Anthropic presentó el lunes Claude Sonnet 5.5, asegurando que su nuevo modelo de IA de gama media es más de un 30% más rápido y puede reducir hasta en un 30% el coste por tarea frente a su predecesor.
Claves:
- Sonnet 5.5 obtuvo un 70,6% en la prueba de codificación Terminal-Bench 4.0, frente al 10,3% de Sonnet 5.
- Es el primer modelo Sonnet que se lanza con salvaguardas cibernéticas antes reservadas a los sistemas de gama alta de Anthropic.
- Un benchmark independiente indica que, al máximo nivel de esfuerzo, el coste por tarea habría sido superior al de Sonnet 5.
Benchmarks de Claude Sonnet 5.5
Se trata del segundo modelo de la familia Claude 5.5 y llegó apenas seis días después del buque insignia Claude Opus 5.5, según detalló la compañía en su anuncio de lanzamiento.
Anthropic lo posiciona como un complemento más rápido y económico de Opus 5.5, pensado para tareas diarias bien delimitadas, corrección de errores de software y elaboración de documentos, presentaciones y hojas de cálculo de calidad profesional. El precio se sitúa en 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida.
En Terminal-Bench 4.0, una prueba de codificación basada en agentes, Sonnet 5.5 logró un 70,6%, frente al 10,3% de Sonnet 5 y el 66,4% de Opus 5.5, este último con tarifas más elevadas. También se convirtió en el primer modelo Sonnet capaz de completar Pokémon Red utilizando únicamente capturas de pantalla, una prueba de trabajo de largo recorrido y comprensión de imágenes.
El modelo ya está disponible en todas las plataformas de Anthropic, incluidas Amazon Web Services, Google Cloud y Microsoft Azure. La compañía adelantó que el más pequeño Claude Haiku 5.5, orientado a casos de uso de muy alto volumen y máxima sensibilidad al precio, llegará en las próximas semanas, completando así la gama de tres modelos.
También puede interesarle: OpenAI pisa el freno a la IA de frontera tras la fuga en su sandbox del 20 de septiembre
Salvaguardas y costes de Sonnet 5.5
Anthropic citó a Daniel Vogel, director de operaciones de Epic Games, quien afirmó que el modelo manejó “decenas de miles de líneas” de código de sistemas de juego en las primeras pruebas. Vogel sostuvo que el modelo “superó el mismo listón de calidad que esperarías de un modelo de gama superior”.
Dado que sus capacidades en ciberseguridad son comparables a las de Opus 5, Sonnet 5.5 es el primer Sonnet que llega al mercado con las salvaguardas que Anthropic reservaba a sus sistemas más avanzados. La corrección rutinaria de errores no se ve afectada, pero las solicitudes cibernéticas de mayor riesgo pasan de forma visible a Sonnet 5. Nuevos clasificadores bloquean además los intentos de extraer su razonamiento interno.
No todas las pruebas respaldan las promesas de ahorro. Artificial Analysis habría medido un coste ponderado de 7,60 dólares por tarea de benchmark al máximo esfuerzo, frente a 5,09 dólares en Sonnet 5, pese a que la puntuación índice del nuevo modelo subió a 56 desde 38.
El lanzamiento se produce tras la presentación de Opus 5.5 el 22 de septiembre, cuando Anthropic recortó un 20% el precio de su modelo estrella, hasta 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida. Entonces sostuvo que Opus 5.5 reduciría en torno a un 40% el coste frente a Opus 5 en cargas de trabajo típicas y generaría respuestas más de un 30% más rápido. OpenAI lanzó ese mismo día GPT-6 Sol y GPT-6 Luna, fijando su precio en torno a la mitad del de sus predecesores.
Próxima lectura: BlackRock apunta a que la potencia de cómputo se encamina hacia los mercados de futuros
