Claude Opus 4.5 se lanza con una rebaja de precio del 66% para IA empresarial
Anthropic lanzó Claude Opus 4.5 el 24 de noviembre de 2025, presentando su modelo de inteligencia artificial más capaz con una rebaja de precio del 66% para usuarios de la API. El nuevo modelo insignia está diseñado para gestionar ingeniería de software, agentes autónomos y análisis profundo con costos operativos significativamente menores. Para los equipos de software empresarial y servicios en línea, el lanzamiento reduce drásticamente el costo por token de la refactorización automática de código, la investigación compleja y las tareas en segundo plano de alto volumen.
Qué cambia para los equipos de software empresarial
El modelo reduce los costos de la API en más del 66% en comparación con las generaciones anteriores, al tiempo que disminuye el uso de tokens en tareas complejas de ingeniería. El precio baja a $5 por millón de tokens de entrada y $25 por millón de tokens de salida, a diferencia de los $15 y $75 de los modelos insignia anteriores. Las empresas que utilizan agentes de programación autónomos y flujos de investigación profunda ahora pueden ejecutar operaciones de producción de alto volumen a una fracción de los presupuestos anteriores. Los evaluadores señalan que el consumo de tokens para la refactorización de varios pasos y la migración de código se redujo a la mitad, mientras que los errores en llamadas a herramientas cayeron entre un 50% y un 75%. En modelado financiero y automatización de Excel, la precisión de las tareas mejoró un 20%, mientras que el tiempo de ejecución pasó de dos horas a treinta minutos.
Fecha de lanzamiento e infraestructura en la nube
Anthropic fijó el 24 de noviembre de 2025 como la fecha oficial de lanzamiento de Claude Opus 4.5, desplegándolo en las principales plataformas de la nube. El modelo está disponible de inmediato en la API para desarrolladores, Claude.ai, Amazon Web Services, Google Cloud y Microsoft Azure a través de Microsoft Foundry. Como parte de una expansión estratégica de infraestructura, Microsoft comprometió hasta $5 mil millones y NVIDIA hasta $10 mil millones en inversiones de capital. Anthropic utilizará $30 mil millones en capacidad de cómputo de Azure y hardware de NVIDIA para entrenar y albergar sistemas de IA de vanguardia.
Acceso a la API y herramientas para desarrolladores
Los desarrolladores pueden acceder al sistema mediante la API utilizando el identificador de modelo claude-opus-4-5-20251101. El modelo también se encuentra disponible en vista previa pública dentro de GitHub Copilot para usuarios de VS Code. Las herramientas de espacio de trabajo más amplias incluyen integraciones con Claude for Chrome, Claude for Excel y aplicaciones de escritorio, además de límites de contexto ampliados para los niveles de cuentas empresariales. Un nuevo parámetro de esfuerzo permite a los equipos de ingeniería controlar directamente la profundidad del razonamiento, reduciendo la latencia de procesamiento para consultas básicas o aumentando la profundidad de búsqueda para tareas de software y bases de datos multicapa.
Rendimiento en benchmarks y evaluaciones de código
En pruebas internas y externas, el sistema logró resultados punteros en benchmarks a través de evaluaciones de ingeniería de software y tareas autónomas. En la evaluación SWE-bench Multilingual, el modelo lidera en 7 de 8 lenguajes de programación. En las pruebas de código de Aider Polyglot, registró una ganancia del 10.6% sobre Sonnet 4.5, mientras que obtuvo puntajes un 29% más altos en Vending-Bench. En un examen práctico interno administrado a candidatos para puestos de ingeniería de rendimiento, el modelo obtuvo un puntaje más alto dentro del límite de tiempo asignado de dos horas que cualquier aspirante humano en la historia de la empresa.
"Claude Opus 4.5 maneja tareas de programación de horizonte largo de manera más eficiente que cualquier modelo que hayamos probado." — Sean Ward, CEO y cofundador
Capacidades de rendimiento en comparación con Sonnet 4.5
El sistema insignia supera a Sonnet 4.5 en planificación de horizonte largo, coordinación multiagente y refactorización compleja de código. En Terminal Bench, el modelo logró una mejora del 15% respecto a Sonnet 4.5 al utilizar el Planning Mode de Warp. Los agentes de oficina autónomos impulsados por el sistema alcanzaron la máxima calidad de tareas en cuatro iteraciones, mientras que los sistemas competidores no lograron igualar esa calidad tras diez iteraciones. Los comentarios iniciales de las empresas indican que el modelo evita callejones sin salida durante sesiones autónomas de programación de treinta minutos y mantiene la consistencia en narraciones de contexto extenso y depuración multisistema.
Preguntas frecuentes
¿Cuánto cuesta el modelo por millón de tokens?
El precio es de $5 por millón de tokens de entrada y $25 por millón de tokens de salida. Esto representa una reducción de precio del 66% respecto a los modelos insignia anteriores, que costaban $15 por millón de tokens de entrada y $75 por millón de tokens de salida.
¿Cuáles son las funciones principales para los flujos de trabajo empresariales?
El sistema introduce un parámetro de esfuerzo para controlar el tiempo de razonamiento, planificación mejorada de tareas en múltiples pasos y una sólida refactorización de código en múltiples bases de código. Disminuye los errores de compilación, linting y llamadas a herramientas entre un 50% y un 75%, ofreciendo además integraciones ampliadas en GitHub Copilot, Microsoft Azure y software de oficina.
¿Cómo se compara Claude Opus 4.5 con Sonnet 4.5?
El modelo insignia logra una mejora del 10.6% en Aider Polyglot y un avance del 15% en Terminal Bench frente a Sonnet 4.5. Utiliza hasta un 65% menos de tokens para resolver problemas complejos de programación, completa flujos de trabajo de varios pasos en menos iteraciones y resuelve errores complejos en múltiples sistemas que los modelos anteriores no podían procesar de forma confiable.
La visión de MOZGII
Cómo lo construiríamos
Enrutaríamos las tareas complejas de refactorización de software y depuración multisistema mediante llamadas a la API con parámetros de esfuerzo dinámicos. Para la revisión estándar de código o consultas básicas a bases de datos, estableceríamos un esfuerzo de razonamiento bajo para limitar la latencia de procesamiento. Para migraciones de código de varios pasos, aumentaríamos la profundidad de búsqueda y pasaríamos el contexto del repositorio directamente en la instrucción. Una capa de enrutamiento dirigiría las tareas rutinarias a modelos más ligeros, mientras reservaría niveles de esfuerzo más altos para sesiones autónomas largas.
Incluiríamos a ingenieros humanos en el proceso para revisar las solicitudes de extracción generadas por agentes de programación en segundo plano. El sistema falla cuando los agentes autónomos llegan a callejones sin salida o malinterpretan la lógica de negocios implícita en repositorios heredados. Para evitar gastos imprevistos durante sesiones de treinta minutos, aplicaríamos presupuestos estrictos de tokens por cada ejecución. Desarrolladores sénior inspeccionarían los resultados de la refactorización automatizada antes de fusionar el código en las ramas principales.
Rastrearíamos la tasa de finalización de tareas por dólar gastado como la métrica principal para evaluar el costo de los tokens frente al tiempo de ingeniería ahorrado. Una vez que la refactorización automatizada de código funcione de manera confiable y con menos errores de compilación, ampliaríamos el esquema para automatizar tareas de modelado financiero dentro de aplicaciones de hojas de cálculo.
Fuentes
De dónde salen los datos de esta nota.