Las 8 mejores alternativas a Claude Opus 5 en 2026

Por qué alguien mira más allá de Claude Opus 5

Opus 5 salió el 24 de julio de 2026 y es un modelo potente. Ocupa el primer puesto del índice, mantiene una ventana de contexto de 1M sin recargo por contexto largo, y Anthropic dejó el precio en 5 $ y 25 $ por millón de tokens, sin cambios desde Opus 4.5. No hay ningún escándalo aquí. El explicador de Claude Opus 5 cubre lo que realmente llegó, y la reseña de Opus 5 muestra dónde el número destacado resulta menos favorable.

Lo que lleva a la gente a mirar en otra dirección es algo más concreto que "es malo", y se reduce a tres cosas.

La factura por tarea subió aunque el precio de lista no lo hiciera. AA mide el coste por tarea del índice en 2,34 $ para Opus 5 con el máximo esfuerzo. Su propio predecesor, Opus 4.8, mide 2,03 $ con el mismo precio de lista. Mismo precio por token, más tokens gastados. Es la queja más común que veo, y es real. El desglose de precios de Opus 5 modela lo que eso supone para una factura mensual.

Es lento. AA mide una salida media de 55,7 tokens por segundo. Gemini 3.6 Flash alcanza 213,5 en la misma medición, es decir, 3,8 veces más rápido. Para cualquier cosa que un humano esté esperando y observando, esa diferencia es el producto en sí.

No hay pesos. Anthropic nunca ha publicado un checkpoint de Opus y no muestra intención de empezar a hacerlo. Si tu requisito es ejecutar el modelo en tu propio hardware, en tu propia región, bajo tus propias reglas de retención, ningún modelo Claude lo cumple, a ningún precio. Es la única razón de la lista que Anthropic no puede resolver con un descuento, y por eso dos modelos con licencia MIT entran en este resumen.

Ya hay gente haciendo ese cambio, y el trade-off que describen es honesto, no una ganancia gratuita:

"I'd assume open weight models hosted on openrouter aren't being run at a loss. As such, I've been experimenting with them lately and results are pretty promising. Requires slightly more patience and handholding than just cranking Opus 5 in Claude Code, but for the cost saving it's definitely worth it."

morgoo, Hacker News

Observa lo que no está en esa lista: capacidad. Nadie con quien hablo abandona Opus 5 porque no pueda hacer el trabajo.

Cómo elegí estos ocho

La trampa en un resumen como este es clasificar según el benchmark que más favorezca el relato, así que primero fijé la métrica y dejé que el orden surgiera de ahí.

Cada modelo aquí está puntuado por Artificial Analysis con el mismo sistema de pruebas, así que las puntuaciones son comparables y no reportadas por el propio proveedor. Recopilé todas las cifras de este artículo el 5 de agosto de 2026. Junto a la puntuación de inteligencia, tomé el coste por tarea completada de AA, que valora los tokens de razonamiento que un modelo realmente consume, no la tarifa que cobra por ellos. Esas dos cifras discrepan constantemente, y esa discrepancia es la parte interesante.

Cada modelo también tenía que estar disponible hoy, con un precio publicado y sin lista de espera. Leí las licencias, porque dos de estos modelos tienen pesos abiertos y uno de ellos lleva asociado un umbral de ingresos. Cuando un proveedor y AA discrepaban en una cifra, lo he indicado en lugar de elegir la más favorable. Un modelo que descarté por esa razón es Qwen3.8-Max, que destaca en los leaderboards de preferencia humana pero no aparece en absoluto en el panel de AA, así que no se puede comparar en el mismo eje que todo lo demás aquí.

Lo que no he hecho es someter a los ocho a seis meses de tráfico de producción. He leído la documentación, los precios de lista y las mediciones independientes, y he mantenido las afirmaciones dentro de lo que esas fuentes respaldan.

