Claude Sonnet 5 es el modelo Sonnet más capaz de Anthropic: rendimiento de nivel frontier en codificación, flujos de trabajo agentivos y trabajo profesional de conocimiento, a una fracción del costo del nivel Opus. Ofrece una ventana de contexto de 1 millón de tokens con hasta 128 000 tokens de salida, acepta entradas de texto, imagen y archivos con salida de texto, y admite pensamiento adaptable con esfuerzo de razonamiento seleccionable (bajo, medio, alto, máximo) para que los llamantes puedan ajustar la relación inteligencia / latencia / costo por solicitud. Construido como el Sonnet más agentivo de Anthropic hasta la fecha, presenta grandes mejoras respecto a Sonnet 4.6 en codificación agentiva y uso de computadora, y cierra gran parte de la brecha con Opus 4.8 — 63.2% en SWE-bench Pro, 80.4% en Terminal-Bench 2.1 y 81.2% en OSWorld-Verified —, con un precio muy inferior al de Opus 4.8, GPT-5.5 y Gemini 3.1 Pro. Es una opción predeterminada sólida para agentes sensibles al costo, asistentes de codificación y cargas de trabajo de producción de alto volumen que aún exigen razonamiento frontier.
Claude Sonnet 5 es un modelo de Anthropic diseñado para tareas multimodales y de contexto largo. Soporta hasta 1,000,000 de tokens de entrada—suficiente para cubrir bases de código completas,…
Claude Sonnet 5 sobresale en tareas relacionadas con código, desde leer bases de código completas hasta generar algoritmos complejos. Con un contexto de 1M tokens, puede ingerir múltiples archivos en una sola indicación, comprender dependencias entre archivos y producir código refactorizado, explicaciones de depuración o pruebas unitarias. Admite lenguajes populares como Python, JavaScript, Java, C++, Go, Rust y muchos otros, respondiendo en el idioma que el usuario elija. El modelo también puede razonar sobre rutas de ejecución de código, detectar errores lógicos y sugerir optimizaciones. Para tareas como generar una API REST a partir de una especificación, convertir una base de código monolítica en microservicios o revisar una solicitud de incorporación de cambios examinando todos los archivos modificados a la vez, Claude Sonnet 5 ofrece una potente solución de una sola llamada. Su puntuación OSWorld-Verified de 81.2 indica un rendimiento sólido en pruebas a nivel de sistema operativo, lo que refleja aún más su competencia en código y comandos.
Claude Sonnet 5 puede aceptar imágenes como entrada—ya sea cargadas directamente (como base64 o mediante URL) o incrustadas en documentos—y razonar sobre su contenido. Puede describir escenas, identificar objetos, leer texto de imágenes y responder preguntas visuales. La comprensión de imágenes no se limita a fotos estáticas; puede procesar gráficos, diagramas, capturas de pantalla, notas escritas a mano e incluso fotogramas de video (si se proporcionan como imágenes secuenciales). Debido a que la ventana de contexto es grande, se pueden incluir muchas imágenes en un solo prompt para tareas como comparación visual, análisis de documentos de varias páginas o detección de cambios en una serie de capturas de pantalla. El modelo trata las imágenes como parte del historial de la conversación, por lo que puede combinar señales visuales con instrucciones textuales. Tenga en cuenta que la tokenización de imágenes consume tokens proporcionalmente a la resolución; OrcaRouter maneja automáticamente la codificación y envía los datos en el formato que Anthropic espera.
Aunque Claude Sonnet 5 tiene una buena relación costo-beneficio por token para sus capacidades, hay situaciones en las que un modelo más ligero puede ser más adecuado. Para generación de texto simple —correos breves, publicaciones en redes sociales o preguntas y respuestas básicas— un modelo más pequeño y económico como Claude Haiku o GPT-4o-mini puede ofrecer resultados adecuados a una fracción del costo. Del mismo modo, si tu flujo de trabajo implica tareas extremadamente predecibles y de baja complejidad (por ejemplo, extracción de palabras clave, traducción sin matices), la sobrecarga de un modelo de contexto grande es innecesaria. Para tareas de visión que solo requieren OCR sin razonamiento profundo, una API de visión dedicada puede ser más económica. Además, si tu contexto de entrada se mantiene constantemente por debajo de los 32K tokens, puede que no necesites la ventana de 1M y podrías usar un modelo con un contexto más pequeño pero con un precio por token más bajo. Siempre compara el costo frente a la calidad para tu caso de uso específico.
