anthropic
Anthropic: Claude Opus 5.5
anthropic/claude-opus-5.5
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Claude Opus 5.5 de Anthropic, listado en OpenRouter como anthropic/claude-opus-5.5 (canónico anthropic/claude-opus-5.5-20260921), es descrito por su proveedor como un modelo insignia para razonamiento exigente, programación y trabajo agéntico de largo horizonte, sucesor de Claude Opus 5. Acepta texto, imágenes y archivos, y devuelve texto, con una ventana de contexto de un millón de tokens. El razonamiento es obligatorio, con niveles de esfuerzo seleccionables. El catálogo de OpenRouter también registra posiciones destacadas en varias categorías agénticas y creativas de su arena de diseño, aunque no había una ficha de modelo independiente en este paquete de fuentes.[1]
Puntos fuertes
- Según el proveedor: Anthropic lo presenta como su modelo insignia para razonamiento complejo, programación y trabajo agéntico prolongado, con fuerza particular en cambios de varios pasos en bases de código grandes.[1]
- Medido en el catálogo: posiciones destacadas en la arena de diseño en varias categorías agénticas (como full-stack, aplicaciones web y código a video) y creativas (como desarrollo de juegos y visualización de datos).[1]
- Entradas y herramientas amplias según el listado: texto, imágenes y archivos; llamadas a herramientas, salidas estructuradas, esfuerzo de razonamiento ajustable y una ventana de contexto de un millón de tokens.[1]
Limitaciones
- Evidencia solo de catálogo: todas las afirmaciones provienen del listado de OpenRouter y de la descripción del proveedor; no había una ficha independiente en el paquete de fuentes, así que valide con sus propias cargas de trabajo.[1]
- El razonamiento es obligatorio y no opcional; solo se ajusta el nivel de esfuerzo, lo que puede ser una sobrecarga innecesaria para prompts sencillos.[1]
- Vacíos de evidencia: no se reporta fecha de corte de conocimiento, algunos índices de evaluación son nulos y la cobertura de la arena se inclina hacia tareas de diseño y agénticas más que hacia benchmarks amplios.[1]
Dónde utilizarlo
- Vale la pena evaluarlo para programación agéntica en repositorios grandes, en línea con el enfoque declarado del proveedor en trabajo prolongado de varios pasos.[1]
- Candidato para flujos que combinan documentos, imágenes y archivos con llamadas a herramientas y salidas estructuradas.[1]
- Posible opción para generación orientada al diseño (interfaces web y de apps, visualización de datos) dado sus resultados en la arena, sujeto a pruebas propias.[1]
Fuentes
- [1] OpenRouter catalog · Anthropic: Claude Opus 5.5Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Claude Opus 5.5 is Anthropic's flagship model for demanding reasoning, coding, and long-horizon agentic work, succeeding Claude Opus 5. It is particularly strong at multi-step changes in large codebases, code...
Especificaciones
- ID del modelo
- anthropic/claude-opus-5.5
- ID canónico
- anthropic/claude-opus-5.5-20260921
- Creador
- anthropic
- Añadido a OpenRouter
- 22.09.2026
- Longitud de contexto
- 1,000,000
- Modalidad
- text+image+file->text
- Modalidades de entrada
- text, image, file
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $4 / salida $20
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | SS — 10% superior de la cohorte | razonamiento: obligatorio · predeterminado high · esfuerzos: max, xhigh, high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · predeterminado high · esfuerzos: max, xhigh, high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | entrada: file |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 59.1 | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 76.3% · posición 1 | 1,397Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · blender3dtasa de victoria 57.2% · posición 4 | 1,255Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · codetovideotasa de victoria 73.8% · posición 1 | 1,341Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 70.8% · posición 1 | 1,392Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 61.6% · posición 3 | 1,296Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · pdftasa de victoria 68.4% · posición 2 | 1,309Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · spreadsheettasa de victoria 68% · posición 2 | 1,392Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 62.7% · posición 1 | 1,320Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 65.2% · posición 2 | 1,464Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 64.3% · posición 2 | 1,354Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 60.8% · posición 2 | 1,385Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 63.9% · posición 1 | 1,388Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 63.7% · posición 1 | 1,428Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 53.6% · posición 3 | 1,321Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 63.4% · posición 3 | 1,379Elo | SS — 10% superior de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 55.3% · posición 5 | 1,325Elo | SS — 10% superior de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Amazon Bedrock | 1,000,000 | $4 | $20 | — | — | 100% |
| Azure | 1,000,000 | $4 | $20 | — | — | 100% |
| 1,000,000 | $4 | $20 | — | — | 100% | |
| Claude Platform on AWS | 1,000,000 | $4 | $20 | — | — | 100% |
| Anthropic | 1,000,000 | $4 | $20 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $4.4 | $22 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $4.4 | $22 | — | — | 100% |
| Azure | 1,000,000 | $4.4 | $22 | — | — | — |
| 1,000,000 | $4.4 | $22 | — | — | 100% | |
| 1,000,000 | $4.4 | $22 | — | — | 100% | |
| Anthropic | 1,000,000 | $8 | $40 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
- Hark presenta Handoff², un agente de navegador de segunda generación que afirma duplicar la velocidadHark comenzó el despliegue de Handoff², la nueva versión del agente detrás de su asistente Hark Pro, con un 82% de tareas completadas en su benchmark interno, un 46% menos de tiempo por tarea y un resultado a cinco puntos de Claude Opus 5.5.
- Show HN: Datatomcp, una capa de datos donde los agentes de IA proponen definiciones de negocio y una persona las apruebaUn nuevo proyecto de Show HN, datatomcp, se presenta como una capa de datos nativa de IA: bases de datos, hojas y aplicaciones se vinculan una vez, una persona aprueba las definiciones que usan los agentes y cada pregunta queda auditada.
- Apostar por usar la IA para divertirse y un repaso de nuevas herramientas con agentesUn extracto de RSS sostiene que una sola aplicación de agente basta para ampliar lo que pueden hacer los usuarios y reúne novedades de Claude, Gemini, Grok Bot, ChatGPT, Granola, Practical Data y Adobe Firefly.
- ExpertCrowd-SWE: un benchmark de tareas escritas por ingenieros separa 35 puntos a siete agentes de codificación de fronteraUn informe técnico de Toptal ExpertCrowd presenta EC-SWE, 100 tareas de ingeniería escritas por expertos y calificadas al estilo de un mantenedor; siete modelos de frontera abarcan 35 puntos, con Claude Opus 5.5 y GPT-6 Astra empatados arriba.
- Google DeepMind y Artificial Analysis presentan MKA, una evaluación de agentes con evidencia visualMKA es una evaluación de 200 tareas que mide si los agentes de IA pueden extraer evidencia decisiva de planos, escaneos y gráficos y convertirla en entregables profesionales.