Las mejores alternativas a Claude Opus 5 de un vistazo

Los precios son por millón de tokens en USD. Las puntuaciones, la velocidad y el coste por tarea son mediciones de Artificial Analysis tomadas el 5 de agosto de 2026.

"Conocimiento" es el AA-Omniscience Index, que va de -100 a 100 y mide si un modelo sabe las cosas o simplemente se las inventa con confianza. Lee esta columna dos veces. El mejor número en ella es 40,2.

1. GPT-5.6 Sol

Mejor para: quedarte a dos puntos de Opus 5 por aproximadamente la mitad del coste medido.

El buque insignia de OpenAI llegó a disponibilidad general el 9 de julio de 2026 y mantiene el precio de su predecesor, 5 $ de entrada y 30 $ de salida por millón. Sobre el papel es el más caro de los dos. En la práctica, AA lo mide en 1,23 $ por tarea del índice frente a los 2,34 $ de Opus 5, porque termina el mismo trabajo con menos tokens de razonamiento. Mi explicador de GPT-5.6 tiene el desglose completo de la familia, y la página de precios cubre los niveles Terra y Luna que hay debajo.

Dónde supera a Opus 5. Coste por tarea, en un 47 %. Velocidad de salida, 70,6 tokens por segundo frente a 55,7. El tiempo hasta el primer token con esfuerzo medio es de 6,1 segundos, rápido para un modelo de razonamiento.

Dónde no. Puntuación de índice, 58,9 frente a 60,7. La fiabilidad de conocimiento es la brecha más amplia: 21,7 frente a 31,3 en AA-Omniscience. En AA-Briefcase, que mide el trabajo agéntico de larga duración, Sol con el máximo esfuerzo puntúa 1502 Elo mientras que Opus 5 con el máximo esfuerzo puntúa 1719. Si tu carga de trabajo es un agente de larga duración en lugar de una sola respuesta, esa es la brecha que hay que sopesar.

Precios. 5,00 $ entrada, 30,00 $ salida, 0,50 $ acierto de caché, por millón de tokens. Contexto de 1M.

Veredicto. El mejor cambio directo de esta página. Dos puntos de índice por la mitad de la factura es un trade-off que la mayoría de los equipos deberían aceptar, siempre que revises la brecha de conocimiento con tus propias evaluaciones y no con las mías.

2. Kimi K3

Mejor para: trabajo de agente de larga duración por un tercio del coste.

El buque insignia de Moonshot AI se lanzó el 16 de julio de 2026: 2,8 billones de parámetros con 104.000 millones activos, una ventana de 1.048.576 tokens, y pesos publicados según lo previsto dos semanas más tarde. AA lo puntúa en 57,1 y, más útil aún, en 0,86 $ por tarea. Mi resumen de Kimi K3 profundiza más, y hay un resumen de alternativas dedicado si es tu punto de partida y no tu destino.

Dónde supera a Opus 5. Precio por tarea, 2,7 veces más bajo. Pesos publicados, algo que ningún modelo Claude ofrece. En AA-Briefcase puntúa 1541 Elo, por encima de los 1502 de GPT-5.6 Sol, así que se mantiene precisamente en los agentes de larga duración donde cabría esperar que un modelo más barato fallara.

Dónde no. La velocidad de salida es el punto débil, con 37,1 tokens por segundo, la más lenta de este resumen. La fiabilidad de conocimiento es 18,4. El razonamiento no se puede desactivar en ningún nivel de esfuerzo, y el nivel de gasto de entrada permite solo 3 solicitudes por minuto, algo que pilla a mucha gente desprevenida.

Precios. 3,00 $ entrada, 0,30 $ acierto de caché, 15,00 $ salida, por millón de tokens. Sin nivel por lotes.

Veredicto. La mejor relación puntuación-precio entre los cuatro primeros, y la elección cuando tu agente se ejecuta durante minutos en lugar de segundos. Simplemente no lo pongas en nada que alguien esté observando cursor en mano.

