Claude 3.5 Sonnet + Artifacts: el modelo intermedio que recalibra el costo-calidad
El jueves 20 de junio Anthropic liberó Claude 3.5 Sonnet, un modelo que en la práctica recalibra todo el portafolio de la compañía. La cifra que importa: supera a Claude 3 Opus en código, razonamiento y comprensión visual, a aproximadamente 1/5 del costo. Junto con el modelo, Anthropic estrenó Artifacts, una nueva interfaz con canvas dedicado para outputs ejecutables (HTML, SVG, código, documentos largos, diagramas).
Para empresas mexicanas que han estado consumiendo APIs de Anthropic en producción, este lanzamiento tiene impacto inmediato en el bill mensual y abre nuevas posibilidades de producto. Lo desempaquetamos abajo.
Lo que es nuevo
Claude 3.5 Sonnet es la primera entrada de la familia 3.5. Anthropic anunció que vendrán Haiku 3.5 y Opus 3.5 más adelante en el año. Las características relevantes:
- Supera a Claude 3 Opus en benchmarks clave: GPQA (razonamiento de posgrado), MMLU, HumanEval (código), MATH, DROP. La diferencia más notable es en código y razonamiento sobre visión.
- 2x más rápido que Opus y aproximadamente 5x más barato: $3 USD por millón de tokens input y $15 USD por millón de tokens output.
- Contexto de 200K tokens (igual que Claude 3 Opus).
- Mejor comprensión de matices, humor e instrucciones complejas según evaluaciones internas.
- Mejor rendimiento en español (las evaluaciones que hicimos en ALCA esta semana confirman mejora notable en redacción y análisis en español).
Artifacts es el segundo anuncio. En claude.ai, cuando pides código, un documento largo, una visualización SVG o un diagrama, el output se abre en panel separado a la derecha para verlo renderizado, editarlo, iterarlo y descargarlo. Es la respuesta de Anthropic a Canvas/Code Interpreter. Cualquier conversación con Artifact se puede compartir vía link.
Por qué importa el cambio en el portafolio
Antes del 20 de junio, el portafolio de Anthropic se veía así:
- Claude 3 Opus: modelo bandera, calidad alta, $15 input / $75 output. Caro.
- Claude 3 Sonnet: modelo intermedio, calidad buena, $3 / $15.
- Claude 3 Haiku: modelo pequeño, calidad básica, $0.25 / $1.25. Muy rápido y barato.
La práctica común era: para casos críticos donde la calidad importa, usar Opus. Para alto volumen, Haiku. Para el resto, Sonnet.
Después del 20 de junio:
- Claude 3.5 Sonnet ofrece calidad mejor que Opus a 1/5 del costo, en la mayoría de casos.
- Claude 3 Opus se queda como nicho para casos específicos (algunas tareas de creatividad muy abierta o razonamiento muy largo donde Opus aún muestra ventaja marginal).
- Claude 3 Haiku sigue siendo la opción para alto volumen / latencia crítica / costo mínimo.
La consecuencia para empresas que pagaban Opus para todo (algunas que vemos): el bill puede bajar 60-80% sin pérdida de calidad simplemente migrando a 3.5 Sonnet.
Comparativa con la competencia
Precios a junio de 2024 (USD por millón de tokens, input/output):
- Claude 3.5 Sonnet: $3 / $15.
- GPT-4o: $5 / $15.
- Gemini 1.5 Pro: $3.50 / $10.50.
- Claude 3 Opus: $15 / $75.
En benchmarks: Claude 3.5 Sonnet lidera en código (HumanEval) y razonamiento (MMLU, GPQA), empata con GPT-4o en visión, pierde en velocidad. Gemini 1.5 Pro lleva contexto largo (1M tokens vs 200K de Claude y 128K de GPT-4o).
La conclusión honesta: no hay un modelo "mejor" universal. Para código y razonamiento, 3.5 Sonnet hoy es la opción más fuerte. Para voz en tiempo real, GPT-4o cuando llegue su API. Para contexto larguísimo, Gemini 1.5 Pro.
