Anthropic lanzó Claude Sonnet 5.5 el 28 de septiembre, al mismo precio de lista que Sonnet 5. La empresa afirma que el modelo funciona más de un 30 % más rápido y cuesta hasta un 30 % menos por tarea.
Una firma independiente de evaluación comparativa llegó a una conclusión distinta sobre el costo cuando llevó el modelo al límite.
Síguenos en X para obtener las últimas noticias a medida que suceden
El segundo modelo 5.5 de Anthropic llega días después de Opus
Sonnet 5.5 es el segundo modelo de la familia Claude 5.5. Anthropic lanzó Opus 5.5 el 22 de septiembre. Ese mismo día, OpenAI también lanzó GPT-6 Sol y Luna.
El nuevo modelo mantiene los precios de Sonnet 5: 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida. Anthropic informó una puntuación del 70,6 % en Terminal-Bench 4.0, una prueba de programación con agentes. Sonnet 5 apenas alcanzó el 10,3 %, mientras que Opus 5.5 obtuvo un 66,4 %.
«Mientras que Opus 5.5 está diseñado para trabajos complejos que requieren un criterio cuidadoso, Sonnet 5.5 destaca en tareas cotidianas bien delimitadas, la corrección de errores y la creación de documentos, presentaciones y hojas de cálculo pulidos», afirmó el equipo.
Anthropic afirmó que Sonnet 5.5 no amplía la frontera de sus capacidades. Por ello, su revisión de alineación se centró en riesgos como inducir a error a los usuarios y facilitar usos indebidos de alto impacto.
Sonnet 5.5 también incluye protecciones contra amenazas cibernéticas y clasificadores contra la destilación. Estos bloquean los intentos de extraer el razonamiento del modelo para entrenar sistemas rivales. Claude Haiku 5.5 llegará en las próximas semanas.
Mientras tanto, OpenAI dejó de lado un próximo modelo, GPT-6.1 Astra, por motivos de seguridad. CNBC confirmó el lunes que el modelo no cumplió con los estándares de la empresa.
Artificial Analysis detecta un mayor consumo de tokens con el esfuerzo máximo
Artificial Analysis, la firma de evaluación comparativa que situó a Grok 4.7 en cuarto lugar, otorgó a Sonnet 5.5 una puntuación de 56 en su Intelligence Index. Esto lo coloca en segundo lugar en la clasificación general, 2 puntos por detrás de Opus 5.5 con el esfuerzo máximo.
La firma registró un 64 % para Sonnet 5.5 en Terminal-Bench 4.0, frente al 60 % de Opus 5.5 y GPT-6 Astra. En pruebas de trabajo intelectual, como GDPval-AA, encontró que Sonnet 5.5 estaba aproximadamente a la par de Opus 5.5.
La firma afirmó que Sonnet 5.5 utilizó significativamente más tokens para alcanzar esos resultados.
«Con el esfuerzo máximo, cuando alcanza un rendimiento cercano al de Opus 5.5, Claude Sonnet 5.5 utilizó unos 193.000 tokens de salida por tarea del Intelligence Index».
Esa cantidad supera en aproximadamente un 60 % la de Opus 5.5 y Sonnet 5 con el esfuerzo máximo. También es unas 7 veces superior a la cantidad que utiliza GPT-6 Astra con el esfuerzo máximo.
Los clientes con acceso anticipado citados por Anthropic informaron de la tendencia opuesta en comparación con Sonnet 5, aunque con cargas de trabajo distintas. Balyasny Asset Management observó un consumo de tokens mucho menor en sus tareas financieras.
«En nuestro conjunto privado de 2.441 tareas financieras, que abarca preguntas y respuestas, extracción, análisis y previsión, Claude Sonnet 5.5 superó a Sonnet 5 y utilizó unos 121.000 tokens por respuesta, mientras que Sonnet 5 utilizó 497.000», afirmó Joe Poirier, ingeniero sénior de IA en Balyasny Asset Management.
Artificial Analysis probó una versión previa al lanzamiento que tenía un error en la salida estructurada, que Anthropic ya ha corregido. La firma tiene previsto repetir pronto las evaluaciones pertinentes.
Suscríbete a nuestro canal de YouTube para ver a líderes y periodistas proporcionar información experta
Fuente: BeInCrypto