3. Claude Fable 5

Mejor para: lo único en lo que Opus 5 no es el mejor.

El nivel superior de Anthropic es el único modelo de este resumen que puntúa más alto que Opus 5 en fiabilidad de conocimiento: 40,2 frente a 31,3, la mejor cifra del panorama. También es el que cuesta más por tarea, 3,15 $, y su puntuación de índice de 59,9 queda fraccionalmente por debajo de los 60,7 de Opus 5. Así que no es simplemente el modelo más grande. Mi comparación Opus 5 frente a Fable 5 cubre dónde gana cada uno.

Los relatos de quienes lo usan van en ambas direcciones con este par, que es justo lo que parece una brecha de 0,8 puntos vista de cerca:

"I also have preferred Opus 5 to Fable 5 for most things. Fable is way better than Opus 4.8 for me - it just produces much more complete work in one shot reliably. But when Opus 5 came out, I found that I was getting the same results as Fable, just faster and cheaper."

tilleryj, Hacker News

Dónde supera a Opus 5. Conocimiento, por 8,9 puntos. Velocidad, 73,8 tokens por segundo frente a 55,7. Mismo contexto de 1M, mismas herramientas, mismo SDK, así que cambiar es solo modificar el nombre del modelo.

Dónde no. Coste, 1,35 veces por tarea y 2 veces en el precio de lista. Puntuación de índice, por 0,8 puntos, dentro del margen de ruido pero conviene saberlo antes de pagar el doble por ello. AA-Briefcase sitúa a Fable 5 en 1574 Elo frente a los 1719 de Opus 5 con el máximo esfuerzo.

Precios. 10,00 $ entrada, 50,00 $ salida, 1,00 $ acierto de caché, por millón de tokens.

Veredicto. No es una apuesta de coste, ni una mejora general. Recurre a él cuando una respuesta equivocada con confianza cuesta dinero real y ya has agotado el retrieval como solución.

4. Claude Sonnet 5

Mejor para: seguir con Anthropic gastando menos, con una advertencia.

Sonnet 5 es el descenso obvio dentro de la familia: 2 $ de entrada y 10 $ de salida por millón, contexto de 1M, la misma API. También es el ejemplo más claro de por qué el precio de lista engaña. Los tokens de salida son un 60 % más baratos que en Opus 5. El coste por tarea terminada es solo un 27 % más barato, 1,72 $ frente a 2,34 $, porque Sonnet 5 necesita muchos más turnos para llegar allí. Mi artículo Opus 5 frente a Sonnet 5 tiene el recuento de turnos.

Dónde supera a Opus 5. Velocidad de salida, 83,0 tokens por segundo, el Claude más rápido aquí. Más barato tanto en el precio de lista como en la tarea medida.

Dónde no. Una puntuación de índice de 53,4 frente a 60,7 es la brecha más amplia de cualquier modelo en la mitad superior. La fiabilidad de conocimiento es 15,3, menos de la mitad que la de Opus 5. En AA-Briefcase puntúa 1385 Elo frente a 1719.

Precios. 2,00 $ entrada, 10,00 $ salida, 0,20 $ acierto de caché, por millón de tokens, hasta el 31 de agosto de 2026. Desde el 1 de septiembre pasará a 3,00 $ y 15,00 $. Cualquier modelo de coste basado en la tarifa actual caduca en menos de cuatro semanas.

Veredicto. Un ahorro modesto por una caída real de capacidad, y el ahorro se reduce aún más en septiembre. Merece la pena para trabajo de gran volumen y bajo riesgo. Calcúlalo con la tarifa de septiembre, no con la actual.

5. Gemini 3.6 Flash

Mejor para: cualquier cosa con una persona esperando al otro lado.

