Sonnet 5 vs Opus 4.8 vs Fable 5: Una comparación de costes por tarea
Elegir un modelo basándose en "el más inteligente" ignora que el coste por tarea puede diferir en un orden de magnitud entre Sonnet 5, Opus 4.8 y Fable 5 para trabajos que cualquiera de los tres podría manejar plausiblemente.
Esta página recorre los precios generales y luego aplica esos precios a un puñado de formas de tareas realistas, para que la decisión se base en dólares por tarea, no solo en una vaga sensación de "calidad".
Cómo usar esta comparación
- Empieza por la tabla general de precios por MTok, luego estima la forma de los tokens (entrada corta/salida larga, o entrada larga/salida corta) de tu tarea real.
- Multiplica, no mires de reojo, las pequeñas diferencias por token se acumulan rápidamente a gran volumen.
- Vuelve a ejecutar los cálculos cada vez que cambie el precio de un modelo; el precio de introducción de Sonnet 5, en particular, tiene un plazo fijo y cambiará el 2026-08-31.
- Considera Haiku 4.5 como la cuarta opción implícita; no se compara tarea por tarea aquí ya que esta página se centra en Sonnet/Opus/Fable, pero a menudo es la respuesta correcta para las formas de tarea más sencillas cubiertas a continuación.
- Revisa esta comparación cada vez que añadas un nuevo tipo de tarea a tu producto, la forma del coste varía enormemente según la tarea.
Precios generales
| Modelo | Entrada / MTok | Salida / MTok | Posicionamiento |
|---|---|---|---|
| Claude Sonnet 5 | ~$2 (introducción, hasta el 2026-08-31, luego ~$3) | ~$10 (introducción, luego ~$15) | Predeterminado, coste/capacidad equilibrados |
| Claude Opus 4.8 | ~$5 | ~$25 | Razonamiento más potente, mayor coste |
| Claude Fable 5 | ~$10 | ~$50 | Nivel superior, mayor coste |
Opus 4.8 tiene aproximadamente 2.5 veces la tarifa de entrada de introducción de Sonnet 5 y 2.5 veces su tarifa de salida. Fable 5 tiene aproximadamente 5 veces las tarifas de introducción de Sonnet 5 en ambos lados, y aproximadamente 2 veces las tarifas de Opus 4.8 en ambos lados. Las proporciones entre los tres se mantienen consistentes en entrada y salida, por lo que el coste relativo de una tarea entre modelos no cambia mucho en función de si es intensiva en entrada o en salida, es el mismo multiplicador en cualquier caso.
Decisión 1: Un prompt corto de estilo de clasificación
Escenario: Etiquetar un ticket de soporte con una de ocho categorías. La entrada es corta (~200 tokens, incluida una breve taxonomía), la salida es una sola palabra (~5 tokens).
| Rango | Elección | Enfoque |
|---|---|---|
| Mejor | Sonnet 5 | Profundidad de razonamiento más que suficiente para una clasificación de ocho vías; el coste es insignificante a este tamaño independientemente del nivel |
| 2º | Opus 4.8 | Funciona bien, pero el coste adicional no aporta nada medible para una tarea tan simple |
| 3º | Fable 5 | Respuesta correcta, gasto desperdiciado; la tarea no ejercita la capacidad adicional |
Elección incorrecta: Recurrir a Fable 5 "por si acaso" en una tarea tan pequeña. Con ~200 de entrada y ~5 de salida tokens, incluso el coste por llamada de Fable 5 es una fracción de céntimo, por lo que la diferencia de dólares por llamada es minúscula, pero se acumula mal a alto volumen y establece un mal predeterminado para la siguiente tarea, más grande.
Por qué el mejor es el mejor: La tarea tiene casi ningún requisito de profundidad de razonamiento, por lo que el diferenciador es el sobrecoste por llamada a escala, no la corrección por llamada. Ten en cuenta que Haiku 4.5 también valdría la pena evaluarlo aquí si el volumen es alto; esta comparación se ciñe a Sonnet/Opus/Fable según su alcance.
