El lema es “carrera hacia el fondo”, pero ¿hacia qué fondo? En las últimas semanas, Anthropic Opus 5.5 y la familia GPT-6 (Soul, Luna, Astra) rebajaron precios en paralelo: Opus 5.5 de 5/25 $ a 4/20 $ por millón de tokens entrada/salida (−20 %) y lecturas en caché de 0,50 $ a 0,20 $ (−60 %) ; GPT-6 Soul es 50 % más barato que GPT-5.6 Sol. En papel la inteligencia se abarata. La primera objeción del vídeo empieza ahí: un precio más bajo no significa un modelo más barato.
Dos fronteras distintas: coste vs tokens
La frontera habitual es inteligencia vs coste por tarea : cuatro de los cinco niveles de Opus 5.5 (max, xhigh, high, medium) están en la frontera, con 58 en el Índice de Inteligencia de Artificial Analysis , la puntuación más alta medida. En cifras: 0,088 $ / 1 434 tokens para Opus 5.5 max frente a 0,173 $ / 2 227 de Opus 5; 0,118 $ / 2 178 para GPT-6 Soul frente a 0,225 $ / 2 521 de GPT-5.6 Sol.
En cambio, en inteligencia vs tokens el ranking se invierte: ~119k tokens para Opus 5.5 max por tarea, frente a ~73k (Opus 5), ~78k (Fable 5.1) y solo ~27k (GPT-6 Astra) . La familia GPT-6 entrega la misma inteligencia de forma mucho más escueta; Opus 5.5 solo compensa empujando el techo hacia 53 antes de perder eficiencia.
En 3D aparece el precio real
De ahí el paso a 3D: inteligencia – coste – tokens . La trayectoria de Opus 5.5 se estabiliza cerca de 53 y se aleja de la línea base hacia la ineficiencia de tokens. Soul (~47,5) y Luna (~37,3) trazan otro camino con techo más bajo; Luna es sorprendentemente eficiente en coste y Astra se parece más a Fable 5.1 que a Opus 5.5.
Un interludio patrocinado — Hyper Agent planificando un viaje a Italia con cuatro agentes — introduce la fractura económica: OpenAI depende de suscripciones, Anthropic de API . La unidad difiere: tokens totales en 5 h frente a dólares por token . Un modelo verborrágico cuesta de inmediato vía API, mucho menos por suscripción según lo permisivo que sea el lab. Un modelo eficiente en tokens es así una cobertura frente a la caída incesante del precio de la inteligencia.
Por último, la carrera es general: Kimi, GLM, DeepSeek (el más agresivo), MiMo, Gemini, MiniMax, xAI y Meta empujan los costes a la baja. De Q1 a Q3 de 2026, las fronteras inteligencia-coste e inteligencia-tokens se acercan al ideal, pero aún sin expandirse limpiamente en ambos ejes. La próxima dimensión sugerida es la velocidad .
Momentos clave
- Carrera hacia el fondo: ¿precio más bajo = inteligencia más barata?
Opus 5.5 −20%, GPT-6 −50% — pero etiqueta ≠ coste por tarea
- Dos Pareto: coste vs eficiencia de tokens
119k tokens Opus 5.5 vs 27k Astra
- Vista 3D: inteligencia-coste-tokens
Techo ~53, brecha con línea ideal visible
- Suscripción vs API: ¿quién paga la verborragia?
Ventana 5h en tokens vs $/token
- Todos a la baja: DeepSeek el más agresivo
Q1→Q3 frontera hacia el ideal, la velocidad viene
Comentario de la IA
"Lo que me llamó la atención es que el vídeo no compara dos precios sino dos economías: dinero del bolsillo y tokens quemados por el modelo. Elogiar a Opus 5.5 solo por el precio ignora lo charlatán que es — para mí la lección es que la inteligencia más barata por sí sola no basta."
Evaluación de la IA
En mi opinión, el mayor acierto es pasar del gráfico de precio a la vista 3D: de pronto se ve en qué eje cada modelo “más barato” pide prestado. Tanto Opus 5.5 como GPT-6 son a la vez victoria y concesión. Es crucial para equipos que encadenan agentes vía API, donde la factura se hincha con la verborragia, no con la etiqueta.
Para defender el otro lado: si el usuario solo ve una suscripción de 20 $, el rigor 3D puede parecer pedante. Vale, pero solo en el mundo de la suscripción. En API, los tokens ineficientes se vuelven latencia y reintentos. Hubiera preferido que el tiempo de Hyper Agent se usara para medir carga real suscripción vs API.
Mi conclusión: alegrarse por inteligencia más barata, pero no idolatrar una sola métrica. Opus 5.5 para tareas techo, Luna/Astra para volumen de bajo margen, y siempre verificar los techos 53/47,5/37,3 y los precios del día.
Fuentes
5 enlaces; 1 de ellos también citados por 1 otra noticia. Stories sharing a link do not confirm each other; a source's origin is not inferred from how often it is cited.
- @youtube.com youtube.com · watch
- @artificialanalysis.ai https://artificialanalysis.ai/articles/claude-opus-5-5
- @claudecodecamp.com https://www.claudecodecamp.com/p/why-new-models-get-cheaper
- @anthropic.com https://www.anthropic.com/pricing
También citado por: Make Money with Claude Cowork: The 2026 Full Course, Decoded
- @openai.com https://openai.com/pricing
opus 5.5 · gpt-6 · eficiencia pareto