Estrategia de portafolio para empresa mediana
Lo que recomendamos a clientes esta semana es revisar el portafolio de cargas de IA y reasignar modelos según patrón:
Default: Claude 3.5 Sonnet o GPT-4o
Para la mayoría de cargas de productividad general (redacción, análisis, código, atención a clientes con texto), uno de los dos. La elección entre ellos suele depender más de:
- Ya estar en el ecosistema (si usas Azure, GPT-4o tiene fricción menor).
- Preferencia de tono y estilo (Claude tiende a ser más cuidadoso, GPT-4o más conciso).
- Capacidades específicas (visión en tiempo real → GPT-4o, código complejo → Claude 3.5 Sonnet).
Casos específicos donde otra opción gana
- Alto volumen, dominio acotado, latencia crítica: Claude 3 Haiku, GPT-4o mini (cuando salga), Gemini 1.5 Flash, o modelos open (Llama 3 8B, Phi-3) si el caso lo justifica.
- Documentos muy largos, repositorios completos: Gemini 1.5 Pro por su contexto de 1M tokens.
- Razonamiento creativo abierto sin presión de costo: Claude 3 Opus aún tiene rincones donde brilla.
- Datos sensibles que no pueden salir: Llama 3 70B en infraestructura propia.
- Productividad de oficina integrada: Gemini en Workspace o Copilot 365 según ecosistema.
El portafolio típico que vemos funcionar
Arquitectura común para cliente mediano post-junio:
- 60-70% del volumen: Claude 3.5 Sonnet (API directa o Bedrock).
- 15-25%: Haiku o Gemini Flash para alto volumen.
- 5-10%: APIs especializadas (Whisper, embeddings).
- 5%: experimentación con modelos open self-hosted.
El bill suele ser 30-50% más bajo que la arquitectura "todo Opus" o "todo GPT-4 Turbo" de hace 6 meses.
Cómo evaluar Claude 3.5 Sonnet en tu stack
Para no migrar a ciegas:
1. Identificar las 3 cargas que más tokens consumen. El 80% del bill suele estar en 20% de los casos de uso.
2. Correr una evaluación lado a lado. Tomar 50-100 ejemplos representativos de cada carga, ejecutarlos con el modelo actual y con Claude 3.5 Sonnet, comparar outputs. Lo que importa medir:
- Calidad funcional (¿el output cumple el objetivo?).
- Costo por request.
- Latencia p50 y p95.
- Tasa de errores o respuestas inutilizables.
3. Migrar lo que mejore o empate y baje costo. Lo que se degrade calidad, mantenerlo. La aspiración no es migrar todo, es migrar lo que conviene.
4. Documentar la decisión. Para que el siguiente lanzamiento (Claude 3.5 Opus, GPT-4.5, Gemini 2.0) se evalúe contra una base concreta.
Sobre Artifacts: lo que abre
Artifacts cambia patrones de uso reales: mockups y prototipos HTML/CSS/JS que se ven en vivo, documentos largos editables formateados, código previsualizado junto a la conversación, diagramas SVG descargables. Para equipos de producto y desarrollo que ya usan Claude.ai, el flujo cambia notablemente.
Lo que esperar en lo que queda del año
Anthropic anunció que Haiku 3.5 y Opus 3.5 vienen "en los próximos meses". También están trabajando en capacidades de Computer Use (agentes que controlan la computadora) y mejoras en herramientas (function calling más robusto). Vale seguir.
OpenAI tiene pendiente sacar GPT-4o mini (esperado en H2) y la API Realtime para voz. Google va a profundizar Gemini 1.5 con actualizaciones incrementales.
La buena noticia para empresas mexicanas: competencia sana entre proveedores = mejores precios y mejor calidad. La mala: tener que reevaluar portafolio cada 3-4 meses se vuelve disciplina obligatoria, no opcional.
¿Quieres optimizar tu portafolio de modelos para reducir costo? Hagamos la auditoría. Agenda una sesión técnica de 60 minutos y revisamos juntos qué cargas mover y cuánto puedes ahorrar.
