Noventa minutos. Ese fue el margen que separó el anuncio de Opus 5.5 de Anthropic del lanzamiento de GPT-6 Sol y Luna de OpenAI el martes. Y en ambos comunicados, el titular no fue una capacidad nueva: fue el precio.
Qué pasó
Anthropic abrió la jornada con Opus 5.5, su tier más capaz y más caro, dos meses después de Opus 5. La compañía lo describe como "el modelo con mejor desempeño que hemos probado hasta la fecha" y afirma que supera al mayor Fable en varios benchmarks de coding y knowledge work. Los tokens de salida bajan de 25 a 20 dólares por millón, con recortes equivalentes en el resto de las métricas, y el modelo corre más rápido: menos compute para servirlo. Sonnet 5.5 y Haiku 5.5 llegan "en las próximas semanas".
Hora y media más tarde, OpenAI extendió la generación GPT-6 —encabezada por Astra a inicios de mes— con versiones actualizadas de Sol (tareas complejas, coding) y Luna (trabajo de alto volumen: resumir documentos, extraer información, responder preguntas rápidas). El dato duro: la serie 6 se ofrece a la mitad del costo de la serie 5.6 de Sol y Luna, un recorte que la compañía atribuye a mejoras en caching e inferencia, no a un modelo más pequeño.
Por qué importa
Durante dos años la competencia se midió en quién publicaba primero el número más alto en un leaderboard. Este martes las dos casas grandes dijeron lo mismo por separado: la frontera ya está lo bastante arriba, y el terreno de batalla se movió al costo por unidad de trabajo útil.
Para quien opera agentes en producción, eso es más relevante que un punto extra en un benchmark. Un pipeline de triage de alertas, un agente que revisa PRs o un flujo que resume tickets consume tokens de forma continua y predecible: cuando el precio de salida cae a la mitad, casos de uso que no cerraban el business case de pronto lo cierran. La otra mitad de la ecuación es la fiabilidad. OpenAI dice que en su evaluación interna de factualidad —construida con conversaciones reales anonimizadas donde los usuarios marcaron errores— GPT-6 Sol comete cerca de la mitad de los errores de su predecesor, alcanzando confiabilidad nivel Astra a un costo mucho menor. Menos errores por token barato es exactamente la curva que un SOC necesita antes de dejar que un agente toque nada.
Hay un cambio de forma que vale señalarlo aparte: Anthropic modificó cómo comunica Opus. El modelo usa menos jargon y pone la información importante al inicio del mensaje. Suena cosmético; no lo es cuando el consumidor del output es un humano de guardia a las 3 de la mañana.
El detalle técnico
Opus 5.5 entra con una etiqueta que conviene leer con calma: Anthropic afirma que es comparable a Mythos en capacidades de biología y ciberseguridad, y por eso queda sujeto a los mismos safeguards que aplican a Fable. Esos controles limitan, entre otras cosas, cuánto puede usarse el modelo para descubrir exploits en programas compilados o para desarrollar armas biológicas reconocibles.
Traducido al trabajo de todos los días: el tier que hoy es más barato es también el que la propia casa considera lo bastante bueno en análisis de binarios como para ponerle barandales. Quien haga red team con estos modelos va a topar con esos límites; quien haga blue team debería asumir que el otro lado los está evadiendo con modelos sin barandal.
El contexto corporativo añade una capa. Opus 5.5 es el primer lanzamiento de Anthropic desde que Dario Amodei respaldó públicamente la idea de marcar el paso de la frontera —frenar deliberadamente el avance de capacidades para que el trabajo de alignment alcance:
He llegado a convencerme de que atender plenamente los riesgos exige aún más prudencia: no solo invertir en prevención de riesgos, sino acompasar el ritmo de avance de las capacidades para que la prevención tenga tiempo. — Dario Amodei, CEO de Anthropic
Un lanzamiento que baja precio y sube eficiencia sin declarar un salto de frontera es, leído así, bastante consistente con esa postura. OpenAI, por su parte, no perdió la oportunidad: su anuncio repite que Sol y Luna manejan tareas sustancialmente mejor que los modelos top de Anthropic, Fable y Opus incluidos.
Qué hacer
- Reprecia tus pipelines antes de pedir presupuesto. Si tienes agentes corriendo sobre la serie 5.6 o sobre Opus 5, el mismo flujo cuesta hoy la mitad o un 20% menos según el proveedor. Recalcula el costo por caso atendido, no el costo por millón de tokens.
- No migres por el precio sin revalidar. Un cambio de tier altera formato y verbosidad del output. Si tienes parsers o reglas que dependen de la forma del texto, el cambio de estilo de Opus 5.5 te va a morder.
- Mide factualidad con tus propios datos. Las evaluaciones internas de cada vendor miden lo que ese vendor decidió medir. Arma un set de 50 casos de tu dominio y compara antes de mover producción.
- Anota el dato de safeguards en tu política de uso de IA. Si tu organización permite usar estos modelos para análisis de vulnerabilidades, los límites de capacidad son ahora parte del alcance real de la herramienta.