En el segmento de los modelos de lenguaje ligeros y económicos —los «caballos de batalla pequeños»— se libra hoy la guerra de precios más despiadada de la historia del sector. Justo a estos modelos va a parar la mayor parte de las peticiones de servidor: clasificación inicial de correos entrantes, extracción de entidades, filtrado de logs, enrutamiento de tareas y flujos ligeros de RAG.
Hasta hace poco, Anthropic perdía terreno de forma clara en este nicho frente a sus rivales: el antiguo Haiku 4.5 costaba bastante más que las alternativas ultrabaratas de OpenAI (las familias GPT-4o-mini y GPT-6 Luna).
El lanzamiento de Claude Haiku 5.5 se planteó como una respuesta demoledora: el proveedor anunció un salto enorme en benchmarks de programación y lógica, sacando en sus banners un precio muy goloso: apenas $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida.
Parecía una victoria sin discusión. Pero el investigador independiente Simon Willison —creador de la popular librería Datasette y de la utilidad llm— hizo una auditoría técnica minuciosa del lanzamiento y destapó varios escollos incómodos que marketing prefirió callarse. Repasemos esa matemática oculta.
Barrera escalonada de los 100K tokens: salto de cinco veces en el precio
La primera sorpresa se esconde en la letra pequeña de la tabla de precios de la API. Esos «diez céntimos por millón» se aplican estrictamente mientras el tamaño total de tu contexto quepa por debajo de los 100,000 tokens.
Pero basta con que la petición cruce la barrera de los 100K tokens —por ejemplo, si decides analizar un informe financiero anual o un repositorio grande de código— para que salte al instante una penalización por cinco:
- El coste de los tokens de entrada se dispara de $0.10 a $0.50 por millón;
- El coste de los tokens de salida salta de $0.50 a $2.50 por millón.
Si tu cola de procesamiento documental en RAG deja pasar por descuido un PDF largo de varios tomos, el coste de una sola llamada se multiplica por cinco sin previo aviso. Frente a competidores que mantienen tarifas planas en todo el largo del contexto, este precio escalonado convierte a Haiku 5.5 en una apuesta arriesgada para grandes volúmenes de datos.
El tokenizador se volvió un 25% más voraz
El segundo impuesto encubierto está enterrado aún más hondo: en la matemática que convierte texto en tokens. Simon Willison pasó exactamente el mismo volumen de texto de prueba en inglés por la herramienta oficial Claude Token Counter comparando el antiguo Haiku 4.5 y el nuevo Haiku 5.5.
Resultó que el vocabulario del tokenizador en la generación 5.5 fue rediseñado de raíz. Sobre un texto idéntico, Haiku 5.5 cuenta de media 1.25 veces más tokens (+25%) que su predecesor.
¿Qué significa esto para tu bolsillo? Que aunque el precio nominal del millón de tokens luzca bonito sobre el papel, la factura real por procesar exactamente el mismo volumen de texto sube automáticamente una cuarta parte solo porque el texto se trocea en piezas más pequeñas.
Modo de razonamiento obligatorio: adiós a la respuesta instantánea
El tercer cambio de arquitectura es el modo de razonamiento profundo activado por defecto (Forced Reasoning). En Haiku 5.5 el nivel de esfuerzo viene fijado en medium effort, y el desarrollador no puede desactivar del todo la generación de tokens ocultos de pensamiento mediante un flag de sistema.
Al probar la generación de un gráfico vectorial sencillo en SVG («un pelícano en bicicleta») desde la utilidad de consola llm, el modelo dedica un tiempo apreciable a reflexionar por dentro. Esto aumenta la latencia hasta el primer token (Time to First Token, TTFT). Para tareas por lotes en segundo plano no pasa nada, pero si estás montando un robot de voz o un autocompletado instantáneo en una barra de búsqueda, ese segundo extra de espera puede arruinar la experiencia de usuario.
Haiku 5.5 se ha vuelto, sin duda, mucho más lista en código y lógica estricta. Pero no conviene usarla a ciegas: si tu flujo maneja contextos por encima de 100K tokens o depende de latencias de milisegundos, las alternativas de la competencia siguen siendo más predecibles en costes.
