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 sólido. Es el número uno 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 explicativo de Claude Opus 5 cubre lo que realmente llegó, y la reseña de Opus 5 cubre dónde el número destacado pierde brillo.

Lo que empuja a la gente a mirar hacia otro lado es más específico que "es malo", y se reduce a tres cosas.

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

Es lento. AA marca una salida mediana de 55,7 tokens por segundo. Gemini 3.6 Flash corre a 213,5 con la misma medición, 3,8 veces más rápido. Para cualquier cosa que una persona esté observando en directo, esa diferencia es el producto.

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

La gente ya está haciendo ese movimiento, y el intercambio que describen es honesto, no una victoria gratis:

"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

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

Cómo elegí estos ocho

La trampa en una recopilación como esta es clasificar según el benchmark que más favorece a la narrativa, así que fijé primero la medición y dejé que el orden saliera solo.

Todos los modelos aquí están puntuados por Artificial Analysis con el mismo arnés, así que las puntuaciones son comparables en lugar de reportadas por el proveedor. Extraje cada cifra de este artículo el 5 de agosto de 2026. Junto a la puntuación de inteligencia, tomé el coste por tarea completada de AA, que pone precio a los tokens de razonamiento que un modelo realmente consume, no a la tarifa que cobra por ellos. Esos dos números discrepan constantemente, y esa discrepancia es la parte interesante.

Cada modelo también tenía que poder invocarse hoy, con un precio publicado y sin lista de espera. Leí las licencias, porque dos de ellos tienen pesos abiertos y uno de esos tiene un umbral de ingresos asociado. Donde un proveedor y AA discrepaban en una cifra, lo he señalado en lugar de elegir la más favorable. Un modelo que dejé fuera por esa razón es Qwen3.8-Max, que es fuerte en las tablas de preferencia humana pero no aparece en absoluto en el tablero de AA, así que no se puede comparar en el mismo eje que todo lo demás aquí.

Lo que no he hecho es pasar seis meses de tráfico de producción por los ocho. Leí la documentación, las tarjetas de precios y las mediciones independientes, y he mantenido las afirmaciones dentro de lo que eso respalda.

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 cosas frente a inventarlas 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 explicativo de GPT-5.6 tiene el desglose completo de la familia, y la página de precios cubre los niveles Terra y Luna por 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 lo hace. Puntuación de índice, 58,9 frente a 60,7. La fiabilidad del conocimiento es la brecha más amplia: 21,7 frente a 31,3 en AA-Omniscience. En AA-Briefcase, que mide trabajo agéntico de largo horizonte, Sol con máximo esfuerzo puntúa 1502 Elo mientras que Opus 5 con máximo puntúa 1719. Si tu carga de trabajo es una ejecución de agente larga 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 intercambio que la mayoría de los equipos debería aceptar, siempre que compruebes la brecha de conocimiento con tus propias evaluaciones y no con las mías.

2. Kimi K3

Mejor para: trabajo de agente de largo horizonte a 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 después. AA lo puntúa en 57,1 y, más útil aún, en $0,86 por tarea. Mi resumen de Kimi K3 profundiza más, y hay una recopilación de alternativas dedicada si es tu punto de partida en lugar de tu destino.

Dónde supera a Opus 5. Precio por tarea, 2,7 veces más bajo. Pesos publicados, algo que ningún modelo de Claude ofrece. En AA-Briefcase puntúa 1541 Elo, por encima del 1502 de GPT-5.6 Sol, así que aguanta precisamente en las ejecuciones de agente largas donde cabría esperar que un modelo más barato flaqueara.

Dónde no lo hace. La velocidad de salida es el punto débil, a 37,1 tokens por segundo, la más lenta de esta recopilación. La fiabilidad del conocimiento es de 18,4. El razonamiento no se puede desactivar a ningún nivel de esfuerzo, y el nivel de gasto de entrada permite 3 solicitudes por minuto, algo que sorprende a la gente.

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

Veredicto. La mejor relación puntuación-precio entre los cuatro primeros, y la opción cuando tu agente se ejecuta durante minutos en lugar de segundos. Simplemente no lo pongas donde una persona esté mirando el cursor.