Claude Sonnet 5 destaca en escenarios de alto contexto y multimodales donde una sola llamada al modelo debe procesar datos grandes o mixtos. Los casos de uso ideales incluyen: analizar un repositorio de código completo en busca de vulnerabilidades de seguridad, generar documentación completa a partir de un conjunto de documentos de diseño y capturas de pantalla, revisión de contratos legales a lo largo de cientos de páginas, análisis de informes médicos que combinan datos de imágenes y notas clínicas, y asistentes interactivos que mantienen largos historiales de conversación (por ejemplo, llevar un diario, terapia, investigación). Sus sólidas capacidades de razonamiento también lo hacen adecuado para la resolución de problemas científicos, la extracción de datos complejos de archivos PDF y la creación de agentes inteligentes que gestionan tareas de varios pasos con archivos adjuntos. Para la escritura creativa que requiere una voz consistente a lo largo de muchos capítulos, el amplio límite de salida ayuda a producir borradores completos de una sola vez. Cuando se accede a través de OrcaRouter, el precio sin margen reduce aún más el costo de estos casos de uso de alto volumen.
Claude Sonnet 5 obtuvo una puntuación de 81.2 en OSWorld-Verified, un benchmark diseñado para medir la capacidad de un modelo para realizar tareas del sistema operativo —como operaciones de archivos, ejecución de comandos, multitarea y uso de la línea de comandos— utilizando instrucciones en lenguaje natural. Una puntuación de 81.2 indica que el modelo interpreta y ejecuta de manera confiable una amplia gama de comandos y escenarios a nivel de sistema operativo. Esto es relevante para desarrolladores que construyen herramientas de automatización, pipelines de DevOps asistidos por IA y cualquier aplicación que requiera que el modelo funcione como un asistente competente para interacciones con el sistema operativo. El benchmark evalúa tanto la generación de scripts como la capacidad de entender conceptos del sistema operativo como rutas, permisos y procesos. Si bien no es un indicador perfecto del rendimiento en el mundo real, esta puntuación sugiere que Claude Sonnet 5 se encuentra entre los modelos de mejor rendimiento para la ejecución de código agente y tareas a nivel de sistema.
Las principales fortalezas de Claude Sonnet 5 son su gran ventana de contexto (1M de tokens), el alto límite de salida (128K tokens), el sólido razonamiento multimodal y la competencia a nivel de sistema operativo (81.2 OSWorld-Verified). Maneja documentos largos, bases de código complejas y entradas mixtas con alta coherencia. Sin embargo, como todos los modelos, tiene limitaciones. El contexto efectivo puede degradarse en rendimiento al final de la ventana; Anthropic recomienda mantenerse por debajo de ~900K tokens para obtener los mejores resultados. El modelo puede tener dificultades con referencias culturales muy matizadas, la generación de datos factuales (puede alucinar números) y tareas que requieren conocimiento en tiempo real más allá de su fecha de corte de entrenamiento (Anthropic no ha revelado la fecha exacta, pero es aproximadamente principios de 2025). Las capacidades de visión son buenas pero no las más avanzadas para la detección de objetos detallados. El precio, aunque sin margen de beneficio, sigue siendo más alto que el de modelos más pequeños. La latencia es típica de un modelo grande: las respuestas pueden ser más lentas debido al procesamiento de gran contexto.
La latencia para Claude Sonnet 5 depende en gran medida del tamaño de entrada y la longitud de salida. Con un contexto de 1 millón de tokens, el procesamiento inicial del prompt puede tardar desde varios segundos hasta minutos, ya que el modelo debe atender a toda la ventana. Una vez que comienza el procesamiento, la velocidad de generación de tokens suele estar en el rango de 20-40 tokens por segundo (dependiendo de la carga y la infraestructura del proveedor). Las entradas más pequeñas (por ejemplo, unos cientos de tokens) tendrán una latencia del primer token más rápida, a menudo inferior a un segundo. La transmisión en tiempo real está habilitada por defecto a través de la API de OrcaRouter, lo que le permite ver los tokens de salida a medida que se generan. Para aplicaciones sensibles a la latencia (por ejemplo, chat en tiempo real), es posible que desee usar un modelo más pequeño o recortar el contexto. OrcaRouter no agrega una latencia significativa más allá de la propia API de Anthropic; la sobrecarga es insignificante, ya que solo gestiona la solicitud hacia los endpoints de Anthropic.
