Claude Opus 4.5: razonamiento de agente a precio viable para PYMEs

Qué ha pasado: Anthropic lanza Claude Opus 4.5

El 24 de noviembre de 2025, Anthropic publicó Introducing Claude Opus 4.5, su modelo más capaz hasta la fecha. El titular técnico más relevante no es el salto en benchmarks, sino la combinación de dos variables que históricamente no coincidían en el mismo modelo: razonamiento profundo en tareas de múltiples pasos y un precio que lo pone al alcance de equipos que no son grandes empresas.

Hasta ahora, los modelos Opus eran los más potentes de Anthropic pero también los más caros, lo que los relegaba a casos de uso muy concretos o a empresas con presupuesto de IA holgado. Opus 4.5 rompe esa lógica: 5 dólares por millón de tokens de entrada y 25 por millón de salida, con una eficiencia documentada que en algunos flujos reduce el consumo de tokens hasta un 65% respecto a versiones anteriores.

Qué cambia técnicamente

Eficiencia de tokens en tareas largas

El dato más accionable del anuncio no es el benchmark abstracto, sino el que reportan los partners de Anthropic con acceso anticipado. GitHub Copilot indica que Opus 4.5 reduce el uso de tokens a la mitad manteniendo o mejorando la calidad del código. Warp reporta una mejora del 15% en Terminal Bench sobre Sonnet 4.5. Y varios integradores señalan que el modelo resuelve los mismos problemas con menos pasos intermedios, lo que en producción se traduce directamente en coste por llamada a la API.

Para un agente conversacional que gestiona llamadas telefónicas, esto no es un detalle menor. Cada turno de conversación genera tokens. Si el modelo necesita menos tokens para mantener el contexto y llegar a una conclusión, el coste por llamada baja aunque el precio por token sea el mismo.

Razonamiento en tareas de múltiples pasos sin supervisión

Anthropic describe Opus 4.5 como especialmente apto para long-horizon autonomous tasks: flujos que requieren razonamiento sostenido y ejecución en varios pasos sin que un humano intervenga entre medias. En el contexto de un agente de voz, esto se traduce en capacidad para manejar conversaciones más complejas: un interlocutor que cambia de tema, da información incompleta o hace preguntas encadenadas sin que el agente pierda el hilo ni tenga que pedir repetición.

El modelo también mejora en interpretación de la intención real del usuario, no solo de lo que dice literalmente. Notion lo describe como el primer modelo Opus que «produce el resultado que el usuario quería en el primer intento». Para un agente de voz que califica leads o agenda citas, acertar en el primer intento reduce la duración de la llamada y mejora la experiencia del interlocutor.

Disponibilidad y acceso

El modelo está disponible hoy mediante el identificador claude-opus-4-5-20251101 en la API de Anthropic y en los tres grandes proveedores cloud (AWS Bedrock, Google Vertex AI, Azure). No requiere configuración especial más allá de actualizar el parámetro de modelo en la llamada a la API.

Cómo lo aprovechamos en phoneIA: módulo Voz Entrantes

El módulo Voz Entrantes de phoneIA.es atiende llamadas entrantes 24/7 mediante un agente Retell AI. El agente califica al interlocutor, agenda citas y crea fichas directamente en el CRM. La capa de razonamiento que decide qué preguntar, cómo interpretar la respuesta y qué acción tomar es precisamente donde Opus 4.5 aporta valor concreto.

Tres mejoras directas para el módulo

• Conversaciones más cortas y precisas: Si el modelo necesita menos turnos para extraer los datos clave del lead (nombre, necesidad, disponibilidad horaria), la llamada dura menos. Menos tiempo de llamada es mejor experiencia para el interlocutor y menor coste operativo.
• Manejo de ambigüedad sin escalada: Un interlocutor que llama con una necesidad difusa («quiero información sobre vuestros servicios») ya no genera un bucle de preguntas genéricas. Opus 4.5 está documentado como mejor en razonar sobre tradeoffs y manejar ambigüedad sin necesitar «hand-holding». El agente puede reformular, proponer opciones concretas y cerrar la cualificación en una sola llamada.
• Contexto sostenido en llamadas largas: Llamadas de soporte técnico, reclamaciones o procesos de venta complejos implican conversaciones que superan los diez minutos. La mejora en tareas de horizonte largo reduce los casos en que el agente «pierde el hilo» y tiene que recuperar información ya dada.

Ejemplo de uso para una PYME: clínica de fisioterapia con 3 profesionales

Una clínica de fisioterapia recibe entre 20 y 40 llamadas diarias. La mayoría son para pedir cita, pero un 30% implica preguntas sobre cobertura de seguros, precios de sesiones o disponibilidad de profesional específico. Con el modelo anterior, el agente de voz gestionaba bien las citas estándar pero en las llamadas con preguntas encadenadas generaba respuestas incompletas o pedía repetición, lo que derivaba en transferencia al recepcionista.

Con Opus 4.5, el agente puede mantener el contexto de una conversación del tipo: «¿Tenéis disponibilidad el martes por la tarde con la fisio que trata lesiones de rodilla? Tengo Adeslas, ¿está cubierto?». El modelo razona sobre dos variables simultáneas (disponibilidad + cobertura), consulta la información configurada en el sistema y da una respuesta completa en un solo turno. La llamada se cierra sin transferencia.

El impacto medible: menos llamadas transferidas al equipo humano, menor duración media de llamada y mayor tasa de citas cerradas en primera llamada. En una clínica con 40 llamadas diarias, reducir un 20% las transferencias equivale a liberar entre 30 y 45 minutos de trabajo administrativo al día.

Conclusión: el precio ya no es la excusa para no usar el modelo más capaz

La novedad real de Opus 4.5 no es que sea el modelo más inteligente de Anthropic, que probablemente ya lo era. La novedad es que la combinación de precio reducido y eficiencia de tokens lo convierte en una opción viable para producción en PYMEs, no solo para pruebas de concepto. Para un agente de voz que atiende llamadas reales de clientes reales, la diferencia entre un modelo que entiende la intención a la primera y uno que necesita tres turnos para llegar al mismo punto es la diferencia entre una herramienta que funciona y una que frustra.

Si tu negocio recibe llamadas que hoy no puedes atender fuera de horario, o si tu equipo dedica tiempo a llamadas que podría resolver un agente bien configurado, este es el momento de revisar qué modelo está detrás de ese agente. Puedes ver cómo funciona el módulo en phoneIA en ver el módulo Voz Entrantes.