GPT-6.1 Sol vs Claude Opus 5: A un punto de índice de diferencia, dos veces y media el precio

Un punto en una escala de cien puntos los separa, y uno de ellos cuesta dos veces y media lo que el otro. En el Artificial Analysis Intelligence Index, GPT-6.1 Sol — el lanzamiento de Open​AI del 29 de septiembre de 2026 — se sitúa en 51,8. Claude Opus 5, el buque insignia de Anthrop​ic desde el 24 de julio de 2026, se sitúa en 50,8. Las tarifas son de $2,00 y $10,00 por millón de tokens para GPT-6.1 Sol frente a $5,00 y $25,00 para Claude Opus 5. Eso no es una comparación entre un modelo fuerte y uno barato. Son dos modelos que un evaluador independiente no pudo separar por más de un punto, vendidos a precios que difieren en un factor de 2,5 — y la pregunta interesante no es cuál es mejor, sino cuál de los dos el índice no logra distinguir.

Todas las cifras que aparecen a continuación son o bien una medición de Artificial Analysis registrada en nuestros registros de modelos, o bien una cifra publicada por el propio proveedor, o bien una operación aritmética sobre las dos listas de precios. Cuando una cifra es del propio proveedor y nadie ajeno la ha reproducido, la frase lo indica.

Qué son los dos en realidad

Claude Opus 5 es el generalista de gama alta de Anthropic: una ventana de contexto de 1.000.000 de tokens, 128.000 tokens de salida, entrada de texto, imágenes y archivos, y razonamiento adaptativo en el que quien lo invoca fija un nivel de esfuerzo en lugar de una temperatura. Es el modelo que la compañía posiciona para la ingeniería de software de principio a fin, la revisión de código y sesiones agénticas largas de varios pasos con un uso intensivo de herramientas.

GPT-6.1 Sol está un nivel por debajo del propio buque insignia de Open​AI — GPT-6 Astra — en la línea GP​T-6, y se lanzó seis semanas después del modelo al que reemplazó, GPT-6 Sol, al mismo precio de 2,00 $/10,00 $. Tiene una ventana de contexto de 1.050.000 tokens, el mismo límite de salida de 128.000, la misma superficie de entrada de texto, imágenes y archivos, y cinco niveles de esfuerzo de razonamiento, de bajo a máximo, con medio como predeterminado.

Lee esos dos párrafos uno al lado del otro y las filas de especificaciones son casi idénticas. Las diferencias están en la letra pequeña, y tres de ellas importan:

• Parámetros de muestreo — ninguno de los dos modelos acepta temperature ni top_p. Ambos los sustituyen por un dial de esfuerzo. Si tu código pasa una temperature, ambos la rechazarán, así que ninguno sirve como reemplazo directo para una integración heredada.

• Techo de contexto — 1.050.000 tokens para GPT-6.1 Sol frente a 1.000.000 de Claude Opus 5. Una diferencia del cinco por ciento; irrelevante en la práctica, y no es ahí donde se dirime esta decisión.

• Valores predeterminados de esfuerzo — GPT-6.1 Sol usa medio de forma predeterminada; el pensamiento adaptativo de Claude Opus 5 asigna la profundidad por sí solo. Todo en la comparación de índices que aparece a continuación es sensible a esto, que es la advertencia que viene más adelante.

Los cinco ejes en los que ambos fueron medidos

Esta es la parte que la mayoría de los análisis de este emparejamiento interpretan mal, porque mezclan una cifra de proveedor de un lado con una cifra de terceros del otro. Las cinco filas a continuación son todas de Artificial Analysis, todas del mismo evaluador, para ambos modelos:

• Índice de Inteligencia AA — GPT-6.1 Sol 51,8 (puesto 10, percentil 93,2) frente a Claude Opus 5 50,8 (puesto 11, percentil 92,5). Un punto.

• Humanity's Last Exam — 52,9 % frente a 54,9 %. Claude Opus 5 por dos puntos.

• SciCode — 54,2% frente a 56,4%. Claude Opus 5 por 2,2 puntos.

• Recuperación de contexto largo — 83% frente a 79,33%. GPT-6.1 Sol por 3,7 puntos.

• Terminal-Bench 4.0 — 56,06 % frente a 48,99 %. GPT-6.1 Sol por siete puntos.

