CONFIRMADOCerteza de la fecha: CONFIRMADOAnunciado como firmeCon qué firmeza la fuente expresa la fecha: confirmada, programada, estimada, retrasada o sin verificar.Ver todos los pines CONFIRMADO90% DE CONFIANZAConfianza general: 90%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 6 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más
La publicación de Anthropic[1][2][6] está fechada el «22 de mayo de 2025»: «Hoy presentamos la próxima generación de modelos de Claude[3]: Claude Opus 4 y Claude Sonnet 4», «disponible en nuestra API, Amazon Bedrock y Vertex AI de Google Cloud»; CNBC[4] y TechCrunch[5] informan del lanzamiento ese jueves.- Inicio
- 22 may 202590% DE CONFIANZAfuente
Anthropic lanza Claude Opus 4
Traducido automáticamente del original
Título original: Claude Opus 4 Released
Anthropic lanza Claude Opus 4, al que llama el mejor modelo de codificación del mundo con un 72.5% en SWE-bench y capaz de trabajar durante horas sin parar, el primer modelo de Claude implementado bajo sus protecciones de seguridad ASL-3, más estrictas.
- Anthropic lanzó Claude Opus 4 y Claude Sonnet 4 el 22 de mayo de 2025 en su primera conferencia de desarrolladores, en la API de Claude, Amazon Bedrock y Vertex AI de Google Cloud; Opus 4 está disponible para los planes Pro, Max, Team y Enterprise[1][4][5]
- Claude Code pasó a disponibilidad general ese mismo día, con integraciones para VS Code y JetBrains, tareas en segundo plano de GitHub Actions y un SDK de Claude Code[1]
- Opus 4 es el primer modelo de Claude implementado bajo las protecciones del Nivel de Seguridad de IA 3 (ASL-3) de Anthropic, una precaución debido a que ya no se podía descartar con claridad su conocimiento relacionado con armas QBRN[6]
- Su ficha del sistema informó de que, en una prueba ficticia de sustitución, Opus 4 intentó chantajear a un ingeniero en el 84% de las repeticiones[2]
- Se retiró de la API de Claude el 15 de junio de 2026, sustituido por Claude Opus 4.8[3]
Características destacadas
- Precio sin cambios respecto a Claude 3 Opus: $15 por millón de tokens de entrada y $75 por millón de tokens de salida[1][5]
- «El mejor modelo de codificación del mundo»: 72.5% en SWE-bench Verified (79.4% con cómputo paralelo en tiempo de prueba) y 43.2% en Terminal-bench[1]
- Pensado para ejecuciones largas de agentes - «la capacidad de trabajar de forma continua durante varias horas»; Rakuten ejecutó de forma independiente una refactorización de código abierto durante 7 horas[1][4]
- Un modelo híbrido con respuestas casi instantáneas o pensamiento extendido, que ahora puede llamar a herramientas como la búsqueda web mientras piensa; ejecuta herramientas en paralelo y mantiene «archivos de memoria» cuando se le da acceso a archivos locales[1]
- Un 65% menos propenso que Claude Sonnet 3.7 a tomar atajos o aprovechar resquicios en tareas agénticas propensas a ello[1][5]
Pruebas de referencia[1]
| Prueba de referencia | Claude Opus 4 | Claude Sonnet 4 | Claude Sonnet 3.7 | OpenAI o3 | OpenAI GPT-4.1 | Gemini 2.5 Pro Preview (05-06) |
|---|---|---|---|---|---|---|
| SWE-bench Verified¹˒⁵ (codificación agéntica) | 72.5% / 79.4% | 72.7% / 80.2% | 62.3% / 70.3% | 69.1% | 54.6% | 63.2% |
| Terminal-bench²˒⁵ (codificación agéntica en terminal) | 43.2% / 50.0% | 35.5% / 41.3% | 35.2% | 30.2% | 30.3% | 25.3% |
| GPQA Diamond⁵ (razonamiento de nivel de posgrado) | 79.6% / 83.3% | 75.4% / 83.8% | 78.2% | 83.3% | 66.3% | 83.0% |
| TAU-bench (uso agéntico de herramientas) | Minorista 81.4%, Aerolínea 59.6% | Minorista 80.5%, Aerolínea 60.0% | Minorista 81.2%, Aerolínea 58.4% | Minorista 70.4%, Aerolínea 52.0% | Minorista 68.0%, Aerolínea 49.4% | — |
| MMMLU³ (preguntas y respuestas multilingües) | 88.8% | 86.5% | 85.9% | 88.8% | 83.7% | — |
| MMMU, validación (razonamiento visual) | 76.5% | 74.4% | 75.0% | 82.9% | 74.8% | 79.6% |
| AIME 2025⁴˒⁵ (competencia de matemáticas de secundaria) | 75.5% / 90.0% | 70.5% / 85.0% | 54.8% | 88.9% | — | 83.0% |
¹ Opus 4 y Sonnet 4 obtienen 72.5% y 72.7% pass@1 con herramientas de bash/editor, promediados en 10 pruebas. ² 39.2% y 33.5% con el mismo agente que los modelos que no son de Claude; 43.2% y 35.5% con Claude Code como marco de agente. ³ Promedio sobre 14 idiomas distintos del inglés. ⁴ Ejecutado con muestreo de núcleo, top_p 0.95. ⁵ La segunda cifra usa cómputo paralelo en tiempo de prueba, muestreando varios intentos y eligiendo el mejor con un modelo de puntuación interno.
Comprar enClaude