El modelo Flash de trabajo de Google se lanzó el 21 de julio de 2026 y es lo más rápido de este resumen, con 213,5 tokens por segundo, 3,8 veces Opus 5. Cuesta 0,56 $ por tarea. Todos los detalles en el artículo sobre Gemini 3.6 Flash, más una lista de alternativas aparte si estás comprando dentro del catálogo de Google.

Dónde supera a Opus 5. Velocidad, con creces. Coste por tarea, 4,2 veces más bajo. Una tarifa de entrada plana para texto, imagen, vídeo, audio y PDF, algo inusual y útil cuando tus entradas son heterogéneas. Una fiabilidad de conocimiento de 23,5 es respetable para su rango de precio, y mejor que los 21,7 de GPT-5.6 Sol.

Dónde no. Una puntuación de índice de 50,1 queda 10,6 puntos por debajo. AA-Briefcase lo sitúa en 962 Elo, así que los agentes de larga duración no son su fuerte. La salida se limita a 65.536 tokens a pesar de la ventana de entrada de 1M.

Precios. 1,50 $ entrada, 7,50 $ salida, 0,15 $ acierto de caché, por millón de tokens. El lote cuesta la mitad.

Veredicto. La respuesta correcta siempre que la latencia sea el producto. Chat en vivo, autocompletado, cualquier cosa que se transmita a un usuario. No es la respuesta correcta para un agente sin supervisión que hace trabajo de varios pasos.

6. Grok 4.5

Mejor para: reducir el gasto sin perder capacidad de recordar.

El modelo de xAI es la opción de valor discreta aquí. Puntúa 53,8 en el índice a 0,36 $ por tarea, 6,4 veces por debajo de Opus 5, y su fiabilidad de conocimiento de 26,4 es la tercera mejor cifra de esta página, por delante de Gemini 3.6 Flash, GPT-5.6 Sol y todos los modelos de pesos abiertos del resumen. Mi resumen de Grok 4.5 cubre el panorama más amplio.

Dónde supera a Opus 5. Coste por tarea, 6,4 veces. Velocidad de salida, 61,3 tokens por segundo frente a 55,7. Con 2 $ de entrada y 6 $ de salida, es uno de los precios de lista más baratos entre los modelos cerrados.

Dónde no. Una puntuación de índice de 53,8 queda 6,9 puntos por debajo. El contexto llega hasta 500K, la mitad que el resto aquí, algo que importa si le pasas repositorios completos o largos historiales de tickets. AA-Briefcase lo puntúa en 1314 Elo.

Precios. 2,00 $ entrada, 6,00 $ salida, 0,30 $ acierto de caché, por millón de tokens.

Veredicto. Subestimado en el eje que más importa para el trabajo de soporte. Si estás bajando de nivel y te preocupa que el modelo se invente cosas, este es el primero que probar.

7. GLM-5.2

Mejor para: pesos abiertos rápidos con una licencia que tu abogado no cuestionará.

El buque insignia de Z.ai tiene licencia MIT, puntúa 51,1 en el índice y funciona a 182,7 tokens por segundo, solo por detrás de Gemini 3.6 Flash. A 0,57 $ por tarea, es 4,1 veces más barato que Opus 5. Hay más sobre el despliegue en mi artículo GLM-5.2 para empresas.

Dónde supera a Opus 5. Pesos abiertos bajo MIT, la licencia comercial más limpia que existe y el único requisito que ningún modelo Claude puede cumplir. Velocidad, 3,3 veces. Coste, 4,1 veces. Contexto completo de 1M.

Dónde no. La fiabilidad de conocimiento es 4,0, el número más bajo puntuado de este resumen y muy por debajo de los 31,3 de Opus 5. La puntuación de índice queda 9,6 puntos por debajo. La salida se limita a 128K.

Precios. 1,35 $ entrada, 4,29 $ salida, 0,23 $ acierto de caché, por millón de tokens, en la API alojada. Alojarlo tú mismo es gratis en licencia y caro en hardware, y mi resumen de agentes de IA de código abierto cubre lo que eso realmente implica.

