Anthropic presentó Opus 5.5 el 22 de septiembre con dos rebajas distintas. La tarifa por millón de tokens cae 20%: de US$5 a US$4 para entrada y de US$25 a US$20 para salida. La empresa calcula además un costo de operación 40% menor que Opus 5 en cargas típicas con la configuración predeterminada, combinando esos precios con menos tokens por tarea. Informa también que genera texto más de un 30% más rápido. Ninguna de esas cifras significa que cualquier trabajo cueste automáticamente 40% menos o concluya 30% antes. Anuncio de Anthropic.
Esa distancia importa para quien paga por una tarea terminada. Un modelo puede responder deprisa y dejar una tarde de comprobaciones. También puede tardar más en contestar y ahorrar varias consultas posteriores. La unidad comercial es el token, una unidad de procesamiento de texto; la unidad de valor para un equipo puede ser un informe utilizable, una reparación aprobada o una reclamación correctamente resuelta. Confundirlas favorece compras que se ven excelentes en la factura y mediocres en el calendario.
El ahorro cambia cuando cambia la unidad
Supongamos un trabajo cuyo costo total es cien: cuarenta corresponden al uso del modelo y sesenta a preparar información, revisar resultados e incorporarlos al proceso. Si aquella primera partida cae un 40% y las demás permanecen iguales, el total baja a ochenta y cuatro. El ahorro conjunto es 16%, no 40%. Es un ejemplo aritmético hipotético, no una estimación de Opus. Muestra por qué una reducción verdadera puede terminar convertida en una promesa exagerada sin que nadie altere la cifra original.
La revisión tampoco tiene un precio fijo. Una respuesta que señala dónde obtuvo un dato facilita comprobarlo. Otra que mezcla fuentes y conjeturas obliga a reconstruir el camino. Si el sistema propone cambios de código, alguien necesita distinguir una mejora del comportamiento deseado de una alteración que simplemente hace pasar la prueba. El valor de un modelo más capaz puede estar allí: reducir el trabajo necesario para saber si lo que hizo sirve.
Una investigación independiente muestra lo difícil que resulta medir ese efecto. En febrero de 2026, METR advirtió que su nuevo experimento de productividad tenía sesgos de selección y dificultades para medir trabajo con agentes simultáneos. Consideraba probable una mayor aceleración que en 2025, pero débil la evidencia sobre su magnitud. Esa investigación no evalúa Opus 5.5. Actualización de METR.
Producir más puede atascar la siguiente mesa
Un equipo puede multiplicar borradores sin multiplicar su capacidad de aceptar, rechazar o corregirlos. Si la revisión se convierte en una cola creciente, el ahorro en generación compra acumulación. Si se omite para despejar la cola, el costo reaparece cuando el error ya salió de la oficina.
La alternativa requiere observar dónde merece la pena gastar atención. Un cambio pequeño, reversible y cubierto por pruebas puede circular con controles distintos de una decisión que afecta a un cliente. Revisar todo de la misma manera desperdicia recursos; revisar solo lo que el sistema declara dudoso supone que también sabe detectar sus errores. Una muestra de resultados aparentemente normales ayuda a comprobar esa última suposición.
Para comparar herramientas sería razonable mantener un conjunto de tareas representativas, registrar las correcciones necesarias y contar el tiempo hasta obtener un resultado aceptable. El criterio de aceptación tendría que existir antes de ver qué modelo ganó. Si se redefine para acomodar la salida más vistosa, la evaluación termina premiando la persuasión. Tampoco conviene limitar el ensayo a aquello que el equipo ya sabe que la herramienta resuelve bien: los casos difíciles revelan dónde deberá intervenir otra persona.
El beneficio de una rebaja puede ser considerable. Hace viables encargos antes demasiado caros y permite ensayar más alternativas. Pero aprovecharla exige decidir qué se hará con la capacidad liberada: ampliar producción, mejorar comprobaciones o reducir gasto. Son resultados distintos. El proveedor puede bajar el precio de generar respuestas; la organización todavía debe convertirlas en trabajo que alguien pueda utilizar.