El 7 de octubre de 2026 Anthropic lanzó Claude Haiku 5.5, el modelo pequeño de su familia 5.5, pensado para tareas de alto volumen como clasificar, resumir o extraer datos, y para asistentes de atención al cliente o de voz. La noticia que más ha circulado es el precio: según la información publicada, los prompts de menos de 100.000 tokens cuestan 0,10 dólares por millón de tokens de entrada y 0,50 de salida, frente a 1 y 5 dólares de Haiku 4.5.
Para una pyme, la pregunta no es qué modelo es mejor en un benchmark, sino si esto cambia lo que cuesta automatizar tareas de todos los días. Spoiler: en parte sí, pero con matices.
Qué hay de nuevo
- circle Precio por tramos: 0,10 $ de entrada y 0,50 $ de salida por millón de tokens hasta 100.000 tokens de prompt; por encima, 0,50 $ y 2,50 $.
- circle Recorte medio: Anthropic habla de un ahorro cercano al 75 % frente a Haiku 4.5. El 90 % solo aplica al tramo corto.
- circle Niveles de esfuerzo configurables: se puede elegir cuánto «pensar» según la tarea, para gastar menos en las sencillas.
- circle Disponible en AWS, Google Cloud y Azure con el identificador claude-haiku-5-5.
- circle Además, Sonnet 5.5 baja el precio de la lectura de caché de 0,20 a 0,10 $ por millón.
Ojo: las cifras de rendimiento son del propio fabricante y varias de las fuentes que lo han recogido son secundarias. Antes de presupuestar nada, conviene mirar la tabla oficial de precios.
Qué significa para tu negocio
Cuando un modelo cuesta una décima parte, tareas que antes no salían a cuenta empiezan a salir. Piensa en cosas repetitivas y de mucho volumen: etiquetar y priorizar los correos que entran, extraer datos de facturas o albaranes, resumir llamadas o reseñas, o responder las preguntas frecuentes de clientes por chat o WhatsApp.
Pero hay una trampa: el coste de los tokens casi nunca es el grueso del coste de un proyecto de IA. Lo que pesa es la integración con tus herramientas, ajustar el comportamiento, supervisar los casos raros y mantenerlo funcionando. Que el modelo sea más barato mejora el margen; no sustituye hacer bien el proceso.
Un ejemplo con números gruesos
Imagina un negocio que recibe 2.000 mensajes al mes y quiere clasificarlos y redactar un borrador de respuesta. Con mensajes cortos, el gasto en modelo se mueve en céntimos o pocos euros al mes. Antes también era asumible; la diferencia es que ahora puedes aplicarlo a más procesos a la vez sin que la factura sea un freno. El cuello de botella pasa a ser decidir qué procesos automatizar primero.
Tres cosas que haríamos ahora
- 1 Listar tareas repetitivas de alto volumen y bajo riesgo (clasificar, resumir, extraer) y estimar cuántas veces ocurren al mes.
- 2 Probar con datos reales antes de decidir: un modelo pequeño es excelente en tareas acotadas y flojo en razonamientos largos. Mide aciertos, no sensaciones.
- 3 Dejar abierta la puerta a cambiar de modelo: el mercado se mueve cada pocas semanas. Si tu automatización depende de un único proveedor, cada bajada de precio te pilla sin poder aprovecharla.
Un modelo barato no hace buena una automatización mal diseñada. Primero el proceso, después el modelo.
Nuestra lectura
La tendencia es clara: el coste de «pensar» sigue bajando y lo que marca la diferencia es saber dónde aplicarlo. Para una pyme es buena noticia, porque abarata justo el tipo de tarea que más tiempo come en el día a día. Es mala noticia solo para quien esperaba a que la IA fuera barata para empezar: el argumento del precio se cae.
Fuentes: cobertura de Reuters recogida por The Star (8 de octubre de 2026) y análisis de precios de Let's Data Science e Inside; contrasta siempre con la documentación oficial de Anthropic.
¿Por dónde empezar?
Si quieres saber qué procesos de tu empresa merece la pena automatizar primero y cuánto costaría de verdad, empieza por nuestra auditoría 360: te la hacemos sin compromiso en /diagnostico y sales con una lista priorizada, con cifras y sin humo.
