mantenerse coherente a lo largo de sesiones muy largas y de varios pasos con un uso intensivo de herramientas. Ofrece un contexto de 1M de tokens con hasta 128K de salida, acepta entrada de texto, imágenes y archivos, y tiene un precio de $5.00 por entrada y $25.00 por salida, con lecturas en caché también a $0.50. Reemplaza parámetros de muestreo como temperature y top_p por un control de esfuerzo de razonamiento, lo cual marca una diferencia real en cómo se ajusta, pero no en lo que puede hacer.

El contraste de especificaciones

• Precio — GPT-5.5 $5,00/$30,00 por 1 millón de tokens frente a Claude Opus 5 $5,00/$25,00 por 1 millón; idénticos en entrada, Claude Opus 5 aproximadamente un 17 % más barato en salida

• Entrada en caché — ambas a $0.50 por 1M tokens, un 90 % de descuento sobre la tarifa de entrada

• Contexto — GPT-5.5 ~922K de entrada / 128K de salida frente a Claude Opus 5 1M de entrada / 128K de salida

• Modalidades de entrada — GPT-5.5 texto, imagen, archivo frente a Claude Opus 5 texto, imagen, archivo; los dos están a la par aquí

• Ajuste — ajustes de esfuerzo de razonamiento de GPT-5.5 desde none hasta xhigh frente al razonamiento adaptativo de Claude Opus 5 mediante un dial de esfuerzo, sin temperature ni top_p

Disponibilidad — GPT-5.5 sale de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026, pero no de la API; Claude Opus 5, en cambio, sigue en todas las superficies de Anthropic sin retirada anunciada.

Donde las afirmaciones del benchmark dejan de ser comparables

Empieza por el panorama independiente, porque es la única parte de esto que cualquiera puede verificar. Artificial Analysis otorga a Claude Opus 5 una puntuación de 51 en su Índice de Inteligencia. A GPT-5.5 le da 39 en el índice v4.3 actual —y, lo que es más revelador, ha marcado GPT-5.5 como obsoleto y ha reducido su evaluación a cargas de trabajo predeterminadas de 10.000 tokens. Vale la pena leerlo con atención. El historial independiente de GPT-5.5 no solo es más débil; se está cerrando, y una vez que se detenga, cada número que aún circule para ese modelo será una cifra de proveedor.

Del lado de lo reportado por los proveedores, las propias cifras de OpenAI sitúan a GPT-5.5 en 82,7 % en Terminal-Bench 2.0, 82,6 % en SWE-bench Verified y 58,6 % en SWE-bench Pro. Las cifras de Anthropic para Claude Opus 5 incluyen 90,2 en Terminal-Bench 2.1, 74,7 en SWE-bench Pro y 68,0 en JobBench. La tentación es ponerlas una al lado de la otra y declarar un ganador. No lo hagas, y fíjate en que la mayoría de las páginas de comparación lo hacen de todos modos.

La línea de Terminal-Bench es el ejemplo más claro. El 82,7 % de GPT-5.5 corresponde a Terminal-Bench 2.0; el 90,2 de Claude Opus 5 corresponde a Terminal-Bench 2.1. Son versiones diferentes del benchmark con conjuntos de tareas distintos, y una comparación entre versiones no es una comparación. Las filas de SWE-bench Pro corresponden al menos a la misma suite, y ahí el 74,7 de Claude Opus 5 frente al 58,6 de GPT-5.5 es una diferencia real y amplia — pero ambas cifras están reportadas por los proveedores en ambos casos, y ninguna se ha reproducido bajo condiciones de harness idénticas.

El problema del harness, que es la verdadera historia

Si hay una conclusión que merezca extraerse de este enfrentamiento, es que la elección del arnés de evaluación afecta a estos modelos más que la diferencia entre ellos. Una evaluación de arXiv encontró que GPT-5.5 tuvo su mejor rendimiento con Claude Code y luego cayó 21,8 puntos al cambiarlo a OpenHands, mientras que Claude Opus 4.8 —el punto de comparación de ese estudio— solo bajó 5,5 puntos con el mismo cambio. Una variación de 21 puntos debida solo al andamiaje es mayor que la mayoría de las diferencias publicadas en enfrentamientos directos entre los dos buques insignia.

