Familia Claude 3: Haiku, Sonnet y Opus comparados

javi
Tres esferas luminosas de diferentes tamaños representando modelos en cascada de capacidades

Anthropic lanzó la familia Claude 3 el 4 de marzo de 2024: tres modelos — Haiku, Sonnet, Opus — en la misma fecha, cada uno con diferente trade-off coste/rendimiento. Un mes después la adopción es clara: Claude 3 Opus compite codo con codo con GPT-4 Turbo en muchos benchmarks, y Haiku es uno de los modelos más baratos con calidad decente. Este artículo cubre qué diferencia cada nivel, cuándo elegir cada uno, y cómo encaja la familia frente a OpenAI.

Los tres niveles

Haiku — el más rápido y barato:

  • Precio: $0.25 / 1M tokens input, $1.25 / 1M output.
  • Context: 200k tokens.
  • Latencia: ~400ms primer token.
  • Uso: clasificación, extracción simple, chat rápido.

Sonnet — el balanceado:

  • Precio: $3 / 1M input, $15 / 1M output.
  • Context: 200k tokens.
  • Calidad: cerca de GPT-4 en muchos tasks.
  • Uso: RAG empresarial, agents, análisis de documentos.

Opus — el más capaz:

  • Precio: $15 / 1M input, $75 / 1M output.
  • Context: 200k tokens.
  • Calidad: competitivo con GPT-4 Turbo.
  • Uso: razonamiento complejo, investigación, coding avanzado.

Todos los tres tienen los 200k de contexto — no compromiso de contexto por precio como antes.

Benchmarks publicados

Claves:

Benchmark Opus Sonnet Haiku GPT-4 Turbo
MMLU 86.8 79.0 75.2 86.4
GSM8K (math) 95.0 92.3 88.9 92.0
HumanEval (code) 84.9 73.0 75.9 85.4
HellaSwag 95.4 89.0 85.9 95.3

Opus está en la misma clase que GPT-4 Turbo. Sonnet cierra en ~GPT-3.5+ en calidad pero a coste menor que GPT-4. Haiku es la sorpresa: muy competitivo para su precio.

Cuándo elegir cada uno

Haiku encaja para:

  • Clasificación de texto masiva.
  • Extracción estructurada simple (JSON output).
  • Chat de soporte nivel 1.
  • Moderación de contenido.
  • Resúmenes de documentos cortos.

Precio 12x menor que Sonnet lo hace factible para alta volumetría.

Sonnet encaja para:

  • RAG empresarial típico.
  • Agents con herramientas.
  • Análisis de documentos largos.
  • Generación de contenido creativo decente.
  • Traducciones.

Es el caballo de batalla default.

Opus encaja para:

  • Razonamiento multi-step complejo.
  • Research y síntesis.
  • Coding retos difíciles.
  • Análisis jurídico/médico.
  • Cualquier caso donde un error de un modelo más barato sale caro.

El coste justifica solo cuando la calidad extra importa mucho.

Context de 200k: el diferenciador

Ambos — Anthropic (Claude 3) y Google (Gemini 1.5 Pro 1M) — hacen contexto largo accesible. OpenAI sigue en 128k para GPT-4 Turbo.

Casos donde 200k es suficiente (sin necesitar Gemini 1.5):

  • Libros de ~150 páginas o ~75k palabras.
  • Bases de código medianas.
  • Transcripciones de horas de audio.
  • Informes técnicos extensos.

Para millones de tokens, Gemini 1.5 Pro sigue líder. Para cientos de miles, Claude 3 es competitivo.

API y acceso

  • Anthropic API directo.
  • Amazon Bedrock ofrece Claude 3.
  • Google Cloud Vertex AI también.
  • Azure no (OpenAI exclusive en Azure).

Soporte de SDKs: Python, Node, Go oficiales. Compatibilidad OpenAI-style no nativo, pero librerías como LiteLLM unifican.

Multimodal: visión integrada

Los tres Claude 3 aceptan imágenes en prompts:

import anthropic
client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": img_data}},
            {"type": "text", "text": "¿Qué hay en esta imagen?"}
        ]
    }]
)

Visión de Claude 3 Opus es muy fuerte en:

  • OCR de documentos.
  • Descripción de gráficos.
  • Análisis de diagramas técnicos.
  • Extracción de datos de facturas/formularios.

No hay imagen generation (eso queda a DALL-E, Midjourney, Stable Diffusion).

Vs GPT-4 Turbo: diferencias prácticas

Tras meses de uso paralelo:

  • Precisión factual: Opus y GPT-4 Turbo empatan.
  • Instruction following: Claude 3 suele ser mejor en instrucciones complejas.
  • Razonamiento: Opus excelente, GPT-4 Turbo excelente, decidir empatados.
  • Coding: similar.
  • Refusal rate: Claude históricamente más cuidadoso, Claude 3 es menos rígido.
  • Tono: Claude tiende a ser más verbose por defecto.

No hay ganador universal. Evaluar con tus casos.

Function calling

Claude 3 tiene tool use (function calling). Distinto del de OpenAI en sintaxis pero cubre mismos casos. Usa XML tags internamente:

<function_calls>
<invoke name="get_weather">
<parameter name="location">Madrid</parameter>
</invoke>
</function_calls>

SDKs abstraen esto. Para agents complejos, ambos (OpenAI y Anthropic) son viables.

Limitaciones

Ser honesto:

  • Rate limits agresivos al principio del plan Pro.
  • Residencia de datos: US por defecto (Bedrock tiene opciones regionales).
  • Sin fine-tuning: Anthropic no ofrece custom fine-tune (solo via contratos enterprise).
  • Tier gratuito limitado: para experimentación, pagas desde el primer request sobre el tier.

Estrategia de uso multi-nivel

Patrón productivo:

  1. Clasificar intent con Haiku (barato).
  2. Procesar caso simple con Sonnet (default).
  3. Escalar a Opus solo si Sonnet falla o requiere alta precisión.

Este “tiered routing” con LiteLLM o lógica custom minimiza coste total sin sacrificar calidad donde importa.

Conclusión

La familia Claude 3 cierra el gap que Anthropic tenía vs OpenAI en capacidad top-tier. Opus es opción real para frontier tasks. Sonnet es el default pragmático. Haiku abre casos de alta volumetría con calidad decente. Contexto 200k en todos los tres es ventaja concreta vs GPT-4 Turbo. La elección Anthropic vs OpenAI ya no es “quién tiene el mejor” sino “cuál encaja con tu caso y preferencia de proveedor”. Disponible en Bedrock y Vertex expande opciones para compliance europeo. Vale la pena tener ambos en tu estrategia, no solo uno.

Síguenos en jacar.es para más sobre LLMs de frontera, Anthropic y arquitecturas multi-modelo.

Entradas relacionadas