Qué cambia frente a Claude Opus 5
Opus 5.5 utiliza menos capacidad de cómputo para entregar resultados más sólidos. Según Anthropic, cuesta cerca de un 40% menos en workloads típicos, genera respuestas más de un 30% más rápido y comunica las decisiones de manera más directa.Más trabajo concluido con menos retrabajo
En pruebas y relatos de early adopters, el modelo mantuvo sesiones de ingeniería durante muchas horas, trabajó en varios repositorios y concluyó migraciones extensas con menos llamadas y correcciones. Una prueba citada por Anthropic completó una migración de 680 mil líneas de código en menos de un día.Comunicación más clara
Opus 5.5 coloca la información principal primero, reduce explicaciones innecesarias y sigue mejor las reglas de escritura proporcionadas. Esto importa en sesiones largas: las decisiones y cambios son más fáciles de revisar antes de avanzar a la siguiente etapa.Más cuidado antes de actuar
Anthropic reporta una mayor resistencia a prompt injection y una menor tendencia a ejecutar acciones difíciles de revertir o superar los límites definidos. Estas mejoras reducen el riesgo, pero no sustituyen la aprobación humana para cambios críticos.Qué muestran los benchmarks
En los resultados publicados por Anthropic, Claude Opus 5.5 avanza en coding agéntico, uso de computadora y trabajo profesional. Los resultados siguientes se obtuvieron principalmente con adaptive thinking en esfuerzo Max; Terminal-Bench 4.0 utilizó XHigh.Los benchmarks y comparaciones de costo fueron publicados por Anthropic y dependen del harness, las tools, los safeguards y el effort utilizado. La empresa señala que pequeñas diferencias entre modelos frontier no siempre representan la misma diferencia en el uso real. Valida el modelo en tu flujo antes de cambiar una configuración en producción.
Dónde no lidera
El avance no es uniforme. En AutomationBench, GPT-6 Astra obtuvo 41,4%, frente al 40,0% de Opus 5.5. Astra también se mantuvo por delante en Terminal-Bench-Science 0.1. Elige Opus 5.5 por su combinación de calidad, eficiencia, comunicación y seguridad, no esperando que lidere todas las evaluaciones.Dónde genera más valor
Un cambio de software que debe atravesar varios sistemas
El trabajo requiere mapear dependencias, editar múltiples repositorios, ejecutar pruebas y coordinar etapas durante muchas horas. Opus 5.5 fue optimizado para mantener el plan, delegar subtareas y reducir ciclos de corrección. Resultado esperado: implementación de punta a punta, validaciones ejecutadas y decisiones documentadas para revisión.Un análisis que debe convertirse en hoja de cálculo, documento y presentación
Las fuentes dispersas deben reunirse, los números deben verificarse y la recomendación debe llegar en un formato listo para la toma de decisiones. El modelo combina investigación, análisis y una comunicación más clara en una misma ejecución. Resultado esperado: material ejecutivo consistente, con cálculos rastreables, evidencias y lagunas explícitas.Un agente que trabaja durante horas sin perder sus límites
En operaciones de larga duración, la capacidad sin control aumenta el riesgo. Opus 5.5 mejora la autoverificación y el cumplimiento de los límites definidos, lo que lo hace más adecuado para agentes que ejecutan múltiples etapas y tools. Resultado esperado: ejecución continua y auditable que se detiene para solicitar aprobación cuando una acción supera el alcance autorizado.Cómo aplicarlo en Tess
1
Elige un trabajo que justifique el modelo
Prefiere coding complejo, investigación profesional, análisis de datos o entregables que atraviesen múltiples fuentes y herramientas. Para transformaciones simples, utiliza un modelo más ligero.
2
Proporciona el contexto y los criterios
Incluye archivos, repositorios, políticas, ejemplos y restricciones. Explica el resultado esperado y cómo se validará.
3
Define tools y aprobaciones
Habilita solo las herramientas necesarias. Exige confirmación antes de publicar, eliminar, enviar o modificar entornos de producción.
4
Comienza con el effort estándar
Medium es el estándar del provider y fue diseñado para equilibrar calidad, velocidad y costo. Aumenta el esfuerzo solo cuando el flujo requiera investigación o reasoning más profundo.
5
Solicita una revisión antes de concluir
Indica al agente que verifique pruebas, fuentes, números, requisitos y cambios antes de entregar el resultado.
Tres playbooks para empezar
1. Migración en múltiples repositorios
Entrada: repositorios, arquitectura, comportamiento esperado y comandos de validación.Tools: código, terminal, pruebas y documentación técnica.
2. Análisis ejecutivo con evidencias
Entrada: documentos, hojas de cálculo, fuentes externas y pregunta de negocio.Tools: búsqueda, análisis de datos y generación de documentos.
3. Auditoría y corrección de rendimiento
Entrada: aplicación, métricas, requisitos de comportamiento y entorno de prueba.Tools: código, profiling, terminal y suite de pruebas.
Limitaciones y buenas prácticas
- Adaptive thinking permanece activo; los tokens de thinking se cobran como output.
- Un contexto de 1M tokens no sustituye la selección de información. Envía solo contenido relevante.
- En XHigh y Max, reserva suficiente espacio de output para thinking, tools y subagentes.
- Los safeguards pueden redirigir determinadas tareas de ciberseguridad y biología a otros modelos Claude.
- Revisa código, números, citas y archivos antes de publicar o ejecutar en producción.
- Mantén aprobación humana para decisiones financieras, jurídicas, clínicas, de seguridad o de alto impacto.