Anthropic lanza Claude Sonnet 5.5: más rápido, eficiente y con el mismo precio

Anthropic ha anunciado el lanzamiento de Claude Sonnet 5.5, la segunda iteración de su familia de modelos Claude 5.5. Este nuevo modelo mantiene la política de precios de su predecesor, Claude Sonnet 5, con un costo de $2 por millón de tokens de entrada y $10 por millón de tokens de salida. La empresa destaca que Sonnet 5.5 es capaz de generar resultados un 30% más rápido y reduce los costos por tarea hasta un 30% en sus pruebas internas.

Según Anthropic, Sonnet 5.5 se complementa con Claude Opus 5.5, diseñado para tareas más complejas que exigen un juicio refinado. Sonnet 5.5, por su parte, sobresale en tareas cotidianas bien definidas, como la corrección de errores y la creación de documentos, diapositivas y hojas de cálculo con un acabado profesional. La compañía también subraya su capacidad para el diseño.

Claude Sonnet 5.5 está disponible en diversas plataformas, incluyendo Amazon Web Services, Google Cloud y Microsoft Azure, bajo el ID de modelo claude-sonnet-5-5. Al igual que Opus 5.5 y Sonnet 5, ofrece retención de datos cero, lo que garantiza la privacidad de tu información.

Rendimiento y benchmarks

Anthropic ha compartido los resultados de varios benchmarks que demuestran la mejora de Sonnet 5.5. En evaluaciones de codificación de agentes como Terminal-Bench 4.0, Sonnet 5.5 alcanzó un 70.6%, un salto considerable desde el 10.3% de Sonnet 5. Incluso supera el 66.4% de Opus 5.5 en este test. En FrontierCode 1.1, Sonnet 5.5 obtuvo un 52.1% con esfuerzo Xhigh, superando el 42.4% de Sonnet 5 y acercándose al 54.4% de Opus 5.5 y al 49.3% de GPT-6 Sol de OpenAI. En CursorBench 4.0, Sonnet 5.5 logró un 55.5%, frente al 34.1% de Sonnet 5.

En tareas de conocimiento, Sonnet 5.5 obtuvo una puntuación GDPval-AA v2.1 de 1844, ligeramente por debajo de los 1846 de Opus 5.5, pero significativamente superior a los 1449 de Sonnet 5. En AA-Briefcase v1.1, registró 1811 puntos, comparado con 1822 de Opus 5.5 y 1359 de Sonnet 5. Anthropic también reporta un 64.5% con herramientas en Humanity’s Last Exam, un 80.1% de crédito parcial en OSWorld 2.1 y un 61.6% sin herramientas en Chartography. Un dato curioso es que Sonnet 5.5 es el primer modelo Sonnet capaz de superar a Pokémon Red basándose únicamente en capturas de pantalla.

Es importante destacar que, según la compañía, las puntuaciones de referencia solo reflejan una parte de las capacidades del modelo. En sus propias pruebas y en las de evaluadores externos, Opus 5.5 sigue siendo superior para trabajos complejos y abiertos que requieren un juicio sostenido.

Experiencias de evaluadores iniciales

• CodeRabbit: Su vicepresidente de IA, David Loker, afirma que Sonnet 5.5 muestra un juicio mejorado y utiliza menos tokens de salida, planeando migrar tareas de revisión al nuevo modelo.
• Base44: Gabriel Grinberg, líder de ingeniería de IA, reporta que Sonnet 5.5 promedió 3.6 iteraciones por construcción en 118 aplicaciones reales, frente a 7.7 de Opus 5, con menos llamadas a herramientas fallidas.
• Slack: Curtis Allen, ingeniero principal, observó un 14% menos de tokens de salida en evaluaciones offline de Slackbot.
• Zendesk: Abhinay Kathuria, director de IA, indicó que los tickets se procesaron un 20% más rápido que con los modelos Claude anteriores.
• Balyasny Asset Management: Reportaron 121,000 tokens por respuesta en tareas financieras, frente a 497,000 de Sonnet 5.
• Box: Observó resultados 2.4 veces más rápidos con un 12% menos de tokens totales.
• Atlassian: Mencionó que los clientes pueden ejecutar Rovo Agents hasta un 30% más rápido.

Consideraciones de precios y migración

Los precios de Sonnet 5.5 son idénticos a los de Sonnet 5: $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Anthropic enfatiza que Sonnet 5.5, a menudo, requiere menos tokens para el mismo trabajo y es el modelo Sonnet más rápido hasta la fecha. Ofrece cinco niveles de esfuerzo recalibrados: bajo, medio, alto, xhigh y máximo, con valores predeterminados específicos para cada plataforma.

Para los desarrolladores que migran desde Sonnet 5, la guía de Anthropic detalla cambios críticos. El pensamiento adaptativo se ejecuta por defecto, y la elección forzada de herramienta se reemplaza por la elección automática combinada con herramientas estrictas. El prompt mínimo almacenable en caché se ha reducido a 512 tokens.

Seguridad y salvaguardas

Dada la capacidad cibernética de Sonnet 5.5, comparable a la de Opus 5, Anthropic ha implementado las mismas salvaguardas y retrocesos utilizados en sus modelos más avanzados. La tarjeta del sistema de Sonnet 5.5 detalla mejoras significativas en la detección y prevención de ciberataques. Por ejemplo, sin salvaguardas, Sonnet 5.5 promedió 11.53 banderas de capacidad en ExploitBench y produjo 178 explotaciones completas de ejecución arbitraria de código, frente a solo una de Sonnet 5.

Las salvaguardas cibernéticas operan en tres fases: una sonda en las activaciones internas del modelo, un clasificador ligero integrado y un clasificador LLM entrenado por separado. Anthropic reporta un recall del 99.43% en la cobertura de daños cibernéticos. Las solicitudes de alto riesgo retroceden a Sonnet 5. Además, un Programa de Verificación Cibernética ampliado ofrecerá acceso a capacidades avanzadas en los modelos Sonnet 5.5, Opus 5.5 y Claude Mythos a defensores verificados.

Las salvaguardas biológicas son las mismas que en Opus 5, y el Programa de Verificación de Ciencias de la Vida de Anthropic cubre el acceso para el trabajo biológico. Sonnet 5.5 es también el primer modelo Sonnet con clasificadores de seguridad que bloquean la extracción de razonamiento, y mejora el pensamiento preservado para evitar que el pensamiento de un modelo se desvincule de la cuenta creadora.