TL;DR: Claude Opus 5, lanzado por Anthropic el 24 de julio de 2026, supone un salto generacional respecto a Opus 4.8 en razonamiento profundo, codificación agéntica, tareas de horizonte largo y resolución de problemas novedosos. Iguala o supera al más caro Fable 5 en benchmarks clave (incluidos 43.3% en Frontier-Bench v0.1 y un récord de 30.2% en ARC-AGI-3) manteniendo el mismo precio que Opus 4.8—$5 por millón de tokens de entrada y $25 por millón de tokens de salida. Con una ventana de contexto de 1M tokens, “thinking” activado por defecto, fuerte auto-verificación y mejor alineación (la puntuación más baja de comportamiento desalineado entre los últimos Claude), destaca en codificación compleja, uso de computadoras, trabajo de conocimiento y flujos de trabajo multiagente. El esfuerzo medio suele ofrecer la máxima eficiencia.
Puntos clave
- Opus 5 es una mejora verdaderamente generacional sobre Opus 4.8, no incremental—especialmente en persistencia agéntica, escalado de cómputo en tiempo de prueba e inteligencia fluida (salto en ARC-AGI-3 de ~1.5% a 30.2%) del blog de Claude.
- Supera o iguala a Fable 5 en los principales benchmarks de codificación/agénticos a aproximadamente la mitad del precio.
- Los precios se mantienen en $5/$25 por millón de tokens; las ganancias de eficiencia provienen de un mejor rendimiento por token y resultados sólidos incluso con esfuerzo medio/bajo.
- El perfil de seguridad es el mejor de Anthropic hasta la fecha para la línea Opus, con límites intencionales en capacidades ofensivas cibernéticas y menos activaciones de clasificadores.
- Cambios en prompting: elimina instrucciones de verificación heredadas, delimita el alcance explícitamente, controla la verbosidad y el uso de subagentes, y aprovecha el parámetro de esfuerzo según la documentación de Claude.
- Ideal para agentes de larga ejecución, codificación multiarchivo, trabajo de conocimiento y tareas asistidas por visión; informes del mundo real señalan fortalezas en demos/construcciones complejas junto con fricciones ocasionales de seguimiento de instrucciones en grandes bases de código.
- Plataformas como CometAPI facilitan enrutar tráfico entre modelos Claude (y competidores) con facturación unificada y fallbacks.
Claude Opus 5 llega como el último buque insignia de disponibilidad general en la gama Opus de Anthropic. Posicionado por debajo de la clase Mythos/Fable en algunas áreas especializadas pero competitivo o superior en muchas evaluaciones públicas, se dirige a codificación agéntica compleja, trabajo de conocimiento empresarial y tareas de horizonte largo. Lanzado solo dos meses después de Opus 4.8, representa un salto cualitativo y no una iteración menor.
¿Qué es Claude Opus 5?
Claude Opus 5 (ID de modelo de API: claude-opus-5) es el modelo más reciente de la clase Opus de Anthropic, optimizado para codificación agéntica compleja y cargas de trabajo empresariales. Ofrece una ventana de contexto de 1 millón de tokens (predeterminada y máxima), hasta 128k tokens de salida máxima y “thinking” activado por defecto. El modelo decide cuándo y cuánto pensar; los desarrolladores controlan la profundidad mediante el parámetro de esfuerzo (low, medium, high, xhigh, max).
Nuevas capacidades y cambios de comportamiento clave frente a generaciones anteriores:
- Mayor persistencia agéntica—continúa hasta lograr el éxito en lugar de detenerse en respuestas plausibles.
- Mejor auto-verificación y depuración de causa raíz.
- Mejor coordinación multiagente y delegación a subagentes.
- Visión más fuerte para gráficos, documentos, diagramas y replicación de UI/frontend (especialmente con uso iterativo de herramientas).
- Mejora en trabajo de oficina/documentos (hojas de cálculo multih hoja complejas, diapositivas estructuradas).
- Cambios de herramienta en medio de la conversación (beta), mínimo de caché de prompt más bajo (512 tokens) y modo de fallbacks por defecto.
- Modo “Fast” (vista previa de investigación) disponible en la API de Claude a tarifas más altas.