Veredicto. La mejor opción de pesos abiertos si quieres velocidad y una licencia permisiva. Trata esa puntuación de conocimiento como una limitación dura: es un modelo al que dar documentos, no un modelo al que hacer preguntas.

8. DeepSeek V4 Flash

Mejor para: el suelo.

La versión 0731 entró en beta pública el 31 de julio de 2026 y es el modelo serio más barato del panorama, por un orden de magnitud. AA lo puntúa en 49,9, diez puntos por debajo de Opus 5, a 0,03 $ por tarea del índice. Los pesos son MIT, unos 167 GB, con 57 cuantizaciones de la comunidad disponibles. Mi artículo sobre DeepSeek V4 Flash y el desglose de precios entran en los modos.

Dónde supera a Opus 5. Precio, 86 veces por tarea. Pesos MIT. Contexto de 1M con un tope de salida de 384K, el más alto aquí. Velocidad de salida de 122,7 tokens por segundo, más del doble que Opus 5. Aciertos de caché a 0,0028 $ por millón.

Dónde no. La puntuación de índice queda 10,8 puntos por debajo, y la brecha se amplía si la configuración no es la correcta: la propia tabla de DeepSeek muestra a Flash en HLE 8,1 sin razonamiento y 34,8 con el máximo esfuerzo. Mismos pesos, ejecuciones distintas. AA no ha puntuado la versión 0731 en Omniscience, así que hay que tratar su fiabilidad de conocimiento como no medida, no como buena. Se ha anunciado un recargo de 2x en horas punta sin fecha de inicio.

Precios. 0,14 $ entrada, 0,0028 $ acierto de caché, 0,28 $ salida, por millón de tokens.

Veredicto. Imbatible en coste, y el motivo para tener cuidado no es la calidad. Los términos de la API de pago de DeepSeek guardan silencio sobre el uso para entrenamiento en lugar de protegerlo, no hay un DPA publicado ni una opción de retención cero, y los datos quedan sujetos a la ley de la República Popular China. Eso es una cuestión de compras antes de ser una cuestión técnica.

La brecha entre lo que miden estos gráficos y lo que preguntan tus usuarios

Anthropic publicó sus propios gráficos de coste frente a puntuación en el lanzamiento, y cuentan la misma historia en todos los benchmarks: la frontera tiene una pendiente suave, y pagas caro para escalar el último tramo.

Esto es lo que ninguno de ellos mide. Cada evaluación de esta página prueba capacidad general. Ninguna de ellas prueba si el modelo sabe que tu plan empresarial incluye SSO, o que dejaste de enviar a Noruega en marzo.

Por eso el reflejo de "usa simplemente un modelo más listo" sigue decepcionando a quienes lo intentan:

"At work I am sitting on a small pile of incomplete/wrong/missing-the-point bug reports right now, all generated by Opus 5 on High effort. Even under good conditions, LLMs are still wrong quite a lot, and confidently so."

monitron, Hacker News

He visto esto suceder tantas veces que reconozco el patrón. Un operador escribe en las instrucciones del agente, en mitad de un turno, algo como:

"stop promising customers things we cant do. we cannot guarantee this customer's order to them by friday"

Esa es una corrección real, de una gestora de soporte de comercio electrónico que observaba cómo una IA prometía en exceso fechas de entrega a los clientes. Y esto es lo que hace que valga la pena citarla en un artículo sobre selección de modelos: ningún cambio de modelo de esta página soluciona eso. El modelo no estaba confundido. Era elocuente, seguro de sí mismo y ajeno a un hecho que vivía en las operaciones de la empresa, no en sus pesos.

