Un modelo de IA nuevo llegó al mercado con el mismo precio de lista que el anterior. El fabricante dice que sale hasta un 30% más barato por tarea. Una medición independiente dice que sale un 50% más caro. Las dos afirmaciones son verdaderas — y entender por qué es lo que separa una cuenta de IA previsible de una factura que sorprende.
Qué se anunció
El 28 de septiembre de 2026 Anthropic lanzó el Claude Sonnet 5.5. El precio de lista quedó igual al del Sonnet 5: 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Token es la unidad con la que se mide el texto que entra y sale del sistema.
Según la cobertura del lanzamiento, la empresa afirma que el modelo genera respuestas más de 30% más rápido y cuesta hasta 30% menos por tarea. El ahorro no viene de un precio menor: viene de que el modelo necesita menos tokens y menos llamadas a herramientas para llegar al mismo resultado. Clientes citados en el lanzamiento reportaron entre 12% y 14% menos tokens en su propio trabajo.
Lo que encontró la medición independiente
Artificial Analysis, que prueba modelos de todos los fabricantes con la misma batería de tareas, publicó números bien distintos:
- El Sonnet 5.5 subió 18 puntos respecto al Sonnet 5 y quedó en segundo lugar en el índice de inteligencia de la casa.
- Para eso, gastó cerca de 193 mil tokens de salida por tarea — el mayor consumo que han medido hasta ahora, y cerca de siete veces el del GPT-6 Astra, de OpenAI, en el mismo ajuste.
- El costo por tarea quedó en 7,60 dólares, cerca de 50% por encima del Sonnet 5.
Mismo precio de lista, tarea 50% más cara. Y más inteligente, es verdad.
Las dos cuentas están correctas: la diferencia es un botón
Los modelos actuales tienen un ajuste de esfuerzo: cuánto puede pensar el sistema antes de responder. La medición independiente se hizo con el esfuerzo máximo. Las aplicaciones de la propia Anthropic vienen con el esfuerzo medio por defecto, y es en esa franja donde el fabricante muestra ahorro.
Es decir: el mismo modelo, con el mismo precio por token, puede costar menos o mucho más que el anterior. Depende de dónde esté el botón.
Esto cambia lo que hay que mirar en una propuesta. El precio por token se volvió casi un detalle. Lo que decide la factura es cuántos tokens gasta el modelo para terminar tu trabajo, y eso depende del ajuste de esfuerzo, del tipo de tarea y de cuántas veces necesita usar herramientas en el camino.
La cuenta que cabe en una servilleta
La salida cuesta cinco veces más que la entrada, así que es la que pesa. Un ejemplo con el precio de lista de este modelo:
- Una tarea que gasta 20 mil tokens de salida cuesta 0,20 dólares.
- Si el modelo nuevo gasta 30 mil para entregar lo mismo, cuesta 0,30 dólares.
Es 50% más, con el precio de lista idéntico. Multiplícalo por diez mil tareas al mes y la diferencia deja de ser un detalle.
Lo contrario también sucede: si el modelo nuevo resuelve la tarea con 14 mil tokens, la misma factura baja 30%. Quien no mide no sabe de qué lado está.
Cómo probar antes de cambiar de modelo
- Separa veinte tareas reales de tu negocio. No ejemplos inventados: pedidos de cliente, documentos, atenciones reales.
- Ejecuta las veinte en los dos modelos, con el ajuste que vas a usar en el día a día. Probar al máximo y operar en el medio es medir otra cosa.
- Anota los tokens de entrada y de salida de cada tarea. Todo proveedor devuelve ese número junto con la respuesta.
- Marca qué respuestas sirvieron sin retoque. La tarea que tuvo que rehacerse cuenta dos veces en el costo.
- Divide el gasto total entre las tareas resueltas. Ese es tu costo por tarea, y es el único número que compara dos modelos de verdad.
Lleva una tarde. Es menos de lo que cuesta descubrir la diferencia en la factura del mes siguiente.