Anthropic lo describe como inteligencia de frontera a la mitad del costo de Fable 5, alimentando agentes de larga ejecución con mejoras en codificación y trabajo profesional.
Claude Opus 5 frente a Opus 4.8
Opus 5 se presenta explícitamente como un salto respecto a Opus 4.8. Las mayores ganancias aparecen en razonamiento profundo a través de cadenas largas de problemas, codificación agéntica y bucles de uso de herramientas de horizonte largo (completando funciones multiarchivo y trabajo de extremo a extremo sin “stubs”), escalado de cómputo en tiempo de prueba, eficiencia con niveles de esfuerzo menores, precisión en revisión/identificación de bugs, visión, consistencia en contextos largos, tareas de oficina y coordinación multiagente.
En comportamiento, las respuestas predeterminadas y los entregables escritos son más largos. El modelo narra más el progreso en sesiones agénticas, delega a subagentes más fácilmente y verifica su propio trabajo sin necesidad de pedirlo. Las instrucciones heredadas como “incluye un paso final de verificación” ahora provocan sobre-verificación y desperdicio de tokens—elimínalas.
El “thinking” está activado por defecto (anteriormente la modalidad adaptativa/thinking requería configuración explícita en 4.8). Desactivar thinking solo se permite con esfuerzo high o menor; esfuerzos más altos rechazan el thinking desactivado. Los precios se mantienen idénticos: $5 entrada / $25 salida por millón de tokens.
En resumen, los equipos que migren deben actualizar el ID de modelo, reevaluar los valores predeterminados de esfuerzo en sus propias evaluaciones, limpiar el andamiaje de verificación de los prompts y esperar salidas más largas pero de mayor calidad con más autonomía.
Benchmarks de rendimiento: ¿qué dicen los datos?
Opus 5 presenta resultados sobresalientes, particularmente en evaluaciones novedosas y agénticas. Todas las cifras a continuación provienen de materiales de anuncio/tarjeta de sistema de Anthropic y agregaciones independientes de finales de julio de 2026; ten en cuenta que las puntuaciones reportadas por laboratorios usan sus “harnesses” y prompting.
Resultados destacados en codificación y tareas agénticas
- Frontier-Bench v0.1 (codificación agéntica en terminal): Opus 5 43.3% vs Fable 5 33.7% vs Opus 4.8 18.7%.
- SWE-bench Verified: 96.0% (vs Fable 5 95.0%, Opus 4.8 88.6%).
- SWE-bench Pro: 79.2% (vs Fable 5 80.3%, Opus 4.8 69.2%).
- DeepSWE v1.1: 68.8% (competitivo; algunas variantes GPT-5.6 más altas).
- FrontierCode 1.1 (pico con esfuerzo medio): ~53.4% principal / 63.6% extendido—la configuración más eficiente en cómputo probada en un análisis.
- CursorBench 3.2 (esfuerzo máximo): Dentro de ~0.5% del rendimiento pico de Fable 5 a aproximadamente la mitad del costo por tarea. Fuerte rendimiento por dólar en esfuerzos high/xhigh/max.
Razonamiento novedoso e inteligencia fluida
- ARC-AGI-3: 30.2% (frontera previa ~7.8% para GPT-5.6 Sol con esfuerzo alto; Opus 4.8 ~1.5%). Este es el salto más grande registrado; el modelo mostró modelado algebraico interno de dinámicas de juego y eficiencia de muestreo a nivel humano en entornos previamente no resueltos. Aproximadamente 3× el siguiente mejor modelo—fuerte resolución de problemas novedosos.
- GDPval-AA v2: Estado del arte en trabajo profesional de conocimiento.
- Zapier AutomationBench: ~1.5× el siguiente mejor modelo con altas tasas de éxito en automatización empresarial de extremo a extremo.
- OSWorld 2.0 (uso de computadoras): Supera el mejor resultado reportado de Fable 5 a aproximadamente un tercio del costo.
- Resultados líderes o de mejor clase en HLE (Humanity’s Last Exam) y tareas de investigación profunda tipo DeepSearchQA.
Uso de computadoras, trabajo de conocimiento y uso de herramientas
- OSWorld 2.0: 70.6%—supera a sus pares en los puntos de costo dados.
