Claude Sonnet 4.5 a fondo: benchmarks verificados de SWE-bench y OSWorld, qué cambió para la programación agéntica y su lugar en 2026.
📌 Actualización 2026: este es un análisis archivado de Claude Sonnet 4.5, lanzado el 29 de septiembre de 2025. Anthropic ha publicado desde entonces Sonnet 5 (30 de junio de 2026) y la familia Claude 5 más amplia. Para la gama actual, consulta nuestro seguimiento de actualizaciones de Claude. Mantenemos vivo este análisis porque Sonnet 4.5 marcó un punto de inflexión real para la programación agéntica, y porque saber dónde estaba el campo ayuda a juzgar dónde está ahora.
Sonnet 4.5 encabezó los principales benchmarks de programación y fue descrito ampliamente como el modelo de código más potente disponible en ese momento, una afirmación respaldada por evaluaciones independientes y no solo por las cifras de Anthropic.
Ha envejecido bien. Los patrones agénticos que volvió prácticos — foco en tareas de horizonte largo, uso del ordenador, flujos basados en puntos de control — se convirtieron en la plantilla sobre la que iteraron la familia Claude 5 y la competencia.
Sonnet 4.5 mantuvo el puesto de gama media a lo largo de cuatro lanzamientos de Opus 4.x antes de ser reemplazado. Un modelo que sobrevive a cuatro renovaciones del buque insignia por encima de él no es un parche: es el escalón que el proveedor decidió que soportaba la carga.
Lanzado el 29 de septiembre de 2025, Anthropic posicionó a Sonnet 4.5 como "el mejor modelo del mundo para agentes, programación y uso del ordenador". Los benchmarks independientes respaldaron en gran medida la afirmación sobre programación:
$3 de entrada / $15 de salida por millón de tokens, sin cambios respecto a Sonnet 4, y eso importaba: el mejor modelo de código era también el de precio intermedio.
Sonnet 5 llegó el 30 de junio de 2026. La brecha generacional, en las suites en las que se midieron ambos:
| Benchmark | Sonnet 4.6 | Sonnet 5 | Opus 4.8 |
|---|---|---|---|
| SWE-bench Pro (programación agéntica) | 58.1% | 63.2% | 69.2% |
| OSWorld-Verified (uso del ordenador) | 78.5% | 81.2% | — |
| GDPval-AA v2 (trabajo de conocimiento) | — | 1,618 | 1,615 |
Los 1,618 de Sonnet 5 en trabajo de conocimiento superan por poco los 1,615 de Opus 4.8. Que un modelo de gama media iguale al buque insignia anterior en trabajo de conocimiento general es la prueba más clara de que la tesis de Sonnet 4.5 — los modelos capaces no tienen por qué ser los caros — era correcta y se llevó aún más lejos.
Sonnet 4.5 se lanzó a $3/$15 por millón de tokens. Sonnet 5 se lanzó con un precio introductorio de $2/$10 hasta el 31 de agosto de 2026, y luego vuelve a $3/$15. Casi un año después, el escalón cuesta lo mismo y hace bastante más: todo el argumento de la estrategia de gama media en una línea.
Claude Opus 5 llegó el 24 de julio de 2026 a $5/$25, precios idénticos a los de Opus 4.8. El escalón insignia mantuvo su precio mientras el escalón de trabajo absorbía la mayor parte de la ganancia de capacidad. Es el mismo patrón visible en todos los proveedores en 2026.
Lo que aguantó: el liderazgo en benchmarks era real, pero el margen era estrecho (77.2% frente al 74.9% de GPT-5 en SWE-bench Verified). Lo que resultó más duradero fue la brecha de capacidad agéntica: el salto de OSWorld y la fiabilidad en sesiones largas fueron más difíciles de replicar rápido por la competencia.
