Microsoft comparó Claude Sonnet 4.6 y Claude Sonnet 5 dentro de GitHub Copilot y encontró que, aunque Sonnet 5 cuesta un 33% menos por token, el consumo real se disparó hasta 47 veces en tareas de arquitectura y 10 veces en migraciones de código. El resultado: una factura final mayor pese a la rebaja de precio anunciada por Anthropic.

Qué comparó exactamente Microsoft

El equipo de Microsoft evaluó 150 tareas de agente repartidas en 15 escenarios técnicos, con cinco ejecuciones por modelo y escenario. La comparativa enfrentó Claude Sonnet 4.6 contra Claude Sonnet 5 dentro de GitHub Copilot Chat, sobre Visual Studio Code y Windows. El objetivo no era medir un benchmark académico, sino algo más práctico: si un equipo de desarrollo real gasta más o menos al saltar de versión.

Los escenarios cubrían dos tipos de trabajo habituales en empresas que ya usan agentes de código: diseño de arquitectura sobre Azure y migraciones de proyectos SharePoint Framework a versiones específicas. En ambos casos el patrón se repitió: Sonnet 5 necesitó muchos más tokens para completar la misma tarea que Sonnet 4.6.

Los números: de 0,55 a 2,01 dólares por la misma tarea

En la migración de código SharePoint, Sonnet 5 consumió de media 10 veces más tokens que Sonnet 4.6. El coste por ejecución pasó de 0,55 dólares a 2,01 dólares, es decir, 3,7 veces más caro pese a que el precio por token bajó. Un caso extremo dentro de esa misma prueba consumió 69 millones de tokens en una única ejecución.

En el diseño de arquitectura sobre Azure, el consumo medio de Sonnet 5 fue 12 veces mayor que el de Sonnet 4.6, con un pico de 47 veces en una ejecución individual. Aquí el resultado fue más matizado: gracias a la rebaja de precio, el coste final terminó siendo un 12% menor pese al disparo de tokens. La diferencia entre los dos escenarios muestra que no hay una regla fija: el ahorro depende de cuánto se dispare el consumo en cada tipo de tarea, y ese disparo es difícil de anticipar.

Por qué sube tanto el consumo de tokens al cambiar de versión

Anthropic redujo el precio de Sonnet 5 un 33% en input, input cacheado y output frente a Sonnet 4.6. Sobre el papel, cualquier equipo esperaría pagar menos por el mismo trabajo. Lo que Microsoft encontró fue distinto: Sonnet 4.6 mantuvo un consumo estable, entre 14.000 y 45.000 tokens en las tareas de arquitectura, mientras Sonnet 5 mostró lo que el propio informe describe como varianza extrema y errática, sin ninguna predictibilidad operativa.

Tampoco se trata de un modelo simplemente peor. En la dimensión que Microsoft llama "idiomatic", es decir, seguir los patrones de código habituales del sector, Sonnet 4.6 acertó en el 90% de los casos frente al 78% de Sonnet 5, superándolo en ocho de nueve escenarios comparables. Pero en adherencia a instrucciones concretas, Sonnet 5 acertó el 100% de los intentos en las migraciones que exigían una versión específica, mientras Sonnet 4.6 falló todas las ejecuciones al ignorar esa instrucción. Cada modelo gana en un terreno distinto, y ninguno gana en los dos a la vez.

Qué significa esto para empresas que automatizan procesos con IA

La conclusión práctica no es que Sonnet 5 sea mejor o peor que su antecesor, sino que el precio por token publicado por un proveedor no predice el gasto real de una empresa. Una compañía que automatiza tareas de desarrollo, atención al cliente o análisis de datos con agentes de IA puede ver cómo su factura mensual se multiplica al actualizar de versión, incluso cuando el proveedor anuncia una rebaja de precios. El motivo está en el número de tokens que el agente necesita para razonar, no en la tarifa por unidad.

Esto afecta directamente a la presupuestación de cualquier proyecto de automatización con IA. Un equipo que fija un coste mensual esperado basándose solo en el precio por millón de tokens puede llevarse una sorpresa de tres o cuatro veces ese cálculo si el nuevo modelo necesita más pasos de razonamiento para el mismo resultado. El informe también señala una limitación adicional: los agentes generativos no pueden aplicar procesos que no están documentados, así que parte de esa varianza viene de entornos internos con documentación incompleta, algo común en empresas que llevan años acumulando sistemas heredados.

Cómo evitar la sorpresa en la factura al actualizar de modelo

La primera medida es no migrar en producción sin antes medir el consumo real en los escenarios propios de la empresa, con los mismos flujos de trabajo que se usarán después. La segunda es fijar límites de coste por tarea o por agente, de forma que una ejecución fuera de rango se detecte antes de acumularse en la factura mensual. La tercera es vigilar la varianza del consumo, no solo el precio nominal del modelo: un proveedor puede bajar la tarifa por token y aun así elevar el gasto si el nuevo modelo es menos predecible.

Para equipos que ya dependen de agentes de IA en procesos de negocio, la lección de este informe es sencilla de aplicar: cada actualización de modelo merece una prueba controlada con datos propios antes de generalizarla a toda la operación. El precio por token es solo una parte de la ecuación; el número de tokens que consume cada tarea es la otra, y esa segunda variable es la que decide el coste final.

Preguntas frecuentes

Por qué Claude Sonnet 5 puede salir más caro si el precio por token es menor?

Porque el precio más bajo se aplica sobre un volumen de tokens mucho mayor. Microsoft midió hasta 47 veces más consumo en algunas tareas, lo que puede superar con creces el ahorro del 33% en la tarifa.

Qué tipo de tareas se ven más afectadas por este efecto?

Las tareas complejas de agente, como el diseño de arquitectura o la migración de código entre versiones específicas, donde el modelo necesita más pasos de razonamiento y el consumo de tokens es más difícil de predecir.

Es Sonnet 5 mejor o peor que Sonnet 4.6?

Ninguno gana en todo. Sonnet 4.6 sigue mejor los patrones de código habituales del sector, mientras Sonnet 5 es más fiable siguiendo instrucciones específicas como una versión exacta de un framework.

Categoría	Sonnet 4.6	Sonnet 5	Variación
Precio input	3 dólares/millón	2 dólares/millón	-33%
Precio output	15 dólares/millón	10 dólares/millón	-33%
Coste migración SharePoint	0,55 dólares	2,01 dólares	+3,7x
Tokens arquitectura Azure (media)	14.000-45.000	hasta 12x más	+12x (pico 47x)
Precisión "idiomatic"	90%	78%	-12 puntos