El 29 de septiembre de 2025 Anthropic ha lanzado Claude Sonnet 4.5, un modelo que no solo eleva el listón en capacidades de programación, sino que redefine lo que esperamos de los asistentes de IA en tareas complejas y de larga duración.
La compañía fundada por ex-investigadores de OpenAI presenta su nueva creación como «el mejor modelo de codificación del mundo», una afirmación respaldada por resultados impresionantes en los principales benchmarks de la industria. Pero más allá de los números, Claude Sonnet 4.5 representa un salto cualitativo hacia una IA capaz de trabajar de forma autónoma durante períodos prolongados, manteniendo el foco y la coherencia en proyectos complejos.
Tabla de Contenidos
🚀 Rendimiento Que Redefine el Estándar
Los datos hablan por sí solos. En SWE-bench Verified, la prueba definitiva que mide la capacidad de los modelos para resolver problemas reales de desarrollo de software, Claude Sonnet 4.5 alcanza un 77,2% de precisión. Esta cifra salta hasta un impresionante 82% cuando se emplean técnicas de computación paralela en tiempo de prueba.
Rendimiento en SWE-bench Verified: Comparativa Visual
Software engineering
SWE-bench Verified (n=500)
* Con cálculo en tiempo de prueba paralelo
10
20
30
40
50
60
70
80
90
ACCURACY (%)
¿Qué significa esto en términos prácticos? Este benchmark no evalúa ejercicios de programación triviales. Mide si un modelo puede enfrentarse a issues reales de GitHub en proyectos de código abierto populares, comprender bases de código extensas escritas por otros desarrolladores, proponer soluciones correctas y, lo más importante, hacerlo sin romper la funcionalidad existente.
Comparativa Completa de Rendimiento en Benchmarks
| Categoría / Benchmark | Claude Sonnet 4.5 | Claude Opus 4.1 | Claude Sonnet 4 | GPT-5 | Gemini 2.5 Pro |
|---|---|---|---|---|---|
| Programación Agéntica SWE-bench Verified | 77,2% (82,0% con paralelización) | 74,5% (79,4% con paralelización) | 72,7% (80,2% con paralelización) | 72,8% (74,5% GPT-5 Codex) | 67,2% |
| Codificación en Terminal Terminal-Bench | 50,0% | 46,5% | 36,4% | 43,8% | 25,3% |
| Uso de Herramientas – Retail τ2-bench | 86,2% | 86,8% | 83,8% | 81,1% | — |
| Uso de Herramientas – Airline τ2-bench | 70,0% | 63,0% | 63,0% | 62,6% | — |
| Uso de Herramientas – Telecom τ2-bench | 98,0% | 71,5% | 49,6% | 96,7% | — |
| Uso del Ordenador OSWorld | 61,4% | 44,4% | 42,2% | — | — |
| Matemáticas Nivel Bachillerato AIME 2025 | 100% (Python) 87,0% (sin herramientas) | 78,0% | 70,5% | 99,6% (Python) 94,6% (sin herramientas) | 88,0% |
| Razonamiento Universitario GPQA Diamond | 83,4% | 81,0% | 76,1% | 85,7% | 86,4% |
| Conocimiento Multilingüe MMMLU | 89,1% | 89,5% | 86,5% | 89,4% | — |
| Razonamiento Visual MMMU (validation) | 77,8% | 77,1% | 74,4% | 84,2% | 82,0% |
| Análisis Financiero Finance Agent | 55,3% | 50,9% | 44,5% | 46,9% | 29,4% |
El avance en OSWorld resulta igualmente notable. Este benchmark evalúa la capacidad de los modelos para realizar tareas reales con ordenadores, simulando el uso de un entorno de escritorio completo. Claude Sonnet 4.5 lidera con un 61,4%, un salto espectacular comparado con el 42,2% que obtenía su predecesor hace apenas cuatro meses.
⚡ Autonomía Sin Precedentes
Una de las características más revolucionarias de Claude Sonnet 4.5 es su capacidad para trabajar de forma autónoma durante más de 30 horas en tareas complejas y de múltiples pasos. Esta cifra contrasta dramáticamente con las 7 horas de autonomía que ofrecía Claude Opus 4, lanzado apenas cuatro meses antes.
Los investigadores de Anthropic han documentado casos de uso donde el modelo no solo desarrolla aplicaciones completas, sino que también despliega servicios de bases de datos, adquiere nombres de dominio y realiza auditorías SOC 2 para garantizar la seguridad del producto, todo ello sin intervención humana constante.
Esta capacidad de mantener el foco y la coherencia durante períodos prolongados representa un cambio fundamental. Ya no hablamos de un asistente que necesita supervisión continua, sino de un colaborador capaz de completar proyectos complejos de principio a fin.
💼 Especialización en Dominios Clave
Claude Sonnet 4.5 no solo destaca en programación general. El modelo muestra mejoras sustanciales en conocimiento específico de sectores críticos:
- Finanzas: Desde análisis financiero básico hasta modelado predictivo avanzado, incluyendo monitorización continua de cambios regulatorios globales.
