Anthropic lanzó Claude Sonnet 5, su modelo más práctico

Imagen oficial de presentación de Claude Sonnet 5, publicada por Anthropic.

Claude Sonnet 5 no llega para ganar una discusión abstracta sobre cuál modelo “sabe más”. Llega para ocupar un lugar mucho más valioso: el de los sistemas que trabajan durante varios pasos sin desarmarse en el camino. Ese es el corazón del anuncio de Anthropic. La empresa no está vendiendo solo una mejora de conversación, sino una capa de ejecución para tareas reales: escribir código, abrir herramientas, navegar entornos, usar terminales, revisar resultados, corregir fallos y continuar cuando el problema se vuelve incómodo.

Durante buena parte del último ciclo, la familia Sonnet funcionó como el punto de entrada más sensato para desarrolladores: suficiente capacidad, costos razonables y buen comportamiento en código. Claude Sonnet 3.5, 3.6 y 3.7 fueron, para muchos equipos, los modelos que hicieron creíble el trabajo agente sin obligar a pagar por la gama más alta. Pero Anthropic reconoce algo importante: las mejoras más claras en capacidades agentivas habían migrado hacia Opus. Sonnet 5 intenta corregir ese desplazamiento. No reemplaza a Opus 4.8 como techo general, pero se le acerca en zonas clave con una tarifa más amable.

La palabra clave es “agentivo”, aunque conviene limpiarla de humo. No significa que el modelo tenga voluntad, intuición humana ni magia de oficina. Significa algo más concreto: puede sostener un plan, usar herramientas, dividir una tarea en acciones, comprobar parcialmente su propio trabajo y avanzar sin pedir instrucciones a cada paso. Esa diferencia es decisiva. Un chatbot brillante puede redactar una respuesta excelente. Un agente útil puede modificar un repositorio, ejecutar pruebas, revisar por qué fallaron y dejar un cambio verificable.

Anthropic afirma que Sonnet 5 mejora a Sonnet 4.6 en razonamiento, uso de herramientas, programación y trabajo de conocimiento. También sostiene que su rendimiento se acerca al de Opus 4.8, pero con precios inferiores. El dato es comercial, pero también técnico. Cuando un modelo de rango medio alcanza parte del desempeño de uno premium, cambia el cálculo de adopción: las empresas dejan de reservar los agentes para demostraciones costosas y empiezan a pensar en flujos cotidianos. La automatización no se vuelve masiva cuando es asombrosa; se vuelve masiva cuando cierra el presupuesto.

El salto está en terminar tareas

El cuadro comparativo publicado por Anthropic muestra el movimiento con bastante claridad. En SWE-bench Pro, una evaluación de programación agentiva, Sonnet 5 aparece con 63,2 por ciento frente al 58,1 por ciento de Sonnet 4.6 y el 69,2 por ciento de Opus 4.8. En Terminal-Bench 2.1, otra prueba ligada a tareas de programación y terminal, alcanza 80,4 por ciento, mucho más cerca del 82,7 por ciento de Opus 4.8 que del 67 por ciento de Sonnet 4.6. Ese segundo dato es el más elocuente: operar terminales, seguir pasos y resolver obstáculos es más parecido al trabajo real que contestar una pregunta aislada.

Tabla oficial de Anthropic con resultados comparativos entre Claude Sonnet 5, Sonnet 4.6 y Opus 4.8.

El rendimiento en OSWorld-Verified también ayuda a leer el producto. Sonnet 5 marca 81,2 por ciento en uso de computadora, contra 78,5 por ciento de Sonnet 4.6 y 83,4 por ciento de Opus 4.8. El margen parece pequeño, pero en tareas agentivas los pequeños márgenes suelen esconder cambios grandes. Un modelo que falla un poco menos en cada paso puede completar muchas más tareas largas, porque en una cadena de acciones el error se acumula. La diferencia entre llegar hasta el final o quedarse a mitad de camino rara vez se decide por una sola respuesta brillante; se decide por una secuencia de decisiones aceptables.

Anthropic incluyó testimonios de socios tempranos que apuntan todos al mismo fenómeno: Sonnet 5 termina trabajos donde versiones previas se detenían. Actualizar niveles de cuentas en Salesforce y enviar un anuncio, investigar un bug, escribir una prueba que reproduce el error, implementar la corrección y verificar que el fallo vuelve cuando se retira el parche. Son ejemplos con olor a oficina real, no a demo de escenario. Esa es la parte fuerte del lanzamiento. El modelo no se vende como oráculo, sino como ejecutor de tareas con seguimiento.

El matiz importante es que Sonnet 5 no elimina el juicio humano; lo reubica. Si el modelo puede recorrer la parte mecánica del trabajo, el profesional queda más cerca de la revisión, la decisión y la firma final. Esa promesa es valiosa, pero también exige disciplina. Un agente que “casi siempre” avanza correctamente puede ser peor que uno claramente limitado si la organización deja de verificar sus resultados. La productividad que no incorpora revisión se parece mucho a una deuda técnica con traje nuevo.

El precio define el verdadero alcance

El costo es una de las piezas más agresivas del anuncio. Claude Sonnet 5 está disponible con precio introductorio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida hasta el 31 de agosto de 2026. Después pasará a 3 dólares de entrada y 15 de salida. Opus 4.8, usado por Anthropic como referencia de mayor capacidad, cuesta 5 dólares por millón de tokens de entrada y 25 de salida. La brecha no es cosmética. En agentes que consumen mucho contexto y generan muchas acciones, el costo por tarea pesa más que el precio nominal por token.

