TokenGate
Documentación
docs / modelos / anthropic
Anthropic

Claude

Según la propia guía de selección de Anthropic: arrancá por Opus 4.8 para código agéntico complejo y trabajo enterprise; si necesitás la capacidad más alta disponible sin importar el costo, Fable 5. Toda la familia actual soporta texto e imagen de entrada, salida de texto, multilingüe y visión.

Capacidades transversales

🧠

Razonamiento adaptativo

Opus 4.8 y Sonnet 5 usan thinking:{type:"adaptive"} + output_config.effort. En Opus 4.8 y Sonnet 5, effort viene en high por defecto en la API y en Claude Code — bajalo explícitamente si querés respuestas más rápidas/baratas.

🛠️

Tool use

Tool calls en paralelo por default (desactivable con disable_parallel_tool_use), strict: true para forzar conformidad exacta al schema, y herramientas server-side (búsqueda web, ejecución de código) que corren en la infraestructura de Anthropic sin que vos las implementes.

👁️

Visión de alta resolución

Fable 5, Opus 4.8 y Sonnet 5 procesan imágenes en el tier "high-resolution" (hasta 2576px de lado largo, ~4784 tokens visuales) — el resto de los modelos usa el tier estándar (1568px, 1568 tokens). Formatos: JPEG, PNG, GIF (sin animación), WebP.

📎

Prompt caching

Soporta cache de lectura y de escritura (5 min) — es el único proveedor del catálogo que factura la escritura de caché como un concepto aparte.

👤

Claude nunca identifica personas en imágenes (rechaza la tarea por política), puede alucinar en imágenes de baja calidad, rotadas o menores a 200px, y sus conteos de objetos son aproximados. No confíes en él para diagnóstico médico a partir de imágenes (CT/MRI).

Claude Fable 5

claude-fable-5

flagship · lento
Contexto1M tok
Salida máx.128K tok
Cutoffene 2026

Descripto por Anthropic como "inteligencia de próxima generación para agentes de larga duración". Razonamