¿Por qué mirar más allá de Claude Sonnet 5?
Primero seamos justos con el modelo dominante. Claude Sonnet 5 es muy bueno. Anthropic lo lanzó el 30 de junio de 2026 como "nuestro Sonnet más agéntico hasta la fecha", con una ventana de contexto de 1M de tokens, razonamiento adaptativo activado por defecto y una calidad cercana a la de Opus en tareas de programación y agénticas a un precio de gama media. Es la opción por defecto desde el primer día en todos los planes de Claude. Para la mayoría, es un buen punto de partida.
Entonces, ¿por qué buscar alternativas? Hay varias razones reales que se repiten.
La primera es una matemática de costes que no es tan clara como sugiere el precio de etiqueta. Sonnet 5 usa un nuevo tokenizador que cuenta aproximadamente un 30% más de tokens para el mismo texto, así que la paridad de precio por token respecto al antiguo Sonnet 4.6 no significa paridad por solicitud. Y la historia de valor tiene un asterisco real: Artificial Analysis midió a Sonnet 5 con 53 puntos en su Intelligence Index, pero señaló que a precio estándar, sin promociones, puede costar más por tarea que Opus 4.8, porque las ejecuciones de mayor esfuerzo consumen muchos tokens. El propio resumen de Artificial Analysis lo dijo sin rodeos:
"Claude Sonnet 5 logra 53 puntos en el Artificial Analysis Intelligence Index, pero sin precios promocionales costará más por tarea que Opus 4.8."
La segunda razón es el bloqueo dentro de un ecosistema. Si tu equipo ya vive en Google Workspace o se ha estandarizado en OpenAI, un modelo de calidad equivalente dentro de ese ecosistema gana frente a añadir un segundo proveedor. La tercera son los pesos abiertos y la residencia de datos: algunos equipos simplemente no pueden enviar datos de clientes a un proveedor de API cerrada con sede en EE. UU., punto. Y la cuarta es la realidad simple de que distintos modelos son mejores en trabajos distintos: Gemini es más rápido, los modelos de peso abierto son más baratos, y Opus y Fable llegan más lejos en el trabajo más exigente y de horizonte largo.
Así se ordena, a grandes rasgos, el panorama si lo representas por coste y capacidad.
Las alternativas de un vistazo
Antes de entrar en el detalle, aquí está todo el panorama en una sola tabla. Los precios son tarifas de API por millón de tokens; "pesos abiertos" significa que puedes descargar y alojar el modelo tú mismo.
| Modelo | Ideal para | Acceso | Ventana de contexto | Precio de API (entrada / salida) | Pesos abiertos |
|---|---|---|---|---|---|
| Claude Sonnet 5 (referencia actual) | Trabajo equilibrado de programación y tareas agénticas | API cerrada + Claude.ai | 1M | $3 / $15 ($2 / $10 introductorio) | No |
| GPT-5.6 (Terra) | Equipos nativos de OpenAI | API + Codex (preview) | Aún no revelada | $2.50 / $15 | No |
| Gemini 3.5 Flash | Velocidad + ecosistema Google | API + app de Gemini | 1M (Pro) / 128K (Flash) | $1.50 / $9 | No |
| Claude Opus 4.8 | Un escalón más dentro de la misma familia | API cerrada + Claude.ai | 1M | $5 / $25 | No |
| Claude Fable 5 | Agentes autónomos de días de duración | API cerrada + Claude.ai | 1M | $10 / $50 | No |
| GLM-5.2 | El modelo abierto capaz más barato | Pesos abiertos + API | 1M | $1.40 / $4.40 | Sí (MIT) |
| Mistral Large 3 | Residencia de datos en la UE / autoalojamiento | Pesos abiertos + API | 256K | Abierto / variable | Sí |
| MiniMax M3 | Todoterreno de peso abierto | Pesos abiertos + API | 1M | Por niveles (ver más abajo) | Sí |
Una nota rápida sobre cómo leer esta tabla: la columna "Ideal para" hace más trabajo que la de precio. Casi todos los modelos de esta lista son lo bastante capaces para el trabajo diario de programación y tareas agénticas, así que el factor decisivo suele ser tu ecosistema, tus normas de residencia de datos y si necesitas autoalojamiento, no unos pocos dólares por millón de tokens.
Si quieres ir directo a una recomendación, este pequeño selector sigue la misma lógica que yo usaría.
1. GPT-5.6 (OpenAI)
Ideal para: equipos ya estandarizados en OpenAI que buscan el cambio más directo dentro de la misma categoría.