Tres a dos, con márgenes de entre uno y siete puntos, a 2,5 veces el precio. Hay un sexto eje que Claude Opus 5 ostenta en solitario —GPQA Diamond con un 93,2 %—, y un séptimo que ostenta en solitario en el sentido contrario: Artificial Analysis puntúa a Claude Opus 5 con 78 en su Coding Index, percentil 98,6, puesto 2. GPT-6.1 Sol no aparece en ese eje en absoluto en nuestros registros, así que no hay ningún número que poner a su lado, e inventarse uno a partir de una presentación de proveedor es exactamente la jugada que este blog no hace.

Donde la prima aún es defendible

Una diferencia de un punto en el índice sería una razón flaca para pagar 2,5 veces más si ese fuera todo el panorama. No lo es, y hay tres ámbitos en los que Claude Opus 5 es la mejor compra, sin importar lo que diga el índice.

El primero es la fila del Índice de Codificación de arriba. El puesto 2 de 138 modelos en la puntuación compuesta propia del evaluador, en el percentil 98,6, es una afirmación concreta sobre un tipo específico de trabajo, y es el tipo de trabajo que realiza la mayoría de los equipos que compran en este rango de precio. Nuestra página de modelo de OrcaRouter para anthropic/claude-opus-5 dice «Ranking n.º 1» frente al benchmark Codex y un coste medio de 1,09 $ por tarea —nuestros propios datos de servicio, no una afirmación de un proveedor, y un recordatorio de que el precio por token no es el precio por trabajo.

La segunda es el procesamiento por lotes. Claude Opus 5 tiene un descuento por lotes del 50 por ciento, lo que lo sitúa en $2.50 de entrada y $12.50 de salida, y permite 300.000 tokens de salida en modo por lotes frente a 128.000 en la vía interactiva. Con $2.50/$12.50 ya no es dos veces y media el precio de GPT-6.1 Sol en entrada: es un 25 por ciento más. Para cualquier carga de trabajo que tolere una cola —indexación sin conexión, clasificación masiva, generación de pruebas durante la noche—, todo el argumento de este artículo se reduce mucho, y se reduce a favor de Anthropic.

El tercero es el modesto multiplicador multimodal. Las propias cifras publicadas por Anthropic sitúan a Claude Opus 5 en 70,6 % en OSWorld 2.0 y 96,0 % en SWE-bench Verified, con 79,2 % en SWE-bench Pro. Son cifras reportadas por el proveedor de un modelo anunciado en julio, nadie externo las ha reproducido aquí, y los ejes no se superponen con las filas de Artificial Analysis de arriba, por lo que no pueden sumarse a ese cuadro de resultados. Solo merecen leerse como un indicio de que Anthropic afirma tener fortaleza específicamente en uso de computadoras e ingeniería a escala de repositorio, que es el comprador para el que se ha fijado el precio de este modelo.

Las tarjetas de tarifas, incluida la fila que solo una de ellas tiene

Claude Opus 5 cobra $5.00 y $25.00 de forma fija durante toda su ventana de un millón de tokens, con lecturas de caché a $0.50 y escrituras de caché a $10.00. GPT-6.1 Sol cobra $2.00 y $10.00 hasta 272,000 tokens de prompt, y luego vuelve a tarificar toda la solicitud a $4.00 y $15.00 por encima de ese umbral, con las lecturas de caché pasando de $0.10 a $0.20 y las escrituras de caché de $2.50 a $5.00. La inversión que esto produce es la consecuencia práctica de comprar contexto largo a cualquiera de los dos modelos:

• Un prompt de 250.000 tokens — GPT-6.1 Sol sigue en su primer nivel, a $2.00/$10.00 frente a $5.00/$25.00. Esta es la solicitud de contexto grande más económica de la comparación.

• Un prompt de 300.000 tokens — GPT-6.1 Sol ha pasado a $4,00/$15,00, y Claude Opus 5 no se ha movido. La brecha se reduce de 2,5× a 1,25× en entrada y 1,67× en salida.

• Lecturas de caché — $0.10 por millón para GPT-6.1 Sol frente a $0.50 para Claude Opus 5, dentro de los primeros tramos de ambos modelos. En una sesión agéntica larga que vuelve a leer el mismo prefijo, esta fila aporta más a la factura que las tarifas destacadas.

