Salió Claude Opus 5, ya lo están comparando con Fable 5 y con GPT-5.6 Sol, y en dos días te van a llenar el feed de tablas con benchmarks. Antes de que te comas una, pará un segundo. Los números, rápido: Fable 5 va 10 y 50 dólares por millón de tokens, Opus 5 salió en 5 y 25, Sol está en 5 y 30. Los tres con alrededor de un millón de tokens de contexto. Hasta ahí, todo lindo, todo comparable. Ahora, ¿qué dice cada uno de sí mismo? Anthropic dice que Opus 5 es lo mejor que hay en coding y knowledge work. OpenAI dice que Sol es lo mejor que hay en coding. Fantástico. Los dos son el mejor. Los dos tienen el gráfico que lo demuestra. ¿Y sabés por qué pasa eso? Porque cada laboratorio corre sus propios benchmarks, con su propio harness, eligiendo contra quién compararse y en qué configuración. Nadie corrió los tres el mismo día con el mismo setup. Un benchmark no es una verdad, es un argumento de venta con formato de ciencia. Y te doy el ejemplo más concreto que encontré. Los modelos Claude de 4.7 en adelante usan un tokenizer nuevo que genera cerca de 30% más tokens para el mismo texto. ¿Entendés lo que significa? Que cuando comparás precio por millón de tokens entre Anthropic y OpenAI, estás comparando dos unidades de medida distintas. El precio por token no es el precio por trabajo hecho. Y esa tabla circuló por todos lados y nadie leyó la nota al pie. Entonces, ¿qué hacés? Lo mismo de siempre, lo que no cambia con ningún lanzamiento: agarrá una tarea real de tu proyecto, una que ya sepas cómo termina, y pasásela a los tres. Mirá el resultado, mirá cuánto tardó, mirá cuánto te salió de verdad. Una tarde de trabajo te da más información que veinte hilos de X. La única data que sirve es la que sale de tu codebase. Todo lo demás es marketing de alguien. anthropic.com/news/claude-op… Se viene la comparativa, y la hago así. Éxitos, mis locuritas cósmicas.