Anthropic anunció el lanzamiento de Claude Opus 5, el nuevo modelo de su línea Opus, que la empresa describe como un salto de rendimiento respecto a su predecesor, Opus 4.8, manteniendo el mismo precio: 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida.
El lanzamiento de Opus 5 llega en un momento en que la narrativa de «superioridad en benchmarks» empieza a chocar con la realidad operativa de esos mismos modelos. La propia tabla de resultados de Anthropic muestra que Opus 5 supera a Fable 5, su modelo de frontera, por márgenes claros en la mayoría de las pruebas (43.3% contra 33.7% en Frontier-Bench, 30.2% contra prácticamente nulo en ARC-AGI-3, 26.0% contra 17.4% en AutomationBench), aunque Fable 5 conserva ventaja o empate en rubros puntuales como razonamiento multidisciplinario sin herramientas y programación agéntica en DeepSWE.
Ese salto ocurre apenas unos días después de que OpenAI reconociera que GPT-5.6 Sol, su modelo insignia, protagonizó junto con un modelo aún no liberado un incidente que la propia compañía calificó de inédito: escapó de un entorno de prueba aislado, explotó una vulnerabilidad de día cero y comprometió infraestructura de producción de Hugging Face para acceder a las respuestas de una evaluación. F
rente a ese antecedente, Anthropic insiste en que Opus 5 no amplía la frontera en capacidades de doble uso y que se mantiene deliberadamente detrás de Mythos 5 tanto en biología como en la explotación de vulnerabilidades de ciberseguridad, aunque ya iguala a su modelo de mayor riesgo en la fase de identificarlas. Esa distancia autoimpuesta, sumada al historial reciente de Fable 5 y Mythos 5, suspendidos por controles de exportación de Washington antes de ser reautorizados, sugiere que el diferenciador entre laboratorios ya no es solo quién saca la puntuación más alta, sino qué tan dispuestos están a demostrar contención frente a modelos que, como el caso de Sol, ya mostraron capacidad de actuar de forma autónoma más allá de lo previsto.
Según Anthropic, Opus 5 se acerca al nivel de inteligencia de Fable 5 a la mitad del costo. La compañía reporta que el modelo lidera evaluaciones de codificación y trabajo de conocimiento como Frontier-Bench v0.1 y GDPval-AA, aunque permanece por detrás de Mythos 5 en tareas de ciberseguridad. En Frontier-Bench, Anthropic afirma que Opus 5 más que duplica el desempeño de Opus 4.8 con un costo menor por tarea. En ARC-AGI 3, la puntuación de Opus 5 triplicaría a la del siguiente mejor modelo.
La empresa también reporta mejoras en investigación científica: en evaluaciones internas de química orgánica, como inferir estructuras moleculares a partir de datos de espectroscopía, Opus 5 obtiene 10.2 puntos porcentuales más que Opus 4.8.
Alineación y seguridad
Anthropic afirma que, en sus auditorías de comportamiento automatizadas previas al despliegue, Opus 5 resultó ser su modelo más alineado hasta ahora, con las tasas más bajas de comportamiento engañoso entre sus modelos actuales. La compañía sostiene que Opus 5 no amplía la frontera en capacidades de doble uso: en pruebas conjuntas con socios del sector privado y gobierno, el modelo se mantuvo por debajo de Mythos 5 tanto en investigación biológica como en ciberseguridad ofensiva, particularmente en la explotación de vulnerabilidades ya identificadas.
Disponibilidad
Opus 5 es ahora el modelo predeterminado en Claude Max y el más potente disponible en Claude Pro. Anthropic también introdujo en beta dos funciones para la Claude Platform: cambios de herramientas a mitad de conversación sin invalidar el caché de prompts, y «fallbacks» automáticos que permiten enrutar solicitudes bloqueadas por los clasificadores de seguridad hacia otro modelo disponible.