• Escrituras de caché — $2.50 frente a $10.00. Misma dirección, mismo orden de magnitud.

Ese es un punto real y poco glamuroso: la cifra estrella de 2,5× solo se alcanza con prompts cortos. En el momento en que una carga de trabajo supera los 272.000 tokens, GPT-6.1 Sol también tiene el precio de un modelo premium, y la comparación honesta pasa a ser «un modelo premium con una caché mucho más barata» frente a «un modelo premium con una tarifa plana».

Por qué un solo punto no debería decidir esto por sí solo

Las filas del índice que figuran arriba no se recopilaron el mismo día, y eso importa más aquí que en la mayoría de las comparaciones. El registro de GPT-6.1 Sol en Artificial Analysis lleva una fecha de evaluación del 2026-09-28. El de Claude Opus 5 lleva la del 2026-07-23 —nueve semanas antes—, en un arnés que se ha revisado a lo largo de ese periodo.

Hay un síntoma visible de eso en nuestros propios registros. La cobertura anterior de Claude Opus 5 lo situaba en 61 en el Intelligence Index y en lo más alto de la clasificación. El registro del catálogo que leímos hoy sitúa al mismo modelo en 50.8, puesto 11. Ambas cosas pueden ser ciertas: el índice se ha revisado, y una puntuación compuesta es sensible al esfuerzo de razonamiento que selecciona el evaluador —Claude Opus 5 alcanzó su máximo con el esfuerzo máximo, y el registro que llevamos no está anotado con ningún ajuste de esfuerzo. El 51.8 de GPT-6.1 Sol conlleva la misma ambigüedad.

Lo que eso significa para una decisión de compra es limitado, pero importante. Una diferencia de un punto entre dos modelos evaluados con nueve semanas de diferencia, sobre un compuesto cambiante, con ajustes de esfuerzo no especificados, no establece que un modelo sea más inteligente que el otro. Lo que sí establecen las cinco filas es que están en la misma banda — y un resultado de la misma banda a 2,5 veces el precio es un hecho de adquisición, no un hecho de rendimiento.

¿Cuál de ellos enrutar?

Toma el modelo que pensabas comprar y ponlo a prueba contra el otro. Suena a perogrullada, pero es lo único que la evidencia respalda realmente aquí, y ambos modelos son accesibles desde un único endpoint compatible con OpenAI: openai/gpt-6.1-sol y anthropic/claude-opus-5 en OrcaRouter, así que la prueba es un cambio en la cadena de modelo, no un segundo contrato ni una reescritura. El precio es la tarifa de lista del proveedor con un 0 % de margen: 2,00 $/10,00 $ con el tramo de más de 272 K aplicado exactamente como lo fija OpenAI, y 5,00 $/25,00 $ con el descuento por lotes aplicado exactamente como lo fija Anthropic, lo que además significa que un cambio de precio del proveedor se refleja de inmediato en nuestro lado el mismo día, y no en el siguiente ciclo de facturación. Donde ambos están enrutados, por debajo hay una conmutación por error automática, algo que vale la pena tener cuando el más barato de los dos es el que sostiene una ruta de producción.

Si quieres un valor predeterminado antes de tener tus propios números, la división que respaldan las pruebas es esta. Elige GPT-6.1 Sol cuando la carga de trabajo sea de prompts largos, con un uso intensivo de caché o con forma de terminal y herramientas: las filas de Long-Context Recall y Terminal-Bench 4.0 son los dos márgenes más amplios de la comparación, y las lecturas de caché a $0.10 son una palanca importante en las sesiones agénticas que releen un prefijo. Elige Claude Opus 5 cuando la carga de trabajo sea programación a escala de repositorio, cuando el procesamiento por lotes sea aceptable, o cuando el prompt quepa en 128.000 tokens y el costo por tarea que nuestro propio playground mide en $1.09 sea la cifra que tu equipo de finanzas ya aprobó.

El veredicto que se lleva este emparejamiento es más ajustado de lo que a ninguno de los dos proveedores le gustaría. En mediciones independientes, estos dos están efectivamente empatados; en precio no lo están, y el precio es lo único de lo que uno de ellos no puede librarse con argumentos.