Saltar al contenido principal

Claude Opus 5: la guía práctica

Intermedio

El 24 de julio de 2026 Anthropic lanzó Claude Opus 5 (claude-opus-5), el cuarto modelo en dos meses, después de Sonnet 5 (30 de junio) y Fable 5 / Mythos 5 (9 de junio). El titular es aburrido a propósito: el mismo precio de $5 de entrada / $25 de salida por MTok que Opus 4.8, el mismo contexto de 1M y el mismo tope de salida de 128k. Lo interesante es lo que ahora compran esas cifras sin cambios: 44,4 % en Frontier-Bench v0.1 frente al 18,7 % de Opus 4.8 (más del doble), 96,0 % en SWE-bench Verified y 30,16 % en ARC-AGI-3, aproximadamente el triple del 7,78 % de GPT-5.6 Sol y veinte veces el 1,52 % de Opus 4.8. Opus 5 es ahora el modelo por defecto de Claude Max y el más potente disponible en Claude Pro.

Esta página es la guía práctica: qué significan realmente los números para tu stack, los dos cambios de contrato de la API que provocarán un error 400 en una migración ingenua, cuándo Opus 5 reemplaza legítimamente a Fable 5 (y cuándo no) y el nuevo nivel de esfuerzo xhigh / max.

What you'll learn
  • Saber qué es Opus 5: contexto de 1M, salida de 128k, $5 de entrada / $25 de salida por MTok — la misma forma que Opus 4.8, con números claramente mejores
  • Entender las dos restricciones de la API que rompen las migraciones ingenuas: las limitaciones para desactivar el thinking con esfuerzo alto, y el thinking activado por defecto que consume tu presupuesto de max_tokens
  • Leer los benchmarks como los leen los líderes de equipos de agentes — Frontier-Bench, ARC-AGI-3, SWE-bench Pro, OSWorld 2.0 — y saber cuáles son significativos para tu carga de trabajo
  • Hacer las cuentas de precio con honestidad: cuándo Opus 5 con esfuerzo max supera a Fable 5 en coste por tarea resuelta y cuándo no
  • Elegir el nivel de esfuerzo correcto — los nuevos niveles xhigh y max se justifican en Frontier-Bench y ARC-AGI-3 y malgastan tokens en el resto
  • Planificar la migración de Opus 4.1 a Opus 5 antes de la fecha de retirada del 5 de agosto de 2026

La versión en un párrafo​

Opus 5 es una mejora de capacidad sin cambio de precio, no un reajuste de tarifas. Los mismos $5 / $25 por MTok que Opus 4.8, la misma ventana de 1M de tokens, la misma salida máxima de 128k en la Messages API síncrona, la misma fecha de corte de conocimiento fiable, desplazada a mayo de 2026. Lo que cambió es lo que hacen esos tokens: en Frontier-Bench v0.1 (la evaluación de agentes de programación más difícil de la propia Anthropic) Opus 5 puntúa 44,4 % con esfuerzo xhigh frente al 18,7 % de Opus 4.8: más del doble al mismo precio de lista. En ARC-AGI-3, la resolución de problemas nuevos salta del 1,52 % al 30,16 %. Dos cambios de contrato romperán las migraciones ingenuas: el adaptive thinking viene activado por defecto y comparte tu presupuesto de max_tokens con la respuesta, y thinking: {"type": "disabled"} ahora devuelve 400 en los nuevos niveles de esfuerzo xhigh o max. Opus 5 es el nuevo modelo por defecto en Claude Max, el más potente disponible en Claude Pro, y está disponible a través de la Claude API, Bedrock (anthropic.claude-opus-5), Google Cloud (claude-opus-5), Microsoft Foundry y Claude Platform on AWS.