Anthropic no ha publicado públicamente un conjunto completo de benchmarks para Claude Sonnet 5 al momento de escribir esto. La única cifra proporcionada es 81.2 en OSWorld-Verified. Para el razonamiento general, es probable que el modelo se desempeñe en línea con otros modelos Claude Sonnet en benchmarks estándar de NLP como MMLU, HumanEval y GSM8K, pero no se dispone de puntuaciones exactas por parte del proveedor. En la práctica, los informes tempranos de usuarios sugieren un rendimiento sólido en generación de código, preguntas y respuestas sobre documentos y tareas de recuperación de contexto largo. Recomendamos realizar tu propia evaluación en tu caso de uso específico, ya que los benchmarks pueden ser engañosos. OrcaRouter te permite probar el modelo rápidamente a través de su API sin costo inicial: simplemente establece el id del modelo como "anthropic/claude-sonnet-5" y comienza a hacer consultas para medir el rendimiento con tus datos.
Claude Sonnet 5 en OrcaRouter se factura a la tarifa de proveedor de Anthropic sin margen adicional: $2.00 por cada 1 millón de tokens de entrada y $10.00 por cada 1 millón de tokens de salida. Tanto los tokens de entrada como los de salida se cuentan como tokens de texto estándar (las imágenes y archivos se tokenizan según el esquema de Anthropic). No hay cargos adicionales por autenticación, límites de frecuencia o transferencia de datos. OrcaRouter cobra según el recuento bruto de tokens reportado por Anthropic; esto incluye cualquier mensaje de sistema, mensajes de usuario, tokens de imagen y la respuesta generada. La facturación se basa en el uso y solo pagas por lo que consumes. Para usuarios intensivos, este modelo transparente evita cargos sorpresa. No hay un gasto mínimo ni se requiere contrato, simplemente añades crédito o configuras la facturación en el panel de OrcaRouter, y tu uso se descuenta a las tarifas mencionadas.
El precio de Claude Sonnet 5 ($2/$10 por 1 millón de tokens) se sitúa entre los modelos más baratos de Anthropic (como Haiku a $0,25/$1,25) y sus modelos premium (como Claude Opus a $15/$75). Para tareas de contexto largo, el costo por millón de tokens es relativamente bajo dada la capacidad de 1M. Sin embargo, si se utiliza toda la ventana de contexto, el costo absoluto por consulta puede acumularse: una solicitud completa de 1 millón de tokens de entrada cuesta $2.00 solo por la entrada. Compárelo con usar un modelo de contexto más pequeño como GPT-4o-mini ($0.15/$0.60) para consultas cortas. La compensación: Claude Sonnet 5 ofrece mayor calidad de razonamiento y mayor capacidad, pero a un precio más alto por token. Para tareas que realmente requieren gran contexto o razonamiento multimodal, el modelo puede ser más eficiente que dividir el trabajo en múltiples llamadas API. El margen cero de OrcaRouter asegura que no paga tarifas extra de intermediario, por lo que la comparación es directamente con otros proveedores.
OrcaRouter no ofrece actualmente una capa separada de almacenamiento en caché de prompts para Claude Sonnet 5; todos los tokens se facturan a la tarifa de entrada estándar. Si bien la API de Anthropic puede admitir el almacenamiento en caché de prompts para algunos modelos (reduciendo el costo para prefijos repetidos), OrcaRouter pasa los tokens al mismo precio independientemente de la repetición. En la práctica, si envías el mismo prompt de sistema grande repetidamente, se te cobrarán los tokens de entrada cada vez. No hay descuento por contexto en caché. Esto es importante considerarlo si tu flujo de trabajo incluye instrucciones estáticas y extensas; puede ser más rentable ejecutar un modelo más pequeño o usar una arquitectura diferente. Sin embargo, el margen cero de OrcaRouter significa que no estás pagando un costo adicional; el costo es puramente el precio listado por Anthropic. Pueden agregarse funciones de almacenamiento en caché en el futuro, pero por ahora, el precio es por llamada basado en el recuento total de tokens.