- Ciberseguridad: Capacidad para desplegar agentes que parchean vulnerabilidades de forma autónoma antes de que sean explotadas.
- Derecho: Análisis de ciclos completos de documentación legal y elaboración de borradores de opiniones para jueces.
- Medicina y STEM: Razonamiento mejorado en contextos científicos complejos.
Expertos en estos campos han validado que el modelo ofrece un salto cualitativo en comprensión y razonamiento específico del dominio comparado con versiones anteriores, incluido el propio Opus 4.1.
🛠️ Herramientas y Ecosistema Renovado
El lanzamiento de Claude Sonnet 4.5 viene acompañado de mejoras significativas en el ecosistema de herramientas de Anthropic:
Claude Code: Más Potente que Nunca
Checkpoints es la función más solicitada por la comunidad de desarrolladores. Permite guardar el progreso en múltiples puntos del desarrollo y retroceder instantáneamente a estados anteriores, similar a un sistema de control de versiones integrado directamente en el flujo de trabajo con IA.
La interfaz de terminal ha sido completamente renovada, y ahora incluye una extensión nativa para VS Code que se integra perfectamente en el entorno de desarrollo más popular del mundo.
Claude Agent SDK
Anthropic ha liberado la misma infraestructura que utiliza internamente para Claude Code. Este SDK permite a los desarrolladores construir sus propios agentes con acceso a:
- Máquinas virtuales
- Gestión de memoria mejorada
- Procesamiento avanzado de contexto
- Herramientas de edición contextual
Imagine with Claude
Esta función experimental, disponible temporalmente para suscriptores Max, permite a Claude generar software en tiempo real sin funcionalidad predeterminada ni código preescrito. El modelo responde a peticiones del usuario sobre la marcha, mostrando las capacidades futuras de la plataforma.
🔒 Seguridad y Alineación Mejoradas
Claude Sonnet 4.5 no solo es más potente, sino también más seguro. Anthropic destaca que este es su modelo más alineado hasta la fecha, con reducciones significativas en comportamientos problemáticos:
- Menor tendencia a la adulación excesiva (sycophancy)
- Reducción de comportamientos engañosos
- Menor propensión a buscar poder
- Eliminación de la tendencia a fomentar pensamiento delirante
El modelo también muestra mejoras notables en su resistencia a ataques de inyección de prompts, donde intentos maliciosos buscan manipular al modelo para que exponga datos sensibles o ejecute acciones no autorizadas.
Los clasificadores de seguridad han sido optimizados para reducir los falsos positivos en un factor de diez, mejorando la experiencia del usuario sin comprometer la protección.
💻 Uso del Ordenador: Una Nueva Frontera
La extensión Claude for Chrome pone estas capacidades mejoradas en acción de forma tangible. El modelo puede navegar sitios web, rellenar hojas de cálculo, realizar análisis competitivos y completar tareas complejas directamente en el navegador, todo ello con mínima supervisión.
Esta funcionalidad representa un paso hacia una IA que no solo genera código, sino que interactúa con el software existente de la misma forma que lo haría un usuario humano.
💰 Precio y Disponibilidad en España
| Modalidad de Acceso | Precio | Disponibilidad |
|---|---|---|
| Claude.ai (Gratuito) | Gratuito con límites | Disponible en España |
| Claude Pro | ~17 USD/mes (aprox. 15,50€) | Disponible en España |
| API Sonnet 4.5 | 3 USD/millón tokens entrada 15 USD/millón tokens salida | Disponible globalmente |
| Amazon Bedrock | Mismo precio que API | Disponible |
| Google Cloud Vertex AI | Mismo precio que API | Disponible |
La estrategia de precios de Anthropic se mantiene competitiva: 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida. Esto equivale aproximadamente a procesar 750.000 palabras de entrada (más que toda la trilogía de «El Señor de los Anillos») por apenas 3 dólares.
Comparado con Claude Opus ($15/$75 por millón de tokens), Sonnet 4.5 resulta significativamente más económico, aunque algo más caro que GPT-5 ($1,25/$10). Sin embargo, el rendimiento superior en tareas de programación justifica la diferencia de precio para muchos casos de uso empresariales.
Claude está oficialmente disponible en España tanto a través de la web como de las aplicaciones móviles para iOS y Android. Los usuarios españoles pueden acceder al modelo de forma inmediata, aunque ciertas funciones como el modo de voz aún se encuentran en fase de pruebas para el idioma español.
🎯 Opiniones de Expertos y Primeras Impresiones
La respuesta de la comunidad de desarrolladores ha sido entusiasta. Michael Truell, CEO de Cursor, destaca el rendimiento de vanguardia en codificación, especialmente en tareas de largo alcance. Los desarrolladores que utilizan Cursor están optando cada vez más por Claude para resolver sus problemas más complejos.