GPT-5.6 es la nueva generación de familia de OpenAI, presentada en preview el 26 de junio de 2026. La particularidad es que no es un solo modelo sino tres niveles permanentes: Sol (insignia), Terra (equilibrado) y Luna (el más rápido y barato). Terra es el que se corresponde más directamente con Sonnet 5, a $2.50 de entrada / $15 de salida por millón de tokens, con Luna por debajo de todos a $1 / $6.
También trae dos nuevos controles de cómputo que recuerdan al dial de esfuerzo de Sonnet 5: un ajuste de razonamiento max y un modo multiagente ultra que despliega subagentes. En las propias gráficas de OpenAI, Sol Ultra encabeza el ranking de Terminal-Bench 2.1 con un 91.9%.
La pega: durante la preview, GPT-5.6 solo es accesible a través de la API y Codex para un pequeño grupo de socios verificados, no en ChatGPT, y sin lista de espera pública. El despliegue restringido y coordinado con gobiernos es de lo que más se habla en la comunidad. Así que sobre el papel es una alternativa real a Sonnet 5, pero puede que todavía no puedas tocarla.
Veredicto: si eres nativo de OpenAI y consigues acceso a la preview, Terra es el cambio natural dentro de la misma categoría. Si no, sigue de cerca la reseña de GPT-5.6 y revisa de nuevo cuando llegue la disponibilidad general.
2. Google Gemini 3.5 Flash
Ideal para: equipos que quieren velocidad pura y ya viven en el ecosistema de Google.
El nuevo modelo de programación y agentes de Google Gemini, Gemini 3.5 Flash, es el rival más directo en velocidad y precio frente a Sonnet 5. El precio de la API es de $1.50 de entrada / $9 de salida por millón de tokens, y obtiene 76.2% en Terminal-bench 2.1 y 55.1% en SWE-Bench Pro según las cifras propias de Google. El titular que la gente repite es la velocidad: un hilo de Reddit asegura que Gemini genera respuestas aproximadamente el doble de rápido que Claude.
El verdadero atractivo es el ecosistema. Gemini está integrado en Search, Gmail, Docs y Workspace, y es nativamente multimodal con imágenes de Imagen 4 y vídeo Veo. Un estudiante de matemáticas aplicadas en Reddit resumió un cambio habitual:
"Como estudiante de matemáticas aplicadas, he notado que Gemini es mucho mejor con expresiones matemáticas. GPT comete errores tontos con operadores y coeficientes todo el tiempo."
La pega: la ventana de contexto de 1M de tokens es solo de pago (el nivel gratuito de Flash usa una ventana más pequeña), y los propios suscriptores de pago de Gemini se han quejado de errores de paridad de funciones y pérdida de contexto en conversaciones largas. Para un agente de soporte que necesita mantener una conversación larga, esa inestabilidad de memoria merece probarse antes de comprometerte.
Veredicto: la mejor opción si la velocidad y la integración nativa con Google importan más que unos pocos puntos de benchmark. Rápido, barato, multimodal, con un flanco algo más débil en fiabilidad de contexto largo.
3. Claude Opus 4.8
Ideal para: cuando el techo de Sonnet 5 no basta y quieres quedarte dentro de la misma familia.
La "alternativa" más infravalorada a Sonnet 5 es el modelo justo por encima. Claude Opus 4.8 es el modelo de nivel Opus más capaz de Anthropic, lanzado el 28 de mayo de 2026, diseñado para razonamiento complejo y programación agéntica de horizonte largo. Usa la misma ventana de 1M de tokens a $5 / $25 por millón de tokens. El propio planteamiento de Anthropic es que el rendimiento de Sonnet 5 está "cerca del de Opus 4.8, pero a precios más bajos", así que la lectura honesta es: Sonnet 5 te lleva la mayor parte del camino, y Opus 4.8 es al que recurres para las tareas más difíciles.
Un dato que vale la pena destacar para cualquiera que despliegue código o respuestas de cara al cliente: Anthropic informa que Opus 4.8 tiene aproximadamente cuatro veces menos probabilidad que su predecesor de dejar pasar fallos en su propio código sin señalarlos. Esa mejora en honestidad importa más para el soporte que las puntuaciones brutas de benchmark.
La pega: es genuinamente más caro, y debido a la dinámica del tokenizador y el esfuerzo, Sonnet 5 en modo de alto esfuerzo puede llegar a costar lo mismo por tarea de todos modos. Es un escalón hacia arriba, no un almuerzo gratis.