Si envías una entrada que excede la ventana de contexto de 1,000,000 de tokens, OrcaRouter devolverá un error (normalmente un estado 400 con un mensaje sobre la longitud del contexto). El modelo no truncará la entrada; debes gestionar manualmente el recuento de tokens. Para la salida, si el modelo alcanza el máximo de 128,000 tokens antes de terminar, dejará de generar y devolverá un finish_reason de "length" (en la respuesta de la API). Luego puedes continuar la conversación enviando una nueva solicitud con la salida acumulada como historial. OrcaRouter no reintenta ni divide automáticamente tu solicitud; es tu responsabilidad mantenerte dentro de los límites. Herramientas como tiktoken pueden ayudar a estimar el recuento de tokens para tus indicaciones. Para entradas muy largas, considera dividir en fragmentos o usar un enfoque de ventana deslizante, aunque el amplio contexto de Claude Sonnet 5 a menudo elimina la necesidad de dividir en fragmentos.
Para usar Claude Sonnet 5 a través de OrcaRouter, configure la URL base como https://api.orcarouter.ai/v1 y use el ID del modelo "anthropic/claude-sonnet-5". La API es completamente compatible con el formato de completaciones de chat de OpenAI, por lo tanto puede usar las bibliotecas cliente existentes de OpenAI. Por ejemplo, en Python con el paquete openai: configure api_key con su clave de OrcaRouter, base_url con el endpoint de OrcaRouter y model con "anthropic/claude-sonnet-5". Puede enviar mensajes con role, content (partes de texto y/o image_url para visión). La respuesta contendrá los campos estándar: id, object, choices, usage (prompt_tokens, completion_tokens). El streaming es compatible configurando stream=True. OrcaRouter maneja la autenticación y enruta su solicitud al backend de Anthropic. No se necesita configuración adicional — solo su clave de API y el identificador de modelo correcto.
Puede usar los parámetros estándar compatibles con OpenAI con OrcaRouter: messages (obligatorio), model (obligatorio, configurado como "anthropic/claude-sonnet-5"), temperature (0-2, predeterminado 1), top_p (0-1, predeterminado 1), max_tokens (predeterminado 4096, hasta 128000), secuencias de detención (arreglo de cadenas), frequency_penalty, presence_penalty (ambos -2 a 2) y stream (booleano). Adicionalmente, puede pasar parámetros específicos de Anthropic a través del campo extra_headers —por ejemplo, anthropic-version para especificar la versión de la API. OrcaRouter agrega automáticamente los encabezados requeridos de Anthropic. Para mensajes multimodales, incluya content como una lista de partes con tipo text o image_url. Tenga en cuenta que el modelo admite tools/functions (llamada paralela a herramientas). La respuesta incluye finish_reason, estadísticas de uso y choices. No existe un parámetro separado para el tamaño de la ventana de contexto; el modelo utiliza inherentemente su capacidad de 1M.
La migración es sencilla porque OrcaRouter ofrece una API compatible con OpenAI. Si ya estás usando la API de OpenAI, solo cambia la base_url a https://api.orcarouter.ai/v1 y modifica el parámetro model a "anthropic/claude-sonnet-5". Tu código existente para construir mensajes, manejar streaming y analizar respuestas debería funcionar sin cambios — OrcaRouter devuelve respuestas estándar conformes a OpenAPI. Si estabas usando otro proveedor como la API nativa de Anthropic (que usa un formato diferente), es posible que debas adaptar tu esquema de mensajes al formato de OpenAI (roles: system, user, assistant). La documentación de OrcaRouter proporciona guías de migración. Diferencias clave: Claude Sonnet 5 admite mensajes de sistema, herramientas y partes multimodales. Asegúrate de que tu entrada no supere el límite de 1M de tokens. Comienza con una pequeña llamada de prueba para confirmar la conectividad y entender la latencia antes de escalar.
