Claude Opus vs Sonnet, probados: qué modelo para cada tarea

¿Qué diferencia hay entre Claude Opus y Claude Sonnet?

Anthropic recomienda Opus 5.5 como punto de partida y presenta Sonnet 5.5 como el nivel equilibrado. Sus tarifas API son distintas, pero no equivalen al precio de una suscripción a la aplicación.

Modelos y tarifas API comprobados el 19 de octubre de 2026; importes en USD por millón de tokens.

Claude Mythos 5.1, lanzado el 1 de septiembre de 2026, tiene acceso restringido a organizaciones verificadas de ciberdefensa y ciencias de la vida. No es una opción de consumo general.

La versión evaluada fue Claude Sonnet 5, anterior a Sonnet 5.5. No traslade sus puntuaciones a la versión actual. Fable 5.1 se añadió el 20 de octubre de 2026 con las mismas instrucciones y rúbricas: superó el 90 % de los criterios en la primera ronda y el 78 % en la segunda, con gpt-6-astra como juez. Para comparar familias, consulte la comparación de Claude y ChatGPT.

¿Qué mostraron nuestras pruebas de octubre de 2026?

En las pruebas del 19 de octubre de 2026, Opus y Sonnet quedaron próximos en inglés y español; la separación fue mayor en francés y portugués de Brasil. Ambos tuvieron el mismo juez, gpt-6-astra, aunque los jueces no son igual de estrictos; las pruebas se ejecutaron por API, no en las aplicaciones, cuyos resultados pueden diferir.

El 19 de octubre de 2026, cada ronda incluyó 40 instrucciones en 10 profesiones, 5 criterios predefinidos por instrucción y 3 ejecuciones por modelo: 360 ejecuciones por ronda. Participaron Claude Opus 5.5, Claude Sonnet 5 y GPT-6 Astra. El 20 de octubre de 2026 añadimos Claude Fable 5.1 y Gemini 4 Argon a las 80 instrucciones, con las mismas rúbricas y 240 ejecuciones completadas y evaluadas por modelo; ambos comparten el juez gpt-6-astra con Opus y Sonnet, mientras que GPT-6 Astra tiene otro juez, claude-opus-5-5, por lo que sus porcentajes no son directamente comparables. Gemini se ejecutó mediante la CLI Antigravity de Google con un agente sin herramientas, y los demás mediante un entorno API de línea de comandos, no en las aplicaciones, cuyos resultados pueden diferir. La primera ronda contenía 30 instrucciones en inglés y 10 en español; la segunda, 20 en francés y 20 en portugués de Brasil.

La segunda incorporó trampas deliberadas, como un total incorrecto y una conversión de unidades errónea. Las puntuaciones bajaron para todos los modelos. No promediamos ambas rondas ni atribuimos la diferencia únicamente al idioma.

Resultados del 19 de octubre de 2026. Mismo juez para ambos Claude: gpt-6-astra; los jueces tienen distinta exigencia. Entorno API de línea de comandos, sin herramientas, web ni memoria; la aplicación puede dar otros resultados.

Con el mismo juez, gpt-6-astra, Claude Fable 5.1 superó el 90 % de los criterios en la ronda 1 y el 78 % en la ronda 2, con todos los criterios cumplidos en 67 de 120 y 28 de 120 ejecuciones, respectivamente. Gemini 4 Argon alcanzó el 91 % y el 80 %, con todos los criterios cumplidos en 75 de 120 y 36 de 120 ejecuciones, respectivamente.

La calibración muestra por qué importa el juez. En ejecuciones API de Claude del 19 de octubre de 2026, al sustituir gpt-6-astra por claude-opus-5-5, la aprobación pasó del 93 % al 98 % en 30 muestras de la primera ronda, y del 74 % al 86 % en 10 de la segunda. Con 10 muestras por modelo y ronda, el cambio fue del 88 % al 100 % en la primera ronda y del 82 % al 90 % en la segunda para Claude Fable 5.1, y del 92 % al 98 % y del 86 % al 88 %, respectivamente, para Gemini 4 Argon. Los jueces no son igual de estrictos y estas cifras tampoco predicen el resultado en la aplicación.

Un agente editor, no una persona, revisó veredictos sin ver antes la evaluación: coincidió en 18 de 20 en la primera ronda y en 9 de 10 en la segunda. En las revisiones de Claude Fable 5.1 coincidió en 8 de 12 y en las de Gemini 4 Argon en 7 de 10; en los desacuerdos de estos dos modelos, el juez fue más estricto que el agente. «Probado» significa al menos 2 ejecuciones completadas y evaluadas, no una aprobación profesional.

Resultados por profesión del 19 de octubre de 2026: porcentaje de criterios superados. Juez compartido, gpt-6-astra; los jueces no son igual de estrictos. Pruebas API sin herramientas, web ni memoria; los resultados en la aplicación pueden diferir.

