El modelo más barato de la sala es el que deberías vigilar

El modelo más barato de la sala es el que deberías vigilar

Anthropic lanzó Claude Haiku 5.5 el 7 de octubre. No es el tipo de lanzamiento que se vuelve tendencia por sí solo. Haiku es el miembro pequeño de la familia Claude, el que hace los trabajos aburridos, y los lanzamientos de modelos pequeños rara vez dan titulares. Este merece una segunda mirada de todos modos, por un solo número: un coste de ejecución alrededor de un 75 por ciento menor que Haiku 4.5.

Quitarle una cuarta parte del coste a un modelo que ya era barato cambia lo que vale la pena hacer. Cuando una función es básicamente gratis, dejas de racionarla.

Por qué los modelos pequeños son decisivos

La mayoría de los sistemas de IA interesantes que se están lanzando ahora no son un solo modelo. Son orquestaciones. Un modelo grande planifica y varios modelos pequeños se encargan de los pasos: resumir este documento, clasificar este ticket, responder a esta consulta de base de datos, revisar este cambio de código. El modelo grande se lleva el mérito. Los pequeños hacen el volumen.

Eso significa que la economía de un producto agéntico suele depender del nivel barato, no del buque insignia. Si tus subagentes cuestan céntimos, puedes permitirte más de ellos, más reintentos y cadenas más largas. Si cuestan dólares, diseñas en torno a la escasez, y la escasez aparece como peores productos: menos comprobaciones, bucles más cortos, menos disposición a probar un segundo enfoque.

Qué ofrece realmente Haiku 5.5

Haiku 5.5 tiene el mismo precio que Haiku 5, 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con lecturas de caché a 0,20 dólares. Anthropic dice que cuesta hasta un 30 por ciento menos en la mayoría del trabajo y ofrece un 30 por ciento más de uso dentro de Claude Code. También llega con un ajuste de esfuerzo configurable, que te permite regular cuánto piensa el modelo antes de responder, una palanca útil cuando optimizas por coste y no por profundidad.

Anthropic lo posiciona para resúmenes, consultas de base de datos, clasificación y trabajo de subagentes de código, y señala que su ficha de modelo no muestra cruce de los umbrales CB-2 y Autonomy-2, con bajo riesgo de desalineación catastrófica. Para los equipos que necesitan aprobación antes de desplegar un modelo, ese detalle no es decoración. Es la diferencia entre lanzar y esperar en una cola de revisión.

El ajuste de esfuerzo configurable es la parte más subestimada. Permite que el mismo modelo sirva para dos trabajos muy distintos: una pasada rápida y barata para el filtrado de gran volumen, y una pasada más lenta y cuidadosa para los casos que superan el filtro. Ese patrón, primero barato y luego cuidadoso, es como terminan construyéndose la mayoría de las canalizaciones eficientes en coste.

La generación 5.5 sigue acumulando

Haiku 5.5 es el segundo modelo de la familia 5.5, después de Opus 5.5. El patrón en la industria en octubre es consistente: el razonamiento se vuelve algo más barato, los modelos pequeños algo mejores, y el suelo bajo el trabajo diario de IA sigue bajando. OpenAI llevó GPT-6 a todo el mundo, Google mostró en vista previa Gemini 4 Argon y bajó precios con él, y Anthropic recortó la base de su propia gama.

Ninguno de estos movimientos es dramático por sí solo. Juntos describen un mercado donde la inteligencia capaz se está convirtiendo en un insumo básico, y el valor migra a todo lo que la rodea: los datos, el flujo de trabajo, la evaluación y la confianza. Cuando el modelo en sí se abarata, los diferenciadores son las partes que nunca fueron el modelo.

El enrutamiento se convierte en una disciplina

Cuando la brecha de precio entre un buque insignia y un modelo pequeño es grande, la decisión de ingeniería más valiosa a menudo no es qué modelo usar, sino qué modelo usar para cada paso. Un sistema bien construido envía el 80 por ciento fácil de las peticiones a un nivel barato y reserva el modelo caro para los casos que de verdad lo necesitan.

Eso es un problema de enrutamiento, y es más difícil de lo que parece. Tienes que juzgar la dificultad antes de tener la respuesta, lo que significa construir un clasificador o una heurística que decida adónde va cada petición. Si te equivocas en una dirección, malgastas dinero en trivialidades. Si te equivocas en la otra, degradas la calidad en las peticiones que importan.

Un modelo pequeño un 75 por ciento más barato ensancha el lado seguro de ese intercambio. Puedes permitirte enrutar de forma más agresiva y puedes permitirte cazar los errores con una pasada de verificación, porque tanto la decisión de enrutamiento como la comprobación ahora son baratas.

Qué hacer con el ahorro

El movimiento obvio es enrutar más trabajo al modelo pequeño. El movimiento más sutil es replantear tareas que habías descartado por demasiado caras. Un sistema que lee cada ticket de soporte, o etiqueta cada imagen de un catálogo, o redacta un primer borrador de cada documento, antes era una decisión de presupuesto. Con el nuevo precio, algunas de esas decisiones se invierten.

Aquí también hay una trampa. Los tokens más baratos tientan a los equipos a saltarse la evaluación y dejar que salida de baja calidad fluya en volumen. Que el coste baje no hace que los errores sean gratis. Si acaso, hace que medir sea más importante, porque el modo de fallo pasa de “no podíamos permitirnos intentarlo” a “lo intentamos todo y nadie lo comprobó”.

Los equipos que manejan esto bien gastarán parte del ahorro justo en la infraestructura aburrida que los tokens más baratos hacen asequible: muestreo, evaluación y barreras de protección. Esa es la diferencia entre usar una rebaja para escalar la producción y usarla para escalar la calidad.

Por qué la rebaja es más grande de lo que parece

Vale la pena detenerse en el efecto acumulativo de una rebaja como esta. Los equipos no gastan un presupuesto fijo en llamadas al modelo. Gastan contra un objetivo de calidad, y cuando cada llamada se abarata, no se guardan la diferencia. Suben el objetivo. Más comprobaciones, más reintentos, mejor contexto, cadenas más largas. Una rebaja del 75 por ciento baja la factura y sube la ambición de lo que un equipo está dispuesto a intentar.

Así se desarrollaron en la práctica las rebajas anteriores. Cuando los modelos de razonamiento se abarataron, los sistemas empezaron a razonar sobre más pasos. Cuando el contexto se abarató, los sistemas empezaron a introducir más documentos. El precio de una unidad de trabajo da forma al sistema que se construye encima, y una unidad más barata compra un diseño más cuidadoso.

La versión de esto que importa para los agentes es especialmente directa. Un agente es un bucle, y el coste del bucle es el coste por paso multiplicado por el número de pasos. Recorta lo bastante el coste por paso y podrás dejar que el bucle corra más tiempo, que es la mayor parte de lo que separa a un agente útil de uno frustrante. Haiku 5.5 es un paso hacia bucles que vale la pena llevar hasta el final.

El argumento silencioso

Los lanzamientos de modelos frontera se llevan la atención. Pero los modelos que deciden qué puede permitirse hacer un producto de IA suelen ser los pequeños. Haiku 5.5 recuerda que una rebaja del 75 por ciento en el nivel más bajo no es una nota al pie. Es un cambio en lo que es económicamente posible, y esos cambios tienden a aparecer en productos lanzados unos meses después, en funciones que nadie piensa en atribuir a un lanzamiento de modelo.