Qué cambió realmente respecto a Opus 4.8​

Opus 4.8 salió en abril de 2026 como la primera Opus con ventana de contexto de 1M y adaptive thinking activado por defecto. Opus 5 conserva todos esos valores por defecto, así que en la red la forma de la petición y la respuesta es casi idéntica. Cambiaron cuatro cosas:

  • Los números. Frontier-Bench v0.1 pasó del 18,7 % al 44,4 % (xhigh) / 43,3 % (max). SWE-bench Multimodal del 38,4 % al 59,4 %. OSWorld 2.0 del 55,7 % al 70,57 %. Zapier AutomationBench del 17,0 % al 26,0 %. ARC-AGI-3 del 1,52 % al 30,16 % con esfuerzo alto.
  • Un nuevo nivel de esfuerzo max se sitúa por encima de xhigh, y thinking: {"type": "disabled"} ya no funciona en xhigh ni max (error 400). La idea es que en esos niveles pagas explícitamente por el razonamiento, así que desactivarlo en silencio ahora es un error y no una preferencia.
  • La autoverificación es ahora comportamiento por defecto, no un hábito inducido por el prompt. La guía de migración de Anthropic advierte expresamente que elimines las instrucciones manuales de «comprueba tu trabajo»: de lo contrario obtienes doble verificación y tokens quemados. Es la sorpresa más común en el primer día de ejecutar en Opus 5 código que antes corría en Opus 4.8.
  • La caché de prompts ya no se invalida con cambios de herramientas a mitad de conversación (beta). Si tu bucle de agente cambia la lista de herramientas en cada paso, el prefijo de caché ahora sobrevive; en Opus 4.8 pagabas una escritura nueva cada vez.

Los dos errores 400 que romperán la migración​

Guided walkthrough1 of 4
  1. Opus 4.8 permitía desactivar el thinking con cualquier nivel de esfuerzo. Opus 5 solo permite thinking: {"type": "disabled"} con esfuerzo high o inferior. Combinarlo con xhigh o max es un error duro. Si tienes un wrapper que siempre desactiva el thinking (algunos equipos lo hacen para mantener las respuestas escuetas), baja el esfuerzo a high o elimina el campo thinking y deja que el adaptive thinking funcione.

Migración mínima y segura — de Opus 4.8 a Opus 5

# Before (Opus 4.8) — worked
response = client.messages.create(
  model="claude-opus-4-8",
  max_tokens=4096,
  extra_body={"effort": "max"},
  thinking={"type": "disabled"},           # allowed on 4.8 at any effort
  system="After answering, verify your work step by step.",
  messages=[...],
)

# After (Opus 5) — three edits
response = client.messages.create(
  model="claude-opus-5",
  max_tokens=16384,                        # thinking now shares this budget
  extra_body={"effort": "max"},
  # thinking={"type": "disabled"}          # 400 at xhigh/max — remove it
  system="Answer the question.",           # drop the verify instruction — Opus 5 self-verifies
  messages=[...],
)

Los benchmarks que realmente importan​

Anthropic publicó muchas cifras el día del lanzamiento. Tres son determinantes para cargas de trabajo reales, una es un trofeo de marketing y dos merecen una lectura atenta porque muestran dónde Opus 5 no es la mejor opción.

  • Frontier-Bench v0.1 — 44,4 % (xhigh) frente al 18,7 % de Opus 4.8. Es la evaluación de programación agéntica más difícil de Anthropic: tareas de largo recorrido en las que el modelo debe ejecutar herramientas, iterar y autocorregirse. El salto de 2,4× al mismo precio es la razón más sólida para migrar.
  • SWE-bench Verified — 96,0 %. Casi en el techo. Si usabas Opus 4.8 o Fable 5 para corregir bugs al estilo SWE-bench, Opus 5 es una mejora directa. Pero SWE-bench Verified ya es un benchmark saturado: las diferencias pequeñas ya no discriminan entre modelos como antes.
  • OSWorld 2.0 — 70,57 % frente al 55,7 % de Opus 4.8. Benchmark de uso del ordenador. Si ejecutas Claude for Chrome, el modo navegador de Claude Cowork o cualquier cosa que haga clic en una interfaz real, este es el número que hay que vigilar.
  • ARC-AGI-3 — 30,16 % (esfuerzo alto) frente al 7,78 % de GPT-5.6 Sol y el 1,52 % de Opus 4.8. El trofeo de marketing. ARC-AGI-3 mide la resolución de problemas nuevos que resisten la memorización, y Opus 5 es aproximadamente 3× el siguiente mejor modelo. Señal significativa si tu carga de trabajo tiene verdadera novedad; menos si son variantes de cosas que internet ya ha resuelto.
  • SWE-bench Pro — 79,2 % frente al 80,0 % de Fable 5. Fable 5 todavía supera a Opus 5 por 0,8 pp en el SWE-bench Pro, más difícil. No basta para justificar el doble de precio de Fable 5 en la mayoría de los equipos, pero si estás en el decil superior de complejidad de código y cada punto cuenta, tenlo presente.
  • Explotación en ciberseguridad — Opus 5 queda por detrás de Mythos 5. Anthropic dice explícitamente que Opus 5 no es el mejor modelo de ciberseguridad. Si haces trabajo de ciberdefensa y tu organización está verificada mediante los programas de verificación de Anthropic, Mythos sigue siendo la elección.

