Claude Opus 5 Fast: para qué sirve de verdad (benchmark en español)

Su fuerte es Contenido (#1 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.05 contra 9.11). Cuesta $78.00 por cada 1.000 llamadas.

Nota de calidad8.23/10#54 de 97 · del mejor al peor hay 1.3 puntos

Por 1.000 llamadas$78.00el 2º más caro de 97

Al mes, uso típico$117.0050 llamadas por día, todos los días

Velocidad144 tok/s16.4 s de espera media

⬡ Propietario ⚒ Puede usar herramientas ◨ Entiende imágenes ⌸ Le caben ~1.700 páginas a la vez ⛨ Cae ante instrucciones ocultas · 7.0/10

Dónde está parado, pilar por pilar

La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.

Coding 8.60 (-0.47 vs mediana)

Contenido 9.11 (+0.73 vs mediana)

Razonamiento 7.84 (-0.12 vs mediana)

Agentes 7.05 (-0.49 vs mediana)

Medido con 451 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos

Qué hace bien y qué no

Su media entre las 33 tareas medidas es 7.14. Un promedio esconde justo lo que te importa, así que acá están los extremos.

Donde rinde por encima de sí mismo

Extraer los datos verificables de un texto — 8.58 (+1.44 contra su media). Decide: sacar TODOS los datos, no solo los fáciles
JSON estructurado (extracción, schemas) — 8.56 (+1.42 contra su media). Decide: emitir JSON válido a la primera
Encontrar el sitio oficial de una empresa — 8.48 (+1.34 contra su media). Decide: elegir el dominio real, o abstenerse
Contenido con datos verificables (no inventar) — 8.31 (+1.17 contra su media). Decide: escribir sin caer en la trampa del brief

Donde se cae

Tool calling (llamada de funciones) — 5.17 (-1.97 contra su media). Decide: llamar bien las funciones
Razonamiento profundo (matemática, Fermi) — 5.49 (-1.65 contra su media). Decide: resolver un problema difícil sin atajos
No inventar herramientas (abstenerse cuando no hay) — 5.67 (-1.47 contra su media). Decide: no inventar herramientas que no existen
Capacidades de agente (delegación, skills) — 5.75 (-1.39 contra su media). Decide: delegar y usar lo que tiene a mano

Si Claude Opus 5 Fast no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

Modelo	Calidad	$/1k	Latencia	Por qué
Nex-N2-Mini Más barato, calidad equivalente	8.13	$0.158	17.1 s	misma nota o mejor, menos plata por llamada
GPT-5.6 Luna Mejor nota, precio parecido	8.52	$0.930	10.6 s	hasta 30% más caro, pero rinde más
Gemini 3.1 Flash Lite Responde antes	8.09	$2.33	4.1 s	al menos 40% menos de espera, sin caer de nota

La ficha: Claude Opus 5 Fast en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan	451
Tool calling	7.02
Resistencia a prompt injection	6.95
Precio
Precio por millón · entrada	$10.00
Precio por millón · salida	$50.00
Rendimiento y límites
Latencia total media	16.4 s
Ventana de contexto	1.000.000

Contra los mejores del ranking, en plata

La pregunta útil no es cuánto le falta a Claude Opus 5 Fast para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

Modelo	Calidad	$/1.000 llamadas
Claude Opus 5 Fast Este modelo	8.23	$78.00
GPT-5.6 Luna El de más calidad medida	8.52	$0.930
Claude Opus 4.8 El frontier más caro del top 10	8.48	$39.00

GPT-5.6 Luna (el techo medido) rinde 4% más y además es más barato: $0.930 contra $78.00. Acá no hay que elegir.
Claude Opus 4.8 (el caro que todos conocen) rinde 3% más y además es más barato: $39.00 contra $78.00. Acá no hay que elegir.

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto `max_tokens` darle, por tarea

Si tu nodo o tu script queda por debajo de esto, Claude Opus 5 Fast no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

Tarea	Mediana	Peor caso medido	max_tokens sugerido
Tareas largas (sostener el hilo 8-12 turnos)	9.713	42.574	53.217 (piso)
Decisiones de negocio (prioridades. plan)	4.585	8.192	10.240 (piso)
Generación de código (Python. SQL. debug)	3.200	8.192	10.240 (piso)
Creatividad (hooks. analogías. narrativa)	1.612	8.192	10.240 (piso)
Razonamiento profundo (matemática. Fermi)	2.541	8.192	10.240 (piso)
Contenido startup (newsletter. actualidad)	3.648	8.192	10.240 (piso)
Estrategia (pricing. planificación)	8.192	8.192	10.240 (piso)
Gestión de tareas (action items. planes)	6.861	8.126	10.157
Presentaciones (slides. reportes)	7.545	7.545	9.431
Ventas en frío (cold email. campañas)	1.725	7.269	9.086
Razonamiento general (lógica. decisiones)	1.288	6.622	8.277
Noticias + SEO (artículos completos)	2.281	6.618	8.272
Auditar números (detectar el error plantado)	2.773	6.419	8.023
OCR / extracción desde imágenes	993	5.391	6.738
Multi-turno (debugging. requisitos)	1.159	4.261	5.326
Anti-alucinación (citas. contexto)	637	3.218	4.022
Integridad de idioma (no mezclar idiomas)	1.883	3.075	3.843
Capacidades de agente (delegación. skills)	949	2.436	3.045
JSON estructurado (extracción. schemas)	62	2.376	2.970
Traducción (es↔en)	232	2.311	2.888
Contenido genérico (blog. email. social)	1.333	2.201	2.751
Contenido con datos verificables (no inventar)	1.033	1.642	2.052
Orquestación (flujos de varios pasos)	1.091	1.619	2.023
Resúmenes y extracción de datos	1.327	1.346	1.682
Seguir instrucciones al pie de la letra	726	1.220	1.525
No inventar herramientas (abstenerse cuando no hay)	238	1.097	1.371
Soporte al cliente (clasificar y responder)	363	979	1.223
Resistencia a prompt injection	571	871	1.088
Verificar un dato contra su fuente	197	556	695
Tool calling (llamada de funciones)	380	511	638
Extraer los datos verificables de un texto	456	510	637
Encontrar el sitio oficial de una empresa	138	345	431
Precisión literal (hex. JWT. configs)	70	284	355

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de Claude Opus 5 Fast

Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.

Ficha en OpenRouter — precio vigente, proveedores que lo sirven y límites de contexto

Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.

¿Es el mejor para TU caso?

Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si Claude Opus 5 Fast es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →