Ok - por eso nunca debes confiar en los benchmarks de IA.

Un estudio reciente comparó Opus 4.6 (el último modelo de Claude) versus Opus 4.5 en 165 tareas diferentes.
La investigación profunda concluyó que Opus 4.6 no mejoró respecto al modelo anterior.
Pero Opus 4.6 hizo esto con un 50% del costo y un 50% del tiempo de procesamiento.
Aún así, mejoras masivas, solo ten cuidado con los titulares de los benchmarks.
La mejor manera de determinar si un modelo es mejor que las iteraciones anteriores es probarlo para tus necesidades específicas.
De todos modos, felicitaciones al equipo de Anthropic por esta enorme reducción en costo y tiempo de procesamiento.