Cuándo vale la pena el esfuerzo máximo
Pagar más por tarea no es un error cuando la tarea es difícil y el error es caro. Un contrato revisado mal, un cálculo fiscal, un código que va a producción: en esos casos el modelo que piensa más suele valer la pena. El razonamiento está en el texto sobre cuándo vale la pena pagar mucho más caro por una IA.
Lo que no tiene sentido es dejar al máximo lo que es rutina: clasificar mensajes, resumir conversaciones, responder preguntas frecuentes. Ahí está el volumen, y ahí es donde el botón olvidado en el punto equivocado multiplica la cuenta.
Esto confirma lo que escribimos hace cuatro días
En el texto sobre el precio de la IA haber dejado de bajar, la recomendación era medir el costo por tarea, no por mes. Este lanzamiento muestra el motivo desde el otro lado: ni siquiera el precio por token sirve ya como regla. Dos modelos con la misma tabla pueden tener facturas opuestas.
La propia cobertura del lanzamiento trae la advertencia correcta: el resultado de una prueba estandarizada no es un espejo de tu carga de trabajo. La medición que vale es la de tus tareas.
Cómo trabajamos
En la implementación de IA, cada tipo de tarea sale con dos números definidos: el costo por tarea resuelta y el ajuste de esfuerzo en el que corre. Cuando aparece un modelo nuevo, el cambio se decide rehaciendo esa medición, no leyendo el anuncio. Para quien está empezando la cuenta desde cero, el texto sobre cuánto cuesta tener IA en tu negocio trae las franjas actuales.
Fuentes
Artificial Analysis, "Claude Sonnet 5.5 reaches #2 on the Artificial Analysis Intelligence Index", con la nota, el consumo de tokens y el costo por tarea. Cobertura del lanzamiento por VentureBeat el 28 de septiembre de 2026, con las afirmaciones de velocidad y ahorro de Anthropic y los relatos de clientes.
Preguntas frecuentes
¿Qué es el costo por tarea en IA?
Es cuánto cuesta, en promedio, que el modelo termine un trabajo que sirvió sin retoques. Se calcula dividiendo el gasto total en tokens de entrada y de salida entre el número de tareas resueltas. Es el único número que compara dos modelos de verdad, porque el precio por token no muestra cuántos tokens gasta cada modelo.
¿Por qué el mismo precio por token puede dar costos distintos?
Porque cada modelo gasta una cantidad diferente de tokens para hacer la misma tarea. Un modelo que “piensa” más antes de responder consume más tokens de salida. Con el precio de lista idéntico, la factura sube o baja según ese consumo.
¿Claude Sonnet 5.5 es más barato o más caro que Sonnet 5?
Depende del ajuste. El precio de lista es el mismo: 2 dólares por millón de tokens de entrada y 10 de salida. Anthropic habla de hasta un 30% menos por tarea, y la medición independiente de Artificial Analysis, hecha en el esfuerzo máximo, encontró un costo por tarea cerca de un 50% mayor.
¿Qué es el ajuste de esfuerzo de un modelo de IA?
Es la configuración que define cuánto puede razonar el modelo antes de responder. Un esfuerzo mayor tiende a dar mejores respuestas en tareas difíciles y consume muchos más tokens. Las aplicaciones suelen venir en el nivel medio por defecto.
¿Cómo probar un modelo nuevo antes de cambiar?
Separe veinte tareas reales, ejecútelas en ambos modelos con el ajuste que va a usar en el día a día, anote los tokens de entrada y de salida, marque qué respuestas sirvieron sin retoques y divida el gasto total entre las tareas resueltas. El resultado es el costo por tarea de cada modelo.
¿Cuándo vale la pena usar el esfuerzo máximo?
Cuando la tarea es difícil y el error sale caro, como la revisión de un contrato, un cálculo fiscal o código que va a producción. En tareas rutinarias y de gran volumen, como clasificar mensajes o resumir conversaciones, el esfuerzo máximo multiplica la cuenta sin una ganancia equivalente.