Cuándo Opus 5 reemplaza a Fable 5 (y cuándo no)​

La pregunta interesante que fuerza este lanzamiento: ¿cuándo necesitas realmente el precio de $10 / $50 de Fable 5? La afirmación de Anthropic es que Opus 5 queda a menos de un 0,5 % del pico de Fable 5 en CursorBench 3.2 a la mitad de coste, y que iguala el resultado de Fable 5 en OSWorld 2.0 por «algo más de un tercio del coste». Esa es la versión fuerte del argumento. La versión honesta:

  • Elige Opus 5 para programación agéntica, uso del ordenador, automatización de negocio, razonamiento en ciencias de la vida y cualquier caso en que el coste por tarea resuelta importe más que el último 1-3 pp de calidad. Eso es >90 % de las cargas de producción.
  • Elige Fable 5 cuando la carga de trabajo sea (a) agentes de larga duración donde la ejecución marginal se beneficie realmente del último punto porcentual (Anthropic presenta Fable 5 como «inteligencia de nueva generación para agentes de larga duración»), (b) tareas de código difíciles al estilo SWE-bench Pro donde hayas medido una diferencia real, o (c) cualquier carga que ya esté en la zona de la curva precisión-coste donde pagar el doble compra calidad real.
  • Elige Mythos para trabajo de ciberdefensa, si tu organización está verificada. Desde el 6 de octubre de 2026 la vía de entrada es una solicitud al Cyber Verification Program —el sucesor del Project Glasswing, que era solo por invitación— y lo que conceden sus niveles es Mythos 5.1.

Honest cost-per-solved-task math

# Fable 5 on a hard agentic task
#   ~500k input tokens, ~50k output tokens
#   500 * $10/M + 50 * $50/M = $5.00 + $2.50 = $7.50 per run
#   Fable 5 solve rate: ~46% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $7.50 / 0.46 = ~$16.30

# Opus 5 on the same task
#   Same token budget
#   500 * $5/M + 50 * $25/M = $2.50 + $1.25 = $3.75 per run
#   Opus 5 solve rate: ~44.4% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $3.75 / 0.444 = ~$8.45

# Opus 5 wins on cost-per-solved-task by ~48% at near-parity quality.
# Break-even: Fable 5 would need to be 2x cheaper per successful run,
# i.e. Opus 5 would have to drop below ~23% solve rate for Fable 5 to win.

El nuevo nivel max — cuándo se justifica​

Opus 5 introduce max como un nivel explícito por encima de xhigh. El adaptive thinking ahora abarca low → medium → high → xhigh → max, y high es el valor por defecto en la Claude API y en Claude Code. Dos observaciones de los benchmarks del lanzamiento:

  • En Frontier-Bench v0.1, xhigh puntúa en realidad 44,4 % frente al 43,3 % de max: max no es estrictamente mejor. Quema más tokens por intento, pero el razonamiento extra no siempre se traduce en aciertos en esta evaluación.
  • En tareas que premian la deliberación larga —ARC-AGI-3, problemas de investigación novedosos, razonamiento matemático difícil (nivel medalla de oro de la IMO 2026, 42/42)— los niveles altos sí se justifican.

La regla práctica: usa high por defecto, pasa a xhigh cuando tu evaluación muestre mejoras medibles y usa max solo en cargas donde hayas verificado que la profundidad de razonamiento importa más que el rendimiento. No pongas max y esperes lo mejor; mide.