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 esta recopilación que puntúa más alto que Opus 5 en fiabilidad del conocimiento: 40,2 frente a 31,3, la mejor cifra del tablero. También es el más caro por tarea, a $3,15, y su puntuación de índice de 59,9 está fraccionalmente por debajo del 60,7 de Opus 5. Así que no es simplemente el modelo más grande. Mi comparación de Opus 5 frente a Fable 5 cubre dónde gana cada uno.

Los informes de la práctica van en ambas direcciones con este par, que es exactamente el aspecto de una brecha de 0,8 puntos desde dentro:

"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 un cambio de cadena de modelo.

Dónde no lo hace. Coste, a 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 vale la pena 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 máximo esfuerzo.

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

Veredicto. No es una jugada de coste, ni una mejora general. Recurre a él cuando una respuesta confiadamente incorrecta cuesta dinero real y ya has agotado la recuperación de información como solución.

4. Claude Sonnet 5

Mejor para: quedarte en Anthropic gastando menos, con una advertencia.

Sonnet 5 es el escalón inferior 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 miente. Los tokens de salida son un 60% más baratos que 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 ahí. Mi artículo de 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 lo hace. La puntuación de índice de 53,4 frente a 60,7 es la brecha más amplia de cualquier modelo en la mitad superior. La fiabilidad del conocimiento es de 15,3, menos de la mitad de 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. A partir del 1 de septiembre pasa a $3,00 y $15,00. Cualquier modelo de coste construido sobre 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. Vale la pena para trabajo de alto volumen y bajo riesgo. Modélalo 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 esta recopilación a 213,5 tokens por segundo, 3,8 veces Opus 5. Cuesta $0,56 por tarea. Todos los detalles en el artículo de Gemini 3.6 Flash, más una lista de alternativas aparte si estás comprando dentro de la gama de Google.

Dónde supera a Opus 5. Velocidad, por mucho. 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 variadas. La fiabilidad del conocimiento de 23,5 es respetable para su franja de precio, y mejor que el 21,7 de GPT-5.6 Sol.

Dónde no lo hace. La puntuación de índice de 50,1 está 10,6 puntos por debajo. AA-Briefcase lo sitúa en 962 Elo, así que las ejecuciones de agente largas no son lo suyo. La salida tiene un tope de 65.536 tokens pese a la ventana de entrada de 1M.

Precios. $1,50 entrada, $7,50 salida, $0,15 acierto de caché, por millón de tokens. El lote es 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 en directo. No la respuesta correcta para un agente sin supervisión que hace trabajo multietapa.

6. Grok 4.5

Mejor para: recortar el gasto sin renunciar a la memoria.

El modelo de xAI es la opción de valor silenciosa 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 de la recopilación. 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. Entrada a $2 y salida a $6 lo convierten en uno de los precios de lista más baratos entre los modelos cerrados.

Dónde no lo hace. La puntuación de índice de 53,8 está 6,9 puntos por debajo. El contexto tiene un tope de 500K, la mitad que todo lo demás aquí, algo que importa si le das repositorios enteros o historiales largos 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. Infravalorado en el eje que más importa para el trabajo de soporte. Si estás bajando un nivel y te preocupa que el modelo se invente cosas, este es el primero que hay 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 corre 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 de GLM-5.2 para empresas.

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

Dónde no lo hace. La fiabilidad del conocimiento es de 4,0, el número más bajo puntuado en esta recopilación y muy por debajo del 31,3 de Opus 5. La puntuación de índice es 9,6 puntos más baja. La salida tiene un tope de 128K.

Precios. $1,35 entrada, $4,29 salida, $0,23 acierto de caché, por millón de tokens, en la API alojada. Autoalojarse está libre de coste de licencia y resulta caro en hardware, y mi recopilación 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 restricción 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 tablero, 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 comunitarias disponibles. Mi artículo de DeepSeek V4 Flash y el desglose de precios profundizan en los modos.