Decisión 2: Resumir un documento largo
Escenario: Resumir un informe interno de 20 páginas (~15.000 tokens de entrada) en un resumen ejecutivo de 300 tokens.
| Rango | Elección | Enfoque |
|---|---|---|
| Mejor | Sonnet 5 | Maneja bien la resumen de documentos largos; la tarea consume mucha entrada, que es donde la tarifa de entrada más baja de Sonnet importa más |
| 2º | Opus 4.8 | Justificado si el informe tiene contenido denso, ambiguo o técnico donde la calidad de la síntesis está realmente en riesgo |
| 3º | Fable 5 | Raramente justificado para resúmenes sencillos; la forma intensiva en entrada hace que el multiplicador de entrada 5x sea caro rápidamente |
Elección incorrecta: Usar Opus o Fable por defecto solo porque el documento es largo. La longitud del documento impulsa el recuento de tokens y, por lo tanto, el coste de entrada, no la dificultad del razonamiento; son dos ejes diferentes y solo uno de ellos (la dificultad) debería impulsar la elección del modelo.
Por qué el mejor es el mejor: Con 15.000 tokens de entrada, la brecha de coste del lado de la entrada entre Sonnet 5 y Fable 5 es aproximadamente 5 veces en la categoría de tokens dominante para esta forma de tarea, y las diferencias de calidad de resumen entre los niveles suelen ser marginales para documentos fuente bien estructurados.
Decisión 3: Razonamiento multi-paso sobre requisitos ambiguos
Escenario: Convertir una solicitud de característica vaga de tres párrafos en un diseño técnico estructurado con compensaciones señaladas (~800 tokens de entrada, ~1.500 tokens de salida).
| Rango | Elección | Enfoque |
|---|---|---|
| Mejor | Opus 4.8 | La tarea requiere genuinamente sopesar compensaciones y llenar lagunas en requisitos poco especificados, donde el nivel más potente justifica su prima |
| 2º | Fable 5 | Una mejora defendible para las decisiones de diseño de mayor riesgo, donde una llamada de compensación incorrecta es costosa de deshacer más tarde |
| 3º | Sonnet 5 | Puede producir un primer borrador razonable, pero es más probable que necesite una revisión humana para detectar casos extremos omitidos en requisitos ambiguos |
Elección incorrecta: Permanecer en Sonnet 5 "por defecto" para cada tarea de diseño independientemente de la ambigüedad. Un borrador barato que omite una compensación fundamental y tiene que ser rehecho cuesta más en tiempo de ingeniero que lo que habría costado la prima del nivel del modelo.
Por qué el mejor es el mejor: Esta es exactamente la forma de tarea, razonamiento multi-paso genuino bajo ambigüedad, donde pagar aproximadamente 2.5 veces la tarifa de Sonnet por Opus está comprando algo real en lugar de relleno de margen.
Decisión 4: Generación de contenido de bajo riesgo y alto volumen
Escenario: Generar 10.000 variantes cortas de descripciones de productos al día (~150 tokens de entrada, ~100 tokens de salida cada una).
| Rango | Elección | Enfoque |
|---|---|---|
| Mejor | Sonnet 5 | La calidad es más que adecuada para la generación corta y con plantillas, y esta forma de tarea es exactamente donde el coste por llamada se multiplica hasta convertirse en una línea presupuestaria real a 10.000 llamadas/día |
| 2º | Opus 4.8 | Una opción defendible si la coherencia de la voz de marca en las variantes ha demostrado ser un problema real en el nivel Sonnet |
| 3º | Fable 5 | El multiplicador de costes hace que esta sea la opción más cara para una tarea sin ventaja de corrección por razonamiento adicional |
Elección incorrecta: Ejecutar esta carga de trabajo en Fable 5 porque "mejor modelo, mejor resultado" suena intuitivamente correcto. A 10.000 llamadas/día, la diferencia entre el coste por llamada combinado de Sonnet 5 y Fable 5, aproximadamente un multiplicador de 5 veces, se convierte en una brecha de cinco cifras mensuales para una tarea donde la diferencia de calidad del resultado es poco probable que sea visible para los usuarios finales.
Por qué el mejor es el mejor: El volumen es el factor decisivo aquí, no la profundidad del razonamiento por llamada. Este es el caso más claro en esta comparación para tratar la elección del modelo como una decisión de ingeniería de costes, no como una decisión de maximización de calidad.
Aplicación de esta comparación
- Clasifica primero por forma de tarea: intensiva en entrada (documentos largos), intensiva en salida (generación larga) o intensiva en razonamiento (ambigua, multi-paso). La categoría de token dominante te dice dónde muerde más el multiplicador de precio.
- Luego clasifica por dificultad genuina: ¿requiere la tarea sopesar compensaciones y detectar casos extremos, o es trabajo con plantillas/coincidencia de patrones independientemente de la longitud?
- Alto volumen + baja dificultad siempre favorece a Sonnet 5 (o Haiku 4.5, fuera del alcance de esta comparación), el multiplicador se acumula más rápido exactamente donde compra menos.