Veredicto: la ruta de actualización más limpia si ya estás en Claude y solo necesitas más margen. Misma infraestructura de herramientas, misma API, más capacidad. Consulta el desglose de Opus 4.8 para empresas para verlo completo.
4. Claude Fable 5
Ideal para: ejecuciones de agentes autónomos de días de duración que los modelos anteriores no podían sostener.
Si Opus es un escalón hacia arriba, Claude Fable 5 es toda la escalera. Lanzado el 9 de junio de 2026 como el modelo insignia de clase "Mythos" de Anthropic, está diseñado para tareas asíncronas y complejas que duran días a $10 / $50 por millón de tokens, exactamente el doble que Opus 4.8. Se dice que Stripe lo aplicó a una base de código Ruby de 50 millones de líneas y completó una migración de todo el sistema en un día.
La medida más honesta de su potencia viene de Simon Willison, que registró un día completo de pruebas prácticas con $110.42 de gasto en tokens y lo describió como "una especie de bestia. Es lento, es caro."
La pega: en realidad son dos. El coste y el consumo de cuota son brutales: un usuario agotó un límite de 5 horas en 20 minutos ejecutando 1.000 subagentes. Y hay un problema real de confianza: las salvaguardas de Fable pueden redirigir en silencio los prompts marcados hacia Opus 4.8 sin avisarte, algo que no quieres en un pipeline de producción predecible.
Veredicto: excesivo para la mayoría de los casos de uso de Sonnet 5, y descomunalmente excesivo para el soporte. Recurre a él solo cuando la tarea realmente necesite un modelo capaz de planificar y autoverificarse durante horas.
5. GLM-5.2 (Z.ai)
Ideal para: el modelo realmente capaz más barato, si te sientes cómodo con los pesos abiertos.
Este es el que hace más difícil ignorar el argumento del valor. GLM-5.2 es el modelo insignia de peso abierto de Z.ai, lanzado el 16 de junio de 2026 bajo una licencia MIT sin restricciones, con una ventana de contexto estable de 1M de tokens diseñada específicamente para programación de horizonte largo. El precio de la API es de $1.40 de entrada / $4.40 de salida por millón de tokens, aproximadamente una sexta parte del coste de los modelos de vanguardia cerrados.
Y no es un juguete. GLM-5.2 es el primer modelo de peso abierto en superar el 80% en Terminal-Bench (81.0), se sitúa a pocos puntos de Opus 4.8 en varios benchmarks de programación, y según se informa alcanzó el #1 en Design Arena con un ELO de 1360. Artificial Analysis lo calificó como el modelo de peso abierto líder en su índice.
La pega: los pesos abiertos significan que o te autoalojas (y gestionas la infraestructura) o confías en un proveedor de API que no es de EE. UU. Z.ai fue añadida a la Entity List del Departamento de Comercio de EE. UU. en enero de 2025, algo que a algunos compradores empresariales les importará mucho y a otros nada en absoluto.
Veredicto: la opción de valor más sólida de esta lista. Si tu prioridad es el coste por token y puedes convivir con la operación de peso abierto, GLM-5.2 es por donde yo empezaría. El análisis de GLM-5.2 para empresas profundiza más en el tema.
6. Mistral Large 3
Ideal para: equipos europeos y cualquiera que necesite que los datos se queden en casa o en la región.
Mistral AI es la respuesta europea, y su propuesta es "IA de vanguardia. En tus manos." Mistral Large 3 es su modelo insignia abierto (675B de parámetros, 41B activos) con una ventana de contexto de 256K, y toda la plataforma está construida en torno al despliegue autoalojado, en la nube de la UE o en las grandes nubes. Su producto de consumo y agentes, ahora renombrado de Le Chat a Vibe, se apoya en los mismos modelos. Entre los clientes con nombre propio están AXA, Orange, entidades financieras cercanas a BNP y el Ministerio de Defensa francés.
El elogio recurrente de los usuarios es la velocidad y la postura de privacidad de la UE, y varios están explícitamente dispuestos a aceptar una pérdida de capacidad "para mantener el dinero en Europa."
La pega: la comunidad reconoce honestamente que los modelos van por detrás de la vanguardia en las tareas más difíciles. Usuarios de Reddit califican a los modelos grandes de estar "muy, muy por detrás de Claude y ChatGPT en cosas avanzadas", e incluso reseñas positivas en G2 señalan que es "menos refinado que Claude". Las valoraciones de consumo en Trustpilot rondan entre 2.3 y 2.5.