La empresa también permite ajustar niveles de esfuerzo. Ese punto merece más atención que el nombre del modelo. En la práctica, el usuario puede mover el equilibrio entre costo y rendimiento según el trabajo. Anthropic muestra curvas donde Sonnet 5 supera claramente a Sonnet 4.6 y ofrece una gama más amplia de opciones costo-rendimiento. En búsqueda agentiva, su rendimiento de alto esfuerzo puede acercarse a Opus 4.8 en determinadas condiciones. En uso de computadora, no siempre alcanza el techo de Opus, pero queda mucho más cerca que su antecesor.

Curva oficial de rendimiento en búsqueda agentiva según nivel de esfuerzo, publicada por Anthropic.

BrowseComp, una de las evaluaciones citadas, mide la capacidad de agentes para navegar la web y resolver preguntas difíciles de encontrar. No es una prueba perfecta de uso cotidiano, pero sí captura algo que los benchmarks más simples no ven: persistencia, búsqueda creativa, verificación y manejo de información dispersa. OSWorld-Verified, por su parte, evalúa el uso de computadora en entornos más próximos a aplicaciones reales. Ambas pruebas importan porque desplazan el foco desde “qué sabe el modelo” hacia “qué puede hacer con herramientas”. Esa transición es el verdadero cambio de época.

Curva oficial de rendimiento en uso de computadora por nivel de esfuerzo, publicada por Anthropic.

Hay un detalle menos vistoso, pero relevante para desarrolladores: Anthropic señala que Sonnet 5 usa un tokenizer actualizado. Según la compañía, un mismo contenido puede convertirse en más tokens, aproximadamente entre 1,0 y 1,35 veces según el tipo de texto. El precio introductorio busca amortiguar esa transición. Esto es más que una nota técnica. Para productos en producción, el tokenizer puede cambiar costos reales, límites de contexto y previsibilidad financiera. Quien integre Sonnet 5 con seriedad tendrá que medirlo en sus propios datos, no solo leer la tabla oficial.

La disponibilidad amplia también marca una diferencia respecto de otros lanzamientos recientes. Sonnet 5 está disponible en todos los planes, es el modelo predeterminado para usuarios Free y Pro, y aparece en Max, Team, Enterprise, Claude Code y Claude Platform. Para desarrolladores, el identificador es claude-sonnet-5. Esa distribución indica una apuesta clara: Anthropic no quiere que Sonnet 5 sea una rareza premium, sino el modelo de uso diario para la nueva etapa agente.

Más seguro no significa menos potente

La sección de seguridad del anuncio no debería leerse como una obligación burocrática. En modelos agentes, la seguridad forma parte del rendimiento. Un sistema que usa herramientas, opera interfaces y ejecuta pasos puede causar daño de manera más práctica que un chatbot limitado al texto. Anthropic afirma que Sonnet 5 muestra una tasa menor de comportamientos indeseables que Sonnet 4.6 y que resulta más seguro en contextos agentivos. También reporta menos alucinación y menor tendencia a complacer al usuario con respuestas acomodaticias.

El gráfico de comportamiento desalineado muestra una mejora frente a Sonnet 4.6, aunque no frente a Mythos Preview u Opus 4.8. Esa comparación es útil porque evita una lectura triunfalista. Sonnet 5 es mejor que su antecesor en el conjunto reportado, pero no representa el punto más seguro del catálogo de Anthropic. La diferencia importa para empresas que buscan agentes capaces, pero también necesitan consistencia bajo presión, resistencia a inyecciones de prompt y rechazo de pedidos maliciosos.

Gráfico oficial de Anthropic sobre comportamiento desalineado en distintos modelos Claude.

La ciberseguridad es el punto delicado. Anthropic asegura que no entrenó deliberadamente a Sonnet 5 en tareas cibernéticas peligrosas y que el modelo mantiene capacidades bastante inferiores a Opus 4.8 y Mythos 5 en pruebas de explotación. En una evaluación desarrollada con Mozilla sobre vulnerabilidades de Firefox, los dos modelos Sonnet no lograron desarrollar exploits funcionales completos. Sonnet 5 sí mostró una tasa algo mayor de éxito parcial que Sonnet 4.6, probablemente como efecto de su mejora general y no por entrenamiento específico en ofensiva.

Evaluación oficial publicada por Anthropic sobre desarrollo de exploits en Firefox 147.

Anthropic activó salvaguardas cibernéticas en tiempo real para Sonnet 5, las mismas presentes en Claude Opus 4.7 y 4.8, aunque con menor severidad que las usadas en modelos de mayor riesgo como Fable 5. La decisión es razonable. Un modelo más fuerte que Sonnet 4.6, aunque no alcance capacidades ofensivas de frontera, necesita controles proporcionales. En agentes, el riesgo no aparece solo por lo que el sistema sabe, sino por lo que puede intentar hacer con herramientas.

La lectura final es clara: Claude Sonnet 5 representa el avance más importante de Anthropic en la franja que realmente puede masificarse. Opus seguirá siendo el modelo de referencia cuando se busque mayor capacidad general. Pero Sonnet 5 ocupa un espacio más estratégico: el de la herramienta que muchas empresas pueden permitirse usar todos los días. Su promesa no es deslumbrar en una demo, sino sostener trabajo real con una relación costo-rendimiento difícil de ignorar.

El viejo asistente esperaba una pregunta. El nuevo modelo recibe una tarea. Esa diferencia, seca y poco teatral, es la que define el lanzamiento. Claude Sonnet 5 no convierte la automatización en un milagro; la vuelve más practicable. Y en tecnología, lo practicable suele cambiar más cosas que lo impresionante.