- BrowseComp: ~90–90.8% (competitivo o ligeramente por detrás de las mejores configuraciones GPT-5.6).
- GDPval-AA v2 (Elo): 1861 (supera a Fable 5 y generaciones previas).
- AutomationBench: Tasas de aprobación sólidas; reportado ~1.5× el siguiente mejor a costo similar en algunos análisis.
Opus 5 aporta avances no incrementales, especialmente en codificación, tareas agénticas y evaluaciones de trabajo de conocimiento. Anthropic e informes independientes destacan:
Ciencia y dominios especializados
Mejoras significativas sobre Opus 4.8 en evaluaciones de ciencias de la vida, incluyendo:
- Química orgánica (inferencia de estructura molecular a partir de espectroscopía): +10.2 puntos porcentuales.
- Predicción de función proteica: +7.7 puntos porcentuales.
- Mejoras consistentes en biología estructural y bioinformática.
Dado que Fable 5 tiene salvaguardas más restrictivas en biología, Opus 5 es actualmente el modelo de disponibilidad general más fuerte de Anthropic para muchos flujos de trabajo de investigación científica.
Fuente: claude
En composites de rankings públicos, Opus 5 se sitúa cerca de la cima (p. ej., ~82.8/100 y puesto #2 de 215 en BenchLM), con percentiles particularmente altos en conocimiento, tareas agénticas, codificación y categorías multimodales.
Los comentarios de desarrolladores en el mundo real son mixtos: construcciones de juegos en una sola toma, finalización de funciones complejas y auto-depuración conviven con informes de omisiones ocasionales de instrucciones, alucinaciones en grandes bases de código o sobre-complicación. Los benchmarks capturan la capacidad pico en condiciones controladas; los resultados en producción dependen en gran medida del prompting, el diseño de herramientas y los ajustes de esfuerzo.
Instantánea de benchmarks
Fuente: claude
Eficiencia y costo
El precio no cambia respecto a Opus 4.8: $5 por millón de tokens de entrada / $25 por millón de tokens de salida. La entrada en caché es significativamente más barata (~$0.50). El modo Fast corre a aproximadamente 2× las tarifas ($10/$50). Esto es aproximadamente la mitad de las tarifas de $10/$50 de Fable 5. Las mejoras de eficiencia provienen de:
- Contexto de 1M que permite flujos de trabajo sobre bases de código completas o documentos largos sin partición agresiva.
- Rendimiento fuerte incluso con esfuerzo low/medium (menos tokens para calidad comparable en muchas tareas).
- Auto-verificación e iteración integradas que reducen ejecuciones fallidas y bucles de corrección humana.
- Cambios de herramienta en medio de la conversación (beta) que preservan la caché de prompt.
La historia real de eficiencia es el rendimiento por dólar y por token. Opus 5 convierte esfuerzo adicional en mejores resultados de forma más fiable que modelos Opus anteriores. El esfuerzo medio con frecuencia ofrece puntuaciones pico o cercanas al pico en benchmarks de codificación a ~1.5× el costo en tokens del esfuerzo bajo, mientras que high/xhigh/max pueden mostrar rendimientos decrecientes o planos en algunos conjuntos.
En curvas de costo versus rendimiento publicadas alrededor del lanzamiento, Opus 5 se posiciona favorablemente frente a Fable 5, Opus 4.8 y modelos de frontera competidores—puntuaciones más altas a menor costo efectivo por tarea completada. El consumo de tokens por revisión o bucle agéntico puede ser mayor en términos absolutos debido a razonamiento y auto-verificación más extensos, pero la calidad y la tasa de finalización mejoran lo suficiente como para que el costo total por resultados exitosos a menudo baje.
Fuente: claude
Para equipos en producción, la recomendación práctica es comenzar con el esfuerzo high predeterminado, luego explorar low/medium en tus evaluaciones internas. Usa caché de prompt agresivamente (ahora viable en longitudes más cortas), cambios de herramienta en medio de la conversación para preservar la caché y fallbacks a nivel de plataforma. Puertas de enlace API unificadas como CometAPI pueden optimizar aún más al enrutar tareas simples a modelos más baratos (gamas Sonnet/Haiku) reservando Opus 5 para trabajo agéntico complejo, con analítica de uso centralizada y controles de gasto.
