Claude Sonnet 5.5 o GPT-6.1 Sol: cuál elegir (precio real, velocidad y benchmarks)

Claude Sonnet 5.5 y GPT-6.1 Sol cuestan exactamente lo mismo, 2 dólares por millón de tokens de entrada y 10 de salida, pero no te van a cobrar lo mismo. Los dos modelos de gama media de Anthropic y OpenAI salieron con una semana de diferencia y se presentan como «casi el tope de gama a mitad de precio». Con los primeros datos independientes ya podemos compararlos de verdad: Sonnet 5.5 es más listo y más rápido escribiendo, pero en las pruebas de Artificial Analysis gasta unas cinco veces más tokens por tarea, y eso cambia la factura. Te contamos en qué gana cada uno, cuánto cuestan de verdad y cuál elegir según lo que vayas a hacer.

La comparativa, en una tabla

Los datos de inteligencia, velocidad y coste por tarea son de Artificial Analysis, con ambos modelos en su esfuerzo máximo, y los de precio, de Anthropic y OpenAI. Si quieres el detalle de cada modelo por separado, tenemos artículos sobre las novedades de Claude Sonnet 5.5 y sobre GPT-6.1 Sol y el resto del DevDay de OpenAI.

Inteligencia: quién gana cada prueba

Comparar los benchmarks que publica cada empresa es casi imposible: cada una elige las pruebas en las que su modelo luce, y apenas coinciden. Por eso los datos de Artificial Analysis, que ejecuta las mismas pruebas a todos los modelos, son la mejor referencia. Su índice de inteligencia da 56 puntos a Sonnet 5.5 y 52 a GPT-6.1 Sol, y Sonnet gana en siete de las once evaluaciones.

Lo que dicen los números:

• Programación y agentes: Sonnet 5.5 gana con claridad en Terminal-Bench 4.0 (64 % frente a 56 %), AutomationBench (72 % frente a 65 %) y SciCode (61 % frente a 54 %).
• Trabajo profesional: en las pruebas de tareas de oficina con puntuación Elo, la diferencia es amplia: GDPval-AA (1840 frente a 1575) y AA-Briefcase (1824 frente a 1564).
• Conocimiento: GPT-6.1 Sol gana en AA-Omniscience (42 frente a 32), una prueba que premia saber y no inventar, y en la lectura de documentos GDP.pdf (31 % frente a 26 %).
• Empates: en contexto largo (AA-LCR, 83 % los dos), física avanzada (CritPt) y Humanity's Last Exam, la diferencia es de uno o dos puntos.

Un detalle: Anthropic publicó un 70,6 % en Terminal-Bench 4.0 para Sonnet 5.5, y Artificial Analysis mide un 64 %. No es que nadie mienta: cambian la configuración y el entorno. Por eso conviene comparar siempre con la misma fuente.

La trampa del precio: el coste por tarea

Aquí está lo más importante de la comparativa. Los dos modelos cobran lo mismo por token, pero no gastan los mismos tokens. Con el esfuerzo al máximo, en las pruebas de Artificial Analysis:

• Sonnet 5.5 generó de media 197.000 tokens por tarea (147.000 de ellos de razonamiento).
• GPT-6.1 Sol generó 38.000 (25.000 de razonamiento).

Es decir, Sonnet «piensa» unas cinco veces más antes de responder. Ese razonamiento extra es probablemente parte de por qué acierta más, pero se paga: el coste medio por tarea fue de 7,67 dólares con Sonnet 5.5 y 0,72 con GPT-6.1 Sol, y ejecutar el índice completo costó 9.074 dólares con Sonnet y 1.082 con Sol.

¿Qué significa en la práctica? Que el precio por millón de tokens no basta para comparar modelos de razonamiento: hay que mirar cuántos tokens usa cada uno para tu tarea. Y que el nivel de esfuerzo es la palanca más importante del coste. Con esfuerzo medium o low, los dos gastan muchos menos tokens; para tareas sencillas no tiene sentido usar el máximo. Lo sensato es probar los dos con tus propias tareas y medir el coste real antes de decidir.

Velocidad: tokens por segundo frente a tiempo por tarea

Aquí pasa algo parecido. Sonnet 5.5 escribe mucho más rápido: 132 tokens por segundo frente a 51 de GPT-6.1 Sol. Pero como genera tantos más tokens, en las pruebas de Artificial Analysis tardó más en completar cada tarea: unos 930 segundos de media frente a 756.

Para un chat normal, en el que lees la respuesta mientras se escribe, la velocidad de Sonnet se nota y se agradece. Para un agente que trabaja solo y del que solo te importa el resultado final, lo que cuenta es el tiempo por tarea, y ahí Sol va algo por delante.

Contexto largo y caché: donde cambia la tarifa

Las dos tarifas «iguales» tienen dos diferencias que, según tu uso, pueden pesar más que todo lo anterior:

• Contexto por encima de 272.000 tokens: OpenAI cobra el doble en la entrada y 1,5 veces en la salida de toda la petición. Anthropic mantiene la misma tarifa en todo el millón de tokens de Sonnet 5.5. En un ejemplo de DataCamp con documentos largos, la misma carga costó 55 dólares con Sol y 30 con Sonnet.
• Caché: leer de la caché cuesta 0,10 dólares con Sol y 0,20 con Sonnet. En un agente que reutiliza el mismo contexto una y otra vez, el ejemplo de DataCamp salió por 30,25 dólares con Sol y 40,25 con Sonnet.