Estas cifras agrupan idiomas por ronda: no son resultados exclusivos del español. Los 20 prompts por idioma de la segunda ronda se reparten entre profesiones, no corresponden a cada profesión. En una segunda ronda en español, separada y ejecutada el 21 de octubre de 2026 con 10 instrucciones nuevas para ingenieros, agentes de viajes, jefes de obra, organizadores de eventos y diseñadores de interiores, Claude Opus 5.5 superó el 83 % de los criterios y Claude Sonnet 5 el 72 %, con el mismo juez, gpt-6-astra, por API y no en las aplicaciones, cuyos resultados pueden diferir; no combinamos esta ronda con las anteriores. En la calibración de esa ronda, las respuestas de Claude obtuvieron un 77 % con gpt-6-astra y un 93 % con claude-opus-5-5, lo que muestra la distinta exigencia de los jueces.

La mayoría de los criterios perdidos se debieron a contenido añadido, como advertencias, fechas, beneficios o supuestos legales ausentes de la entrada, y, en ambos Claude, a límites de palabras. Revise tanto las omisiones como las afirmaciones añadidas. Puede orientar esa revisión con nuestras guías de IA para contadores, IA para abogados e IA para médicos.

¿Qué plan necesita para usar cada modelo?

Free incluye Sonnet y Haiku; Pro añade acceso a Opus, pero no incluye Fable. La información verificada sobre planes identifica familias de modelos, sin garantizar aquí una versión concreta para cada suscripción.

Planes comprobados el 19 de octubre de 2026. Precios de lista en USD para visitantes de Estados Unidos, sin impuestos.

Compruebe en la página del proveedor los precios en moneda local y los impuestos (IVA) para México, España o Colombia.

Si necesita acceso a Opus y Sonnet, Pro lo incluye. No justificamos contratar Max por una supuesta superioridad de Fable: con el mismo juez, gpt-6-astra, superó el 90 % de los criterios en la primera ronda y el 78 % en la segunda, frente al 92 % y el 79 % de Opus 5.5, respectivamente. Consulte la guía de Claude para profesionales para ampliar la comparación.

¿Cómo elegir con documentos de su trabajo?

Compare las respuestas con una referencia que usted pueda verificar y registre cuánto debe corregir. Los resultados de octubre de 2026 no demuestran que Sonnet sea siempre suficiente para redactar ni que Opus detecte todos los errores numéricos.

Use un documento ficticio, conserve la misma instrucción para ambos y compruebe fidelidad, cálculos, omisiones y extensión. Los siguientes prompts son propuestas de uso, no instrucciones cuya eficacia hayamos evaluado por separado.

Para redactar desde una fuente delimitada:

Actúe como asistente de redacción para [PROFESIÓN].
Prepare [TIPO DE DOCUMENTO] para [DESTINATARIO], en español,
con un máximo de [NÚMERO] palabras.

Use exclusivamente el texto proporcionado.
No añada fechas, advertencias, beneficios ni supuestos legales.
Si falta información necesaria, escriba [FALTA: descripción].
Al final, indique qué datos del original no utilizó.
Incluya esa nota dentro del límite de palabras.

Texto ficticio, sin datos personales:
[TEXTO]

Para revisar cifras antes de redactar:

Revise este documento para [PROFESIÓN] antes de enviarlo
a [DESTINATARIO]. Trabaje en este orden:

- Compruebe sumas, porcentajes y conversiones de unidades.
  Muestre los cálculos y señale discrepancias.
- Identifique afirmaciones sin respaldo en el documento.
- Separe las decisiones que requieren revisión profesional:
  plazos, cifras finales y referencias normativas.
- Después proponga un borrador de máximo [NÚMERO] palabras.
  No añada hechos ni cierre decisiones pendientes.

Documento con datos ficticios:
[DOCUMENTO]

Compruebe los cálculos por separado y coteje cada afirmación con el original. Si trabaja en un despacho, consulte también nuestra biblioteca de prompts para abogados.

Límites y revisión profesional

Las pruebas miden cumplimiento de criterios; no constituyen una validación jurídica, contable o clínica. Un profesional habilitado en su jurisdicción debe revisar cálculos, referencias normativas, conclusiones clínicas y decisiones antes de utilizar el texto. Esta página no ofrece asesoramiento legal, fiscal ni médico.

No hemos verificado las condiciones de datos, retención, entrenamiento ni protecciones empresariales de los planes. Antes de introducir información de clientes, pacientes o empleados, lea las condiciones de privacidad del plan y las reglas de confidencialidad de su profesión.

Referencias oficiales, con su alcance:

• España: la página de guías de la AEPD recoge, con fecha 7 de octubre de 2026, «Exactitud, idoneidad y calidad de los datos en tratamientos de datos personales con Inteligencia Artificial». Según la Comisión Europea, las prácticas prohibidas y las obligaciones de alfabetización en IA del artículo 4 se aplican desde el 2 de febrero de 2025; las obligaciones sobre IA de propósito general, desde el 2 de agosto de 2025; la mayoría de las normas, desde el 2 de agosto de 2026.
• México: la nueva LFPDPPP se publicó en el DOF el 20 de marzo de 2025. Define «transferencia» como cualquier comunicación de datos personales dentro o fuera de México a una persona distinta del titular, responsable o encargado. Consulte cómo encaja su uso concreto.
• Colombia: la Ley 1581 de 2012 se aplica al tratamiento de datos personales realizado en Colombia o cuando la legislación colombiana resulte aplicable a un responsable o encargado extranjero.

Preguntas frecuentes