Otro equipo con el que estuve, un servicio de soporte danés de telemática de vehículos en Zendesk con unos 200 tickets al mes, se topó con el mismo muro desde el otro lado. Su bot confirmaba alegremente soporte para marcas de coches que no estaban en su base de datos, porque el artículo del centro de ayuda decía que admitían "todos los modelos". El modelo leyó el documento correctamente. El documento estaba equivocado. Subir de un 50 a un 60 en un índice de inteligencia no cambia nada de eso, que es el argumento para tratar tu base de conocimiento como lo que hay que poner a prueba, y no el modelo.

Por eso la columna de AA-Omniscience importa más que la del índice para el trabajo de soporte, y por eso incluso el mejor número en ella, el 40,2 de Fable 5, no es una solución. La solución es arquitectónica: fundamentar las respuestas en tus propios documentos, citar la fuente y retenerse cuando la confianza es baja. Eso es de lo que trata realmente la gestión de escalado de IA, y está en una capa por encima de cualquier modelo al que llegues. La mecánica del traspaso en sí se cubre en las mejores prácticas de traspaso de agentes.

Si estás elegiendo un modelo específicamente para una cola de soporte, lo que decide el resultado es la calidad del retrieval, el umbral de confianza y cómo pruebas antes de salir a producción. El control de calidad de la IA en soporte cubre la parte de las pruebas.

Para la parte del grounding, empieza con la prevención de alucinaciones. Esa capa es también lo que separa a un agente real de un chatbot basado en reglas, sin importar lo bueno que sea el modelo por debajo.

Prueba eesel

Elegir entre Opus 5 y estos ocho es una decisión real, y espero que la tabla de arriba la haga más corta. Pero tampoco es la decisión que determina si tu soporte con IA realmente funciona.

eesel se sitúa por encima del modelo. Aprende de los tickets que tu equipo ya ha resuelto, fundamenta cada respuesta en tu centro de ayuda y tus documentos internos, y guarda silencio ante cualquier cosa de la que no esté seguro en lugar de adivinar. Puedes ejecutarlo contra tus últimos miles de tickets históricos antes de que un solo cliente lo vea, que es la única prueba que te dice cuál será realmente tu tasa de resolución. Se integra con Zendesk, Freshdesk, Gorgias, HubSpot y el resto en pocos minutos, y los precios son por ticket resuelto en lugar de por asiento, así que la factura sigue al trabajo. La mayoría de los equipos lo dirigen primero a la deflexión de nivel 1, que es donde la automatización del servicio al cliente se amortiza más rápido.

Si ya estás comparando modelos por coste por tarea, la misma matemática aplicada una capa más arriba es el coste por resolución, y esa es la cifra que te pedirá tu equipo de finanzas. Hay un desglose más completo en el coste del servicio al cliente con IA, y si prefieres empezar con borradores en lugar de autonomía, el copiloto de IA para soporte es el punto de entrada de menor riesgo.

Prueba eesel gratis, o reserva una demo y lo ejecutaré primero contra el historial de tickets de tu propia empresa.

Mi opinión

Si tuviera que resumirlo en tres líneas.

Elige por defecto GPT-5.6 Sol si la razón por la que estás aquí es la factura. Va 1,8 puntos de índice por detrás y es un 47 % más barato por tarea, el mejor trade-off de la página, y su mayor tarifa de salida hace que parezca la respuesta equivocada hasta que revisas la medición.

Elige por defecto Gemini 3.6 Flash si la razón es la latencia, y DeepSeek V4 Flash si la razón es que quieres que la factura desaparezca. Lee primero los términos de datos de DeepSeek, porque el silencio en ellos es el coste real.

Y quédate con Opus 5 si la razón por la que buscabas es que se equivocó en algo. Cambiar de modelo te mueve unos pocos puntos en una escala de 100 puntos donde la mejor puntuación es 40. Fundamentar las respuestas en tus propios documentos te mueve considerablemente más que eso, y funciona con cualquier modelo que termines usando. Mi resumen de alternativas a Claude cubre la familia más amplia si quieres seguir buscando, y la IA para el servicio al cliente cubre la capa que realmente hace el trabajo.