Si trabajas con repositorios enormes o con muchos documentos a la vez, Sonnet. Si tienes agentes con un contexto fijo que se repite, Sol.

Una prueba práctica

DataCamp puso a los dos modelos a programar una visualización del algoritmo de Dijkstra. Los dos hicieron un trabajo excelente: GPT-6.1 Sol sacó un 5,0 de media en su rúbrica y Sonnet 5.5 un 4,7, con Sonnet resolviendo la tarea en menos turnos y menos llamadas a herramientas. La diferencia más interesante fue de carácter: ante un grafo con aristas negativas, para el que Dijkstra no sirve, Sol se negó a ejecutarlo y Sonnet avisó del problema y respondió igualmente. Según lo que construyas, te interesará un comportamiento u otro.

Dónde se pueden usar

Los dos están disponibles en España sin restricciones. Si dudas entre las herramientas de programación, tenemos una comparativa de Cursor, Claude Code, Copilot y Codex y un tutorial de Claude Code.

Cómo probarlos tú mismo

Los benchmarks orientan, pero la mejor decisión sale de probar los dos modelos con tus propias tareas. Así se hace sin gastar de más:

1. Elige diez tareas reales de tu trabajo: un fallo de código, un resumen de documento, una consulta de datos. Mejor reales que inventadas.
2. Lánzalas con los dos modelos al mismo nivel de esfuerzo, empezando por medium. Muchas tareas no necesitan el máximo, y el coste cae mucho.
3. Mide tres cosas: si la respuesta es correcta, cuántos tokens ha usado (las dos API lo devuelven en cada respuesta) y cuánto ha tardado.
4. Calcula el coste por tarea, no por token. Es la cifra que de verdad va a tu factura.
5. Repite con el esfuerzo más alto solo en las tareas que fallen. Así sabrás si compensa pagar más razonamiento.

Servicios como OpenRouter permiten llamar a los dos modelos con la misma API, lo que facilita la comparación. Y si trabajas con agentes, repasa nuestra guía para ejecutarlos con sandbox y permisos.

Lo que no dicen los benchmarks

Hay cosas que ninguna tabla recoge y que pesan en el día a día. El estilo de escritura: Claude tiende a respuestas más elaboradas y GPT a otras más directas, y cada uno tiene sus defensores. La forma de negarse: como vimos en la prueba de DataCamp, Sol es más estricto con las entradas que considera incorrectas. Y el ecosistema: si tu equipo ya trabaja con ChatGPT, Codex y Azure, o con Claude, Claude Code y AWS, el cambio tiene un coste que va más allá del precio por token. Además, los dos modelos se actualizan con frecuencia, y estas cifras pueden cambiar en semanas.

¿Y si necesito el tope de gama?

Sonnet 5.5 y GPT-6.1 Sol son los modelos de gama media de sus empresas. Por encima están Claude Opus 5.5, a 4 dólares por millón de tokens de entrada y 20 de salida, y GPT-6 Astra, a 10 y 50. Según sus propios fabricantes, los dos modelos medios se quedan muy cerca de sus hermanos mayores en programación y trabajo profesional, así que para la mayoría de usos ya no tiene sentido pagar el doble o el quíntuple. Los tope de gama siguen compensando en las tareas más difíciles, donde un error sale más caro que la diferencia de precio. Y ten en cuenta que los modelos de razonamiento con esfuerzo alto pueden gastar muchos tokens también en el tope de gama, así que la lección del coste por tarea vale igual para ellos.

Cuál elegir según tu caso

La conclusión honesta: Sonnet 5.5 es mejor modelo, pero no por tanto como sugiere su posición en los rankings, y GPT-6.1 Sol es mucho más eficiente en tokens. La mejor decisión depende de tu volumen de uso. Y como los precios están igualados, cambiar de uno a otro es más fácil que nunca. Si quieres ver el panorama completo de asistentes, tenemos una guía de las mejores alternativas a ChatGPT.

El equipo para trabajar con estos modelos

Si pasas el día con agentes y código, el cuello de botella ya no es el modelo, sino tu espacio de trabajo: revisar diferencias, leer documentos y vigilar varios procesos a la vez. Un buen monitor de programación y un buen teclado se notan más que cualquier benchmark:

Ver el monitor BenQ RD280U para programar en Amazon · Ver el monitor Dell S2725QC 4K en Amazon · Ver el teclado Redragon K673 Pro en Amazon

Y si además quieres probar modelos abiertos en local para las tareas que no requieren un modelo de frontera, un ordenador compacto o una gráfica de 16 GB te dan margen; lo explicamos en nuestra guía de las mejores GPU para IA local.

Ver el Mac mini con M4 en Amazon · Ver la ASUS Dual RTX 5060 Ti de 16 GB en Amazon · Ver el SSD Samsung 990 EVO Plus de 2 TB en Amazon

Lecturas relacionadas

• Claude Sonnet 5.5: novedades, precio y benchmarks
• OpenAI DevDay 2026: Dots, GPT-6.1 Sol y Codex
• Cursor, Claude Code, Copilot o Codex: cuál elegir
• Agentes de IA: guía completa