Claude Sonnet 5 mejora respecto a su predecesor principalmente en el tamaño de la ventana de contexto (1M frente a 200K tokens) y el límite de salida (128K frente a 8K), lo que lo hace mucho más adecuado para el análisis de documentos largos y bases de código. También introduce soporte para entrada de archivos junto con texto e imagen, mientras que Sonnet 4 estaba limitado a texto e imágenes. Los benchmarks entre ambos no se publican directamente, pero la puntuación OSWorld-Verified de 81.2 para Sonnet 5 indica un avance significativo en la ejecución de tareas a nivel de sistema operativo. Los precios han cambiado: el costo de entrada de Sonnet 4 era de $3/M tokens, Sonnet 5 es de $2/M, por lo que en realidad es más barato por token de entrada. La salida es de $10/M frente a los $15/M de Sonnet 4, una reducción del 33%. En general, Sonnet 5 ofrece mejor relación calidad-precio para la mayoría de los casos de uso, especialmente aquellos que requieren un contexto grande. Sin embargo, Sonnet 4 puede seguir estando disponible y ser más barato para tareas cortas donde no se necesita el contexto grande.
Claude Sonnet 5 y GPT-4o de OpenAI son ambos modelos multimodales con razonamiento sólido, pero difieren en ventanas de contexto (Sonnet 5: 1M tokens; GPT-4o: 128K tokens) y límites de salida (Sonnet 5: 128K; GPT-4o: 16K). Sonnet 5 ofrece una capacidad significativamente mayor, lo que lo hace mejor para tareas como procesar bases de código completas o libros extensos. GPT-4o tiene una latencia típica más rápida y una integración más amplia con el ecosistema de OpenAI (plugins, DALL-E, etc.). Precios: GPT-4o cuesta $2.50/$10 por 1M tokens (entrada/salida), similar a Sonnet 5. Ambos obtienen puntuaciones altas en razonamiento, pero el 81.2 de Sonnet 5 en OSWorld-Verified no es directamente comparable con ningún benchmark de GPT-4o. Para la automatización a nivel de SO, Sonnet 5 parece más fuerte. Para escritura creativa o chat general, GPT-4o puede ser ligeramente más versátil debido a sus datos de entrenamiento más grandes y uso de herramientas. La elección depende de las necesidades de contexto; a través de OrcaRouter, puedes cambiar entre ellos fácilmente.
Google Gemini 1.5 Pro ofrece un contexto de 1M de tokens (equiparable a Sonnet 5) y capacidades multimodales, pero la salida de Gemini está limitada a 8K tokens, mucho menos que los 128K de Sonnet 5. El precio de Gemini es de $3.50/$10.50 por 1M de tokens (entrada/salida), lo que hace que Sonnet 5 sea ligeramente más barato para la entrada. Ambos obtienen buenos puntajes en benchmarks de razonamiento, pero el puntaje de Sonnet 5 en OSWorld de 81.2 es un diferenciador clave: el rendimiento a nivel de sistema operativo de Gemini no se destaca de manera similar. Gemini 1.5 Pro admite ejecución de código nativa y puede generar código con ejecución, mientras que Sonnet 5 depende de un sandboxing externo. Para la generación de texto puro a gran escala, el límite de salida más alto de Sonnet 5 es una clara ventaja. Ambos modelos admiten archivos adjuntos e imágenes. La calidad de recuperación de contexto largo es competitiva; pueden aparecer diferencias menores en dominios específicos. A través de OrcaRouter, puedes comparar ambos modelos simplemente cambiando el ID del modelo.
Compatible con OpenAI: conserva tu SDK actual
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Entrada / 1M tokens | $2.00 |
| Salida / 1M tokens | $10.00 |
| Lectura caché / 1M | $0.200 |
| Escritura caché / 1M | $2.50 |
| Moneda | USD |
Estimación según precio de lista
Solo una estimación: el número real de tokens depende del tokenizador del proveedor.
GET /api/public/models/anthropic/claude-sonnet-5Abrir @misc{orcarouter_claude_sonnet_5,
title = {Claude Sonnet 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-5}
}Anthropic. (2026). Claude Sonnet 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-5