Dónde supera a Opus 5. Precio, por 86 veces por tarea. Pesos MIT. Contexto de 1M con un techo de salida de 384K, el mayor 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 lo hace. La puntuación de índice está 10,8 puntos por debajo, y la brecha se amplía si te equivocas en la configuración: la propia tabla de DeepSeek muestra Flash en HLE 8,1 sin pensamiento y 34,8 con máximo esfuerzo. Los mismos pesos, ejecuciones distintas. AA todavía no ha puntuado la versión 0731 en Omniscience, así que trata su fiabilidad de conocimiento como no medida en lugar de buena. Se ha anunciado un recargo del doble 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 proteger, no hay un DPA publicado ni una opción de retención cero, y los datos están bajo la ley de la RPC. Eso es una cuestión de compras antes que de ingeniería.

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 una historia consistente en cada benchmark: la frontera tiene una pendiente suave, y pagas caro por subir el último tramo.

Esto es lo que nada de esto mide. Cada evaluación de esta página prueba la 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 un modelo más listo" sigue decepcionando a quienes lo prueban:

"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 repetirse las veces suficientes como para reconocer el patrón. Un operador escribió en las instrucciones del agente, en mitad de un turno, algo como esto:

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

Es una corrección real, de un responsable de soporte de comercio electrónico que vio 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 arregla eso. El modelo no estaba confundido. Era fluido, seguro de sí mismo e ignoraba un dato que vivía en sus operaciones, no en sus pesos.

Otro equipo con el que estuve, una mesa de soporte danesa de telemática de vehículos en Zendesk que gestiona unos 200 tickets al mes, chocó con la misma pared desde el otro lado. Su bot confirmaba alegremente compatibilidad con marcas de coche 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 hace nada al respecto, lo que respalda tratar tu base de conocimiento como lo que hay que poner a prueba, en lugar del modelo.

Por eso la columna de AA-Omniscience importa más que la columna 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. El arreglo es arquitectónico: anclar las respuestas en tus propios documentos, citar la fuente y contenerse cuando la confianza es baja. Eso es de lo que trata en realidad la gestión de escalado de IA, y está un nivel por encima de cualquier modelo en el que acabes. La mecánica de la propia transferencia se cubre en las mejores prácticas de traspaso de agentes.

Si estás eligiendo un modelo para una cola de soporte en concreto, lo que decide el resultado es la calidad de la recuperación, la barrera de confianza y cómo pruebas antes de salir a producción. El control de calidad de soporte con IA cubre el lado de las pruebas.

Para el lado del anclaje, 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. Tampoco es la decisión que determina si tu soporte con IA funciona de verdad.

eesel se sitúa por encima del modelo. Aprende de los tickets que tu equipo ya ha resuelto, ancla cada respuesta en tu centro de ayuda y tus documentos internos, y se mantiene en 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 conecta con Zendesk, Freshdesk, Gorgias, HubSpot y el resto en pocos minutos, y los precios son por ticket resuelto en lugar de por puesto, así que la factura sigue el trabajo real. La mayoría de los equipos lo apuntan primero a la contención en el 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 un nivel más arriba es el coste por resolución, y ese es el número que te pedirá tu equipo de finanzas. Hay un desglose más completo en el coste de la atención al cliente con IA, y si prefieres empezar por la redacción antes que por la 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 tu propio historial de tickets.

Mi conclusión

Si tuviera que resumirlo en tres líneas.

Elige GPT-5.6 Sol por defecto si el motivo por el que estás aquí es la factura. Está 1,8 puntos de índice por detrás y es un 47% más barato por tarea, el mejor intercambio de la página, y su tarifa de salida más alta hace que parezca la respuesta equivocada hasta que compruebas la medición.

Elige Gemini 3.6 Flash por defecto si el motivo es la latencia, y DeepSeek V4 Flash si el motivo 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 en Opus 5 si el motivo por el que estabas mirando 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. Anclar las respuestas en tus propios documentos mueve considerablemente más que eso, y funciona sea cual sea el modelo que acabes usando. Mi recopilación de alternativas a Claude cubre la familia más amplia si quieres seguir buscando, y la IA para atención al cliente cubre la capa que realmente hace el trabajo.