Claude 3 Opus

En una mezcla típica de 70% entrada / 30% salida, Claude 3 Opus sale a 33,00 US$ por millón de tokens. Eso lo sitúa por encima del 98% de los 47 modelos que seguimos aquí, y 12 modelos más de la misma capa buque insignia quedan por debajo. La capa es una etiqueta de capacidad, no una banda de precio: la horquilla dentro de una capa suele ser más ancha que la distancia entre capas, y por eso elegir solo por capa tiende a hacer gastar de más.

La entrada cuesta 15,00 US$ por millón y la salida 75,00 US$, una proporción de 5,0x. Esa proporción importa más que cualquiera de las dos cifras por separado: una carga de resumen o clasificación lee mucho más de lo que escribe y seguirá el precio de entrada, mientras que la generación de código o la escritura larga lo invierten y seguirán el de salida. Compara modelos según la proporción real de tu tráfico, no según el precio de entrada.

El perfil de benchmarks es irregular, no plano: razonamiento con 90/100 frente a programación con 80/100, una horquilla de 10 puntos. La media lo oculta. Si tu carga cae en el extremo fuerte, este modelo rinde por encima de su precio; si cae en el débil, un modelo más barato con un perfil más plano te servirá mejor.

La ventana de contexto es de 200K tokens y la puntuación de rendimiento, 50/100. El contexto solo se gana su sitio si lo llenas, y llenarlo es justo lo que encarece una petición: una ventana grande es una opción, no un descuento. Para un modelo de capa buque insignia, juzga la velocidad según lo que hagas: lo decide todo en chat interactivo y casi nada en procesos nocturnos por lotes.

Conviene comprobarlo antes de decidir: GPT-6 Luna puntúa al menos igual en programación y razonamiento combinados y sale a 0,22 US$ por millón frente a los 33,00 US$ de Claude 3 Opus. Eso no convierte a Claude 3 Opus en mala elección —ventana de contexto, latencia, dependencia del proveedor y capacidades concretas quedan fuera de una puntuación de benchmark—, pero sí significa que la diferencia de precio necesita un motivo detrás.

La comparación más cercana es Llama 3.1 405B, de Meta, a 2,70 US$ por millón frente a 33,00 US$. 11 modelos de esta capa puntúan más alto en programación y razonamiento combinados, que es el encuadre útil: la pregunta rara vez es si un modelo es bueno, sino si es lo más barato que resulta suficientemente bueno para el trabajo concreto que le envías.