La cobertura de la semana del lanzamiento (incluida la versión original de este artículo) se apoyó en el marco de "la mejor IA de programación del mundo" y en anécdotas de sesiones maratonianas, como tareas continuas de 30 horas. Esas afirmaciones se remontaban a condiciones de demostración; los resultados del día a día dependían mucho de la calidad del arnés y de la descomposición de tareas. Trata cualquier afirmación de superioridad de una sola cifra de aquel periodo como una instantánea, no como una ley.
"La mejor IA de programación del mundo" como etiqueta duradera. Con las cifras actuales de SWE-bench Pro, el 69.2% de Opus 4.8 queda seis puntos por encima del 63.2% de Sonnet 5, y ambos están en una suite que no existía cuando salió 4.5. En esta categoría, el liderazgo en benchmarks es una instantánea con una caducidad medida en meses.
No. Sonnet 5 es mejor en todos los ejes medidos y, durante la ventana introductoria, más barato. No hay escenario en el que un proyecto nuevo arranque con 4.5.
Migrar es una ganancia directa: mejor programación agéntica, mejor uso del ordenador y un precio que vuelve a la paridad después de agosto. Los patrones que montaste alrededor de los puntos de control y las tareas de horizonte largo se trasladan tal cual.
Sonnet 4.5 es el caso más claro de un proveedor decidiendo que es en el escalón intermedio donde debe acumularse la capacidad. Cada lanzamiento posterior de Anthropic, y toda la estrategia 3.x Flash de Google, es una variación de esa decisión.
Sonnet 4.5 siguió siendo el caballo de batalla de gama media de Anthropic durante cuatro lanzamientos de Opus 4.x, recibió una renovación 4.6 en febrero de 2026 y acabó sucedido por Sonnet 5 el 30 de junio de 2026, que llevó adelante el foco en programación agéntica con mejor uso de herramientas y razonamiento.
Sonnet 4.5 es el lanzamiento en el que las piezas — benchmarks, uso del ordenador, puntos de control, memoria — encajaron por primera vez en un único modelo de precio intermedio, y todo lo que Anthropic publicó después es una elaboración de esa combinación.
Si eliges modelo hoy, empieza por la gama actual de Claude. Para prácticas de trabajo construidas sobre los patrones agénticos de esta generación, consulta las buenas prácticas de programación con Claude; y para ver cómo se mide frente a Copilot y Cursor, la comparativa a tres.
Sources: Anuncio de Anthropic · Pruebas de benchmark de DataCamp · Evaluación de programación de Surge AI · Análisis de CodeRabbit · Cobertura del lanzamiento en TechCrunch
Análisis archivado · Revisado sustancialmente el 29 de julio de 2026
Seedance 2.5 reúne 30 segundos de audio y vídeo, 50 referencias mixtas y edición cronometrada. Esto es oficial, cuesta y merece pruebas.
MiniMax H3 genera video 2K con audio estéreo nativo, publica precios por segundo y ofrece pesos H3-Base bajo una Community License.
Hermes Agent combina memoria persistente y skills auto-mejorables; su seguridad y resultados dependen del backend, aprobaciones y revisión elegidos.
OpenClaw es un runtime de agentes muy capaz cuyo valor depende de una seguridad deliberada del gateway, revisión de skills y disciplina operativa.
La música con IA en 2026: capacidades y pleitos de Suno y Udio, el copyright completo de AIVA y cómo el acuerdo de Warner reescribe tus derechos comerciales.
El mercado del vídeo con IA tras la salida de Sora, con precios reales: de 0,50 a 2,50 $ por clip de 10 s, quién lidera ahora y cómo elegir por plano.
Comparativa honesta de planes gratuitos de 2026: la generosidad de Gemini, la calidad de Claude, la amplitud limitada de ChatGPT y cuándo deja de bastar.
Qué entregó GPT-5 en agosto de 2025, por qué el primer mes descarriló y cómo se lee su arquitectura desde los tres niveles con nombre de GPT-5.6.