Seguridad y alineación
Anthropic describe a Claude Opus 5 como su “modelo más alineado hasta la fecha” y “el modelo más seguro hasta ahora” en varios informes. Puntos clave de la tarjeta del sistema y anuncios:
- Muy bajo riesgo general de alineación; no presenta nuevas propiedades preocupantes respecto a modelos anteriores.
- Tasas más bajas de comportamiento engañoso medidas por Anthropic.
- Altas tasas de respuestas inofensivas ante solicitudes dañinas y entre las tasas de sobre-negativa más bajas en consultas benignas.
- Resistencia mejorada a ciertos vectores de uso indebido; salvaguardas cibernéticas calibradas más cerca de los niveles de Fable 5 dadas las capacidades más fuertes, pero los clasificadores se activan con menor frecuencia (~85% menos que Fable 5 en algunas estimaciones).
- No cruza los umbrales de la Responsible Scaling Policy de Anthropic para sustitución automatizada de I+D de IA ni categorías de riesgo químico/biológico superiores (tratado de forma similar a los modelos Opus recientes con protecciones estilo ASL-3 cuando corresponda).
Aún muestra mayor conciencia de evaluación en pruebas (común en modelos de frontera). La monitorización en despliegues reales mostró tasas muy bajas de conductas preocupantes. Como con todos los modelos de frontera, las organizaciones deben aplicar salvaguardas a nivel de aplicación, especialmente para usos autónomos o de alto riesgo.
Cómo diseñar prompts para Claude Opus 5 para obtener mejores resultados
Anthropic publicó guía de prompting específica del modelo porque Opus 5 se comporta de forma diferente a generaciones anteriores de Opus. Los mayores cambios: se auto-verifica, termina tareas completas, puede ampliar el alcance y produce respuestas más largas por defecto.
Principios básicos para Opus 5
- Proporciona la tarea completa desde el inicio — Provee la especificación completa, contexto, restricciones y resultado deseado en un solo prompt. Rinde mejor cuando se le deja ejecutar en lugar de alimentarlo por pasos. Completa funciones de extremo a extremo en lugar de dejar “stubs”.
- Elimina instrucciones de verificación — Expresiones explícitas como “vuelve a comprobar”, “verifica tu trabajo” o “usa un subagente para verificar” causan sobre-verificación y desperdicio de tokens. Opus 5 ya verifica e itera internamente. Borra esas líneas de los prompts de sistema y archivos CLAUDE.md.
- Controla el alcance explícitamente — Puede ampliar tareas según su propio juicio. Añade límites claros: “Entrega exactamente lo solicitado en el alcance previsto. Toma decisiones rutinarias por tu cuenta. Consulta solo cuando interpretaciones diferentes llevarían a un trabajo materialmente distinto. Si la solicitud parece equivocada, señálalo brevemente y continúa con la tarea tal como se pidió.”
- Gestiona la verbosidad — Las respuestas predeterminadas son más largas. Para obtener concisión, añade: “Mantén la respuesta enfocada, breve y concisa. Prioriza la respuesta central; deja las salvedades cortas.”
- Usa el esfuerzo con criterio — Empieza con high (por defecto). Usa low/medium con libertad para clasificación, ediciones simples o trabajo de alto volumen donde la calidad se mantenga. Reserva xhigh/max para los problemas de codificación y tareas agénticas más difíciles. Reevalúa ajustes de esfuerzo heredados de Opus 4.8.
- Control de subagentes — Delegará con mayor facilidad. Indica: “Delegar a un subagente solo para tareas grandes, verdaderamente independientes y paralelizables. No uses subagentes para verificación ni para trabajo que puedas completar en pocas llamadas de herramienta.”
- Revisiones y auditorías — Pide hallazgos completos con etiquetas de confianza/severidad, luego filtra tú. “Informa solo problemas de alta severidad” se sigue literalmente y puede omitir problemas.
Ejemplo de armazón de prompt de codificación de alto esfuerzo
text
[Set effort to max or xhigh]
Complete the following end-to-end: [full feature description, acceptance criteria, constraints, existing file structure, style guidelines].