- Bajo volumen + alta dificultad tolera Opus 4.8 o Fable 5, ya que el coste absoluto en dólares sigue siendo pequeño incluso con un multiplicador de 5-10 veces.
Preguntas frecuentes
¿Es Fable 5 alguna vez la opción predeterminada correcta para toda una carga de trabajo?
Raramente como predeterminada general. Normalmente se reserva para una pequeña parte de las llamadas de mayor riesgo y de razonamiento más difícil dentro de un pipeline más grande que dirige todo lo demás a un nivel más barato.
¿Un documento más largo siempre significa que necesito un modelo más potente?
No, la longitud del documento impulsa el recuento de tokens y, por lo tanto, el coste de entrada, no la dificultad del razonamiento. Un documento largo pero bien estructurado aún puede ser manejado bien por Sonnet 5.
¿Por qué el argumento de volumen de la Decisión 4 importa más que el de la Decisión 3?
El coste es el volumen multiplicado por la brecha de precio por llamada. Una gran brecha por llamada en una tarea de bajo volumen sigue siendo un número absoluto pequeño, mientras que incluso una brecha modesta en una tarea de alto volumen se acumula hasta convertirse en una grande.
¿Debería empezar siempre cada nuevo tipo de tarea en Sonnet 5 y actualizar solo si es necesario?
Esa es una heurística predeterminada razonable: empieza en Sonnet 5, mide la tasa de fallos o de reelaboración, y escala clases de tareas específicas a Opus o Fable solo donde los datos lo justifiquen.
¿Dónde encaja Haiku 4.5 si esta página no lo compara directamente?
Haiku 4.5 se sitúa por debajo de Sonnet 5 tanto en precio como en capacidad típica, y vale la pena evaluarlo para las formas de tarea más sencillas y de mayor volumen, como el ejemplo de clasificación de la Decisión 1. Consulta el artículo sobre niveles de modelos para esa comparación.
¿El cambio de precio de Sonnet 5 después del 2026-08-31 afecta a las clasificaciones de esta comparación?
Los números absolutos cambian (aproximadamente de $2 a $3 de entrada, de $10 a $15 de salida), pero los multiplicadores relativos entre Sonnet, Opus y Fable se mantienen aproximadamente iguales, por lo que es poco probable que las clasificaciones en cada decisión cambien.
¿Es posible que el modelo más barato cueste en realidad más en general?
Sí, si un modelo más barato produce resultados que requieren reintentos, escalada a un modelo más potente o reelaboración manual, el coste total de obtener un resultado correcto puede superar lo que el modelo más potente habría costado directamente.
¿Cuánto cambia el cálculo la forma intensiva en salida frente a la intensiva en entrada?
El multiplicador por modelo (aproximadamente 2.5x para Opus, 5x para Fable, en relación con Sonnet) se aplica por igual a la entrada y la salida, por lo que cambia qué categoría de token domina tu factura, pero no qué modelo gana una comparación dada.
¿Debería cada tipo de tarea tener su propia comparación de costes como esta?
Para cualquier clase de tarea que se ejecute a un volumen significativo, sí, una rápida estimación rápida como las cuatro decisiones anteriores es un seguro barato contra una elección de modelo que silenciosamente cuesta 5-10 veces más de lo necesario.
¿Esta comparación tiene en cuenta el almacenamiento en caché de prompts o el procesamiento por lotes?
No, estas son comparaciones crudas síncronas y sin caché por token. El almacenamiento en caché y el procesamiento por lotes son palancas separadas cubiertas en otra parte de esta sección, y se pueden superponer a cualquier nivel de modelo que elijas aquí.
Relacionados
- Cómo funciona realmente el precio por token de Claude - el modelo de precios subyacente de cuatro categorías detrás de esta comparación.
- Niveles de modelos: Enrutamiento de tareas sencillas a Haiku, tareas difíciles a Opus - convertir esta comparación en un enrutador automatizado.
- Plantilla ADR: Elección de un nivel de modelo predeterminado para su equipo - documentar un predeterminado para todo el equipo basado en este tipo de análisis.
- Conceptos básicos de la economía de tokens - contar tokens para ejecutar esta comparación con tus propios prompts reales.
Versiones de la pila: Escrito contra la línea de modelos de Claude actual a partir de ~junio de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (el predeterminado) y Claude Haiku 4.5 - y el SDK oficial de Python
anthropic(última versión 0.x). Los nombres de los modelos, los precios y las versiones del SDK cambian rápidamente; verifica los detalles actuales en platform.claude.com/docs antes de confiar en ellos.