Veredicto: la opción clara cuando la soberanía de datos es un requisito estricto, no un plus deseable. Si no lo es, probablemente otra de las opciones te dará más capacidad por el mismo dinero.
7. MiniMax M3
Ideal para: un todoterreno de peso abierto que hace programación, agentes y multimodalidad en un solo modelo.
MiniMax M3, lanzado el 1 de junio de 2026, es un modelo de vanguardia para programación y agentes construido sobre una novedosa arquitectura de atención dispersa, con una ventana de contexto de 1M de tokens. La afirmación de MiniMax es que la programación de vanguardia, el contexto largo y la multimodalidad nativa "ya son requisitos básicos para los modelos de vanguardia cerrados", y que M3 es el primer y único modelo de peso abierto en reunir los tres a la vez.
Un dato interesante para quien esté evaluando un cambio: M3 se puede invocar a través del SDK de Anthropic (su vía recomendada), además del SDK de OpenAI, y está integrado en Claude Code, Cursor, Cline y la mayoría de los demás entornos de programación. Su Token Plan cuesta $20, $50 y $120 al mes para cuotas mensuales grandes, posicionado como mucho más rendimiento por dólar que una suscripción comparable de Claude.
La pega: MiniMax no publica tarifas exactas por token en una página principal (están detrás de la interfaz de facturación), y el precio se escalona según la longitud de entrada por encima de 512K tokens. Así que tendrás que calcular tus propios costes en lugar de citar un precio fijo.
Veredicto: un sólido todoterreno de peso abierto, especialmente si la entrada multimodal importa. Es el más "con todo incluido" de las opciones de peso abierto, aunque GLM-5.2 tiene la historia de benchmarks más sonada.
La parte que realmente importa para el soporte al cliente
Aquí es donde tengo que ser directo contigo, porque he visto a equipos cometer este error de cerca. Si estás comparando alternativas a Sonnet 5 para construir automatización de soporte al cliente, estás optimizando el 20% fácil.
Todos los modelos de esta lista son lo bastante inteligentes para escribir una buena respuesta de soporte. Lo que no son es un agente de soporte. Un agente de soporte en el que tus clientes puedan confiar sin que alucine necesita recuperación de información desde tu documentación y tickets pasados, enrutamiento según el nivel de confianza para que derive el caso cuando no está seguro, acciones dentro de tu helpdesk, una escalada limpia a humanos y, el paso que todo el mundo se salta, pruebas sobre tickets históricos reales antes de salir en producción. El modelo es un componente. El stack es el producto.
Por eso elegir primero un modelo es empezar al revés en el caso del soporte. Si construyes directamente sobre claude-sonnet-5, GLM-5.2 o GPT-5.6, terminas reconstruyendo a mano la recuperación de información, las barreras de seguridad y las evaluaciones, y luego quedas atado a ese modelo, así que el día que salga una alternativa más barata o mejor, lo haces todo de nuevo. Todo el sentido de mantenerse agnóstico al modelo es que el modelo se convierta en una pieza intercambiable, no en una base sobre la que viertes hormigón.
Prueba eesel para IA de soporte sin apostarlo todo a un modelo
Si el motivo por el que estás comparando alternativas a Claude Sonnet 5 es poner IA en tu cola de soporte, eesel es la capa que hace que la elección del modelo deje de importar. Se integra con tu helpdesk actual, aprende de tus tickets y documentación pasados, y se mantiene agnóstico al modelo por debajo, de modo que la vanguardia puede seguir superándose a sí misma sin que tengas que rediseñar nada.
El diferenciador que destacaría es el modo de simulación: antes de que una sola respuesta llegue a un cliente, eesel reproduce tu IA contra miles de tus tickets históricos reales, de modo que ves la tasa de resolución y las respuestas exactas que habría enviado. Esa es la prueba que separa una demo de algo en lo que confiarías en tu cola en producción, y es la misma disciplina en la que nos hemos apoyado ejecutando IA en miles de tickets reales durante años. Es gratis probarlo, y funciona como un nuevo empleado que ya se ha leído todo tu centro de ayuda.
Gane quien gane tu comparativa entre alternativas a Claude Sonnet 5, el trabajo que se gana la confianza del cliente vive alrededor del modelo, no dentro de él. Elige el modelo que se ajuste a tu presupuesto y ecosistema, y luego construye un stack real a su alrededor.