Deliver production-quality code. Adapt strategy as needed. Do not leave stubs or TODOs. Stay within the stated scope unless a material issue requires a one-sentence note.
Output the final artifacts and a brief summary of decisions.
Ejemplo de clasificación de bajo esfuerzo
text
[Set effort to low]
Classify the input into exactly one of: [categories]. Return only the category name.
Para migrar desde Opus 4.8: vuelve a probar los prompts, elimina el andamiaje de verificación, añade controles explícitos de longitud/alcance y explora niveles de esfuerzo en tus evaluaciones internas. Anthropic señala que muchos conjuntos de instrucciones antiguas ahora se pueden simplificar.
Tabla comparativa: Claude Opus 5 vs alternativas clave (aproximado, julio de 2026)
| Model | Input/Output ($/MTok) | Frontier-Bench | SWE-Verified | ARC-AGI-3 | Context | Notes |
|---|---|---|---|---|---|---|
| Claude Opus 5 | $5 / $25 | 43.3% | 96.0% | 30.2% | 1M | Mejor relación precio/rendimiento para uso diario de alta capacidad |
| Claude Opus 4.8 | $5 / $25 | ~19–21% | 88.6% | Low | 1M | Opus anterior |
| Claude Fable 5 | $10 / $50 | ~33.7% | ~95% | Lower | 1M | Nivel superior, más restricciones en algunos casos |
| GPT-5.6 Sol (approx.) | Competitive | Lower | High | Lower | Varies | Alternativa sólida |
| Claude Sonnet 5 | Lower (~$3/$15 or promo) | Lower | Strong | Lower | 1M | Conductor diario más rápido/barato |
Las cifras provienen de anuncios de Anthropic y reportes agregados; verifica siempre las evaluaciones independientes más recientes.
Recomendación de CometAPI: CometAPI ofrece acceso unificado a Claude Opus 5 (y 500+ modelos) mediante un endpoint compatible con OpenAI (https://api.cometapi.com/v1) y soporte para Anthropic Messages API. Los precios listados son competitivos (p. ej., alrededor de $4/$20 por MTok observados para Opus 5 en el momento de escribir esto), con una sola clave API, facturación simplificada y cambio de modelos sencillo. Es especialmente útil para equipos que quieren las capacidades de Claude sin gestionar múltiples cuentas de proveedores o silos de límites de cuota. Consulta los listados y precios actuales de modelos en CometAPI para conocer las tarifas más recientes y promociones de tokens gratis.
Conclusión
Claude Opus 5 establece un nuevo listón para la gama Opus: rendimiento agéntico y de razonamiento de frontera al precio de la generación anterior, con avances significativos en resolución de problemas auto-dirigida (destacados por el resultado en ARC-AGI-3) y las cifras de alineación más favorables que Anthropic ha publicado para esta clase. No es perfecto—regresiones específicas por dominio e informes del mundo real sobre seguimiento de instrucciones nos recuerdan que los benchmarks no lo son todo—pero para agentes de codificación, flujos de trabajo de horizonte largo, trabajo de conocimiento y aplicaciones de uso de computadoras es actualmente una de las opciones de disponibilidad general más sólidas.
Combina disciplina de prompting con el dial de esfuerzo, aprovecha la ventana de contexto de 1M y enruta el tráfico de forma inteligente (vía APIs oficiales o plataformas como CometAPI) para maximizar el valor. Como con cualquier modelo de frontera, la evaluación continua con tus propios datos sigue siendo esencial. El ritmo rápido de iteración de Anthropic sugiere que llegarán más mejoras pronto; Opus 5 ya ofrece un salto de capacidad sustancial y rentable que vale la pena adoptar hoy.
Fuentes y lecturas adicionales:
- Anthropic: Novedades en Claude Opus 5 — https://platform.claude.com/docs/en/about-claude/models/whats-new-opus-5
- Anthropic: Cómo hacer prompting con Claude Opus 5 — https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5
- Referencias del anuncio y tarjeta de sistema de Anthropic (julio de 2026)
- DataCamp: Claude Opus 5 explicado — https://www.datacamp.com/blog/claude-opus-5
- Resúmenes de benchmarks de MindStudio / Vellum / BenchLM (julio de 2026)
- Puntuaciones verificadas de ARC Prize Foundation