Desde GitHub, se reportan mejoras significativas en razonamiento multi-paso y comprensión de código, lo que permite a las experiencias agénticas de Copilot manejar mejor tareas complejas que abarcan toda la base de código.
En Netflix, el Tech Lead de productividad de desarrolladores con IA generativa elogia la capacidad del modelo para aprender patrones de bases de código y entregar implementaciones precisas. La capacidad de manejar desde depuración hasta arquitectura con comprensión contextual profunda está transformando la velocidad de desarrollo.
En el ámbito de la ciberseguridad, empresas especializadas reportan una reducción del 44% en el tiempo promedio de procesamiento de vulnerabilidades, junto con una mejora del 25% en precisión. Para la plataforma de desarrollo Devin, Claude Sonnet 4.5 incrementó el rendimiento de planificación en un 18% y las puntuaciones de evaluación end-to-end en un 12%.
Los desarrolladores que han probado el modelo en tareas reales coinciden en varios puntos: es notablemente más rápido que Opus 4.1, más confiable en seguir instrucciones, menos propenso a desviarse en tangentes innecesarias, y más determinista en sus respuestas. La combinación de velocidad y precisión lo convierte en una herramienta práctica para el desarrollo diario.
⚖️ Claude Sonnet 4.5 vs La Competencia
La batalla por el dominio de la IA de programación se ha intensificado dramáticamente. GPT-5 Codex de OpenAI sigue siendo una opción sólida, especialmente para ciertas tareas de depuración compleja en producción. Sin embargo, Claude Sonnet 4.5 destaca en velocidad, autonomía y gestión de contextos extensos.
Gemini 2.5 Pro de Google queda rezagado en los benchmarks de codificación, aunque mantiene fortalezas en otros dominios. La ventaja de Claude radica en su especialización: mientras otros modelos intentan ser generalistas, Anthropic ha apostado fuerte por la excelencia en desarrollo de software.
Un factor diferenciador es el énfasis en la alineación y seguridad. Mientras la carrera por capacidades brutas continúa, Anthropic ha demostrado que es posible aumentar el rendimiento mientras se reducen comportamientos problemáticos, un equilibrio que otros competidores aún no han logrado de forma tan efectiva.
🔮 El Futuro de la Programación con IA
Claude Sonnet 4.5 representa más que una simple mejora incremental. Estamos presenciando la transición de la IA como asistente a la IA como colaborador autónomo. La capacidad de trabajar durante 30 horas sin supervisión, mantener coherencia en proyectos complejos y manejar el ciclo completo de desarrollo de software sugiere un futuro donde las barreras entre código humano y código asistido por IA se difuminen cada vez más.
Anthropic ha señalado que ya están trabajando en mejoras adicionales, incluyendo muy probablemente una nueva versión de Opus. Con un ritmo de lanzamiento que produce modelos significativamente mejores cada seis meses, la compañía está estableciendo un patrón donde cada nueva generación puede manejar tareas el doble de complejas que la anterior.
Este avance acelerado plantea preguntas fascinantes sobre el futuro del desarrollo de software. Si los modelos pueden mantener autonomía durante días en lugar de horas, ¿cómo cambiarán los flujos de trabajo de desarrollo? ¿Qué nuevos paradigmas de colaboración humano-IA emergerán?
💡 ¿Listo para experimentar el futuro de la programación?
Claude Sonnet 4.5 está disponible ahora en claude.ai, con acceso gratuito limitado y planes Pro para uso intensivo.
Conclusión
Claude Sonnet 4.5 no es solo otro modelo de lenguaje. Es una declaración de intenciones de Anthropic: la IA para desarrollo de software ha alcanzado un nivel de madurez donde puede asumir responsabilidades significativas de forma autónoma, mantener el foco durante períodos prolongados y entregar código de calidad profesional.
Con puntuaciones líderes en los benchmarks más exigentes, un ecosistema de herramientas robusto, mejoras sustanciales en seguridad y alineación, y un precio competitivo, Claude Sonnet 4.5 establece un nuevo estándar en la industria.
Para desarrolladores, empresas y equipos técnicos en España y el resto del mundo, este lanzamiento representa una oportunidad para repensar cómo abordan el desarrollo de software. La pregunta ya no es si la IA puede ayudar en la programación, sino hasta qué punto estamos dispuestos a confiar en ella como colaborador de pleno derecho.
La carrera por la supremacía en IA de codificación está lejos de terminar. Con Gemini 3 de Google en el horizonte y OpenAI trabajando constantemente en mejoras, Claude Sonnet 4.5 puede mantener su corona por meses en lugar de años. Pero por ahora, Anthropic puede reclamar con justicia haber creado el mejor modelo de programación del mundo.
¿El veredicto? Si tu trabajo involucra desarrollo de software, Claude Sonnet 4.5 merece un lugar en tu conjunto de herramientas. La combinación de rendimiento, autonomía y fiabilidad lo convierten en una opción difícil de ignorar.