Ciencias de la vida, seguridad y postura en ciberseguridad​

Tres números que conviene anotar:

  • Ciencias de la vida. Opus 5 supera a Opus 4.8 en 10,2 puntos porcentuales en química orgánica y en 7,7 pp en predicción de proteínas. Si construyes agentes para biología estructural, bioinformática o planificación de síntesis, es un salto real, no una mejora dentro del ruido.
  • Resistencia a la inyección de prompts. En el benchmark de Gray Swan, el éxito del atacante baja del 5,5 % de Opus 4.8 al 2,0 %. En los entornos de navegador de Claude Cowork, las salvaguardas del modo automático llevan el éxito de inyección de prompts en el navegador al 0 % según las mediciones de Anthropic. Relevante para quien despliegue agentes al estilo Claude-for-Chrome.
  • Clasificadores de ciberseguridad. Las salvaguardas cibernéticas de Opus 5 intervienen ~85 % menos a menudo que en Fable 5: como Opus 5 deliberadamente no es el mejor modelo de ciberseguridad, la tasa de intervención se ha reducido. Si veías rechazos de seguridad espurios en prompts legítimos de investigación de seguridad en Fable 5, Opus 5 se sentirá notablemente menos quisquilloso.

Calendario de retiradas que debes planificar​

  • Opus 4.1 (claude-opus-4-1-20250805) se retira el 5 de agosto de 2026, once días después del lanzamiento de Opus 5. Si alguna superficie de producción sigue fijada a Opus 4.1, migra esta semana.
  • Opus 4.5 / 4.6 / 4.7 / 4.8 siguen disponibles como «Legacy models» en la vista general de la plataforma, pero cuenta con los ciclos estándar de deprecación de 12 meses. Trata Opus 5 como el destino de migración para todo lo nuevo.
  • El ID de modelo de Opus 5 es una instantánea fijada, no un puntero siempre actualizado. Desde la generación 4.6, el formato de ID sin fecha sigue significando «instantánea fija». Un futuro claude-opus-5-1 sería un ID nuevo, no una actualización silenciosa de claude-opus-5.

Pruébalo — un solo comando​

Run Opus 5 with the recommended defaults

# Python — Claude SDK
from anthropic import Anthropic
client = Anthropic()

response = client.messages.create(
  model="claude-opus-5",
  max_tokens=8192,                    # room for adaptive thinking + response
  extra_body={"effort": "high"},      # default; move to xhigh only if evals justify
  system="You are a senior engineer. Answer directly and iterate until the task is complete.",
  messages=[{"role": "user", "content": "..."}],
)

# Claude Code
claude --model claude-opus-5

# For fast mode (2.5x speed, 2x cost)
# model="claude-opus-5-fast"  # separate model ID, $10/$50 per MTok

Hoja de referencia​

Pulsa Intro o Espacio para girar la tarjeta. Usa las flechas izquierda y derecha para moverte entre las tarjetas.Término mostrado.
1 / 8

Comprueba lo que has aprendido​

Check yourself

0/5
  1. Migras a Opus 5 un wrapper que fijaba `model="claude-opus-4-8"`, `effort: "max"` y `thinking: {"type": "disabled"}`. ¿Qué ocurre?
  2. Tu prompt de Opus 4.8 termina con 'Ahora verifica tu respuesta paso a paso.' Cambias a Opus 5 y ves aproximadamente el doble de coste en tokens de thinking en prompts difíciles. ¿Por qué?
  3. Para una carga de producción de programación agéntica en la que importa la tasa de resolución y el coste es una restricción real, ¿qué modelo respaldan con más fuerza los datos del lanzamiento de Opus 5?
  4. Pones `effort: "max"` en cada petición esperando una calidad estrictamente mejor que con `xhigh`. ¿Qué sugieren los datos del lanzamiento de Anthropic?
  5. ¿Cuál de estas es la fecha de retirada que debes planificar tras el lanzamiento de Opus 5?

Adónde ir después​

Fuentes y lecturas adicionales​

Siguiente​