Hay una versión práctica de esto que la propia forma en que OpenAI lo plantea reconoce: GPT-5.5 alcanza el 83,4 % en Terminal-Bench usando su harness nativo de Codex CLI, frente al 72,1 % con un harness estándar. Si tu evaluación ejecuta GPT-5.5 fuera de Codex, estás midiendo un modelo distinto al de la tabla de lanzamiento.

Esto importa para la retirada de una forma que es fácil pasar por alto. Si tus números de GPT-5.5 se generaron dentro de Codex con un inicio de sesión de ChatGPT, y esa vía se cierra el 14 de octubre, no solo pierdes un modelo: pierdes el harness al que está calibrado tu benchmark. Vuelve a establecer la línea base en la ruta de la API antes de concluir nada sobre lo que te cuesta el sucesor.

Costo por tarea, no costo por token

La comparación por token es sencilla y favorece ligeramente a Claude Opus 5: mismo precio de entrada de $5.00, $25.00 frente a $30.00 en salida. La comparación interesante es el costo por tarea completada, y ahí el panorama se invierte, porque la afirmación central de OpenAI sobre GPT-5.5 era la eficiencia de tokens — aproximadamente un 40% menos de tokens en tareas equivalentes según varios informes de desarrolladores. Si un modelo termina el mismo trabajo con un 40% menos de tokens de salida, una tarifa de salida de $30 puede generar una factura menor que una tarifa de $25 en un modelo más verboso. Esa afirmación está formulada por el proveedor y no ha sido reproducida de forma independiente, así que trátala como una hipótesis que debes probar con tu propia carga de trabajo, en lugar de un hecho establecido.

Ambos modelos están en nuestro catálogo, lo que hace que esa prueba sea barata de ejecutar correctamente en lugar de anecdóticamente. Ambos están detrás de una sola clave a la tarifa de lista del proveedor con 0% de margen, así que un A/B directo sobre tu propio tráfico es una cadena de modelo en el cuerpo de la solicitud, no un segundo contrato — y cualquier reajuste de precios del proveedor se aplica de nuestro lado el mismo día en que se anuncia. El DSL de enrutamiento es la parte útil aquí: divide el tráfico en vivo entre los dos, mantén la división en la proporción que tolere tu presupuesto de errores y deja que los números de coste por tarea provengan de producción en lugar de una página de benchmark.

Qué significa esto para las próximas seis semanas

Para un equipo que elige hoy, la decisión tiene una asimetría que una lectura puramente de capacidades ocultaría. Claude Opus 5 es la opción de menor riesgo: evaluado de forma independiente, más barato en salida y sin fecha programada de retirada de los productos en los que se vende. GPT-5.5 no es un mal modelo —es uno fuerte, con una ventaja genuina en el trabajo agéntico nativo de terminal—, pero elegirlo por la vía de la suscripción significa elegir un modelo con una fecha de caducidad conocida a seis semanas vista, y por la vía de la API significa aceptar un historial independiente más escaso y en declive.

La posición defendible es mantener GPT-5.5 donde gana de manera demostrable y donde tú controlas la vía —la API, una sesión de Codex con clave de API— y hacer de Claude Opus 5 el predeterminado en todo lo demás. Lo que debería hacerte cambiar de opinión en cualquier dirección no es el marketing de ninguno de los modelos: es la primera prueba neutral cara a cara bajo un único arnés fijo, y lo que OpenAI publique sobre si la vía de API para GPT-5.5 sobrevive más allá del retiro del producto.

Ambos lados de este enfrentamiento están detrás de una misma clave: GPT-5.5y Claude Opus 5 se diferencian por una única cadena de modelo, con conmutación por error automática entre ellos.