La carrera por desarrollar la inteligencia artificial más potente acaba de sumar un nuevo capítulo con dos lanzamientos prácticamente simultáneos durante el día de ayer. OpenAI ha presentado GPT-6 Sol, un modelo pensado para acercar las capacidades de su generación GPT-6 a un coste mucho menor, mientras que Anthropic acaba de poner sobre la mesa Claude Opus 5.5, su nuevo modelo de referencia. Ambos llegan con la promesa de hacer que las tareas complejas sean más rápidas y económicas, pero sus características y prioridades no son exactamente las mismas. La comparativa es especialmente interesante porque las dos compañías han utilizado sus propios benchmarks para medir el rendimiento frente a la competencia.
Por eso, además de las cifras, conviene fijarse en qué tareas está diseñado cada modelo y cuánto cuesta realmente utilizarlos. Diferencias entre GPT-6.0 Sol y Claude Opus 5.5 GPT-6 Sol forma parte de la nueva familia GPT-6 de OpenAI junto a GPT-6 Luna y GPT-6 Astra. La compañía explica que Sol incorpora avances desarrollados inicialmente para Astra en áreas como programación, trabajo profesional, uso del ordenador, siempre desde la precisión y el orden, pero con una arquitectura y unos costes orientados a un uso más frecuente. Una de sus principales bazas es precisamente el precio.
OpenAI ha establecido un coste de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, la mitad del precio promocional que tenía GPT-5.6 Sol. Además, la compañía asegura haber mejorado el almacenamiento en caché para que los agentes puedan reutilizar contexto y reducir todavía más el coste de las conversaciones largas. Claude Opus 5.5 juega en una posición diferente. Anthropic lo presenta como el primer integrante de la familia Claude 5.5 y afirma que ofrece un rendimiento equivalente al de Claude Fable 5.1 en la mayoría de trabajos, pero con un coste de funcionamiento un 40 % inferior al de Opus 5.
Su precio es de 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida, mientras que las lecturas desde caché cuestan 0,20 dólares por millón. Anthropic asegura además que genera respuestas más de un 30 % más rápido que Opus 5. Programación y agentes Aquí aparecen algunas de las diferencias más interesantes. OpenAI destaca especialmente el uso de GPT-6 Sol en agentes capaces de completar flujos de trabajo profesionales y tareas informáticas prolongadas.
En AutomationBench, por ejemplo, OpenAI afirma que GPT-6 Sol con máximo esfuerzo obtiene un 33,2 % con un coste de 0,27 dólares por tarea, frente al 26,9 % de Claude Opus 5 con máximo esfuerzo y un coste 11,1 veces superior. En DeepSWE, orientado a ingeniería de software, Sol alcanza un 68,8 %, según las pruebas de OpenAI, con aproximadamente un 80 % menos de coste por tarea que la configuración comparable de Fable 5. Anthropic, por su parte, pone el acento en trabajos de programación especialmente largos. La compañía asegura que un evaluador utilizó Opus 5.5 para migrar 680.000 líneas de código en menos de un día.
En otra prueba interna, el modelo auditó y corrigió una base de código de 200.000 líneas en menos de tres horas, frente a las más de 20 horas que necesitó Opus 5. La propia Anthropic también afirma que Opus 5.5 supera a GPT-6 Astra en FrontierCode a aproximadamente una quinta parte del coste por tarea y que iguala a Astra en Terminal Bench 4.0 con alrededor del 40 % del coste. ¿Cuál es mejor según el uso? Más que afirmar que uno es mejor que otro, los datos nos muestran dos modelos que intentan resolver un problema parecido, pero desde perspectivas diferentes. GPT-6 Sol está especialmente orientado a quienes necesitan: - Ejecutar muchos procesos con agentes. - Trabajar con grandes cantidades de contexto. - Controlar el coste por tarea.
Claude Opus 5.5, en cambio, pone mucho énfasis en: - Trabajos complejos y prolongados. - Es especialmente bueno en programación, investigación y agentes capaces de utilizar herramientas durante muchas etapas. Eso sí, hay que tener en cuenta que los datos que damos en este artículo son los que presentan las propias compañías, y están hechos con sus propios métodos de evaluación y configuraciones. Lo que sí podemos afirmar es que la IA está virando hacia modelos más capaces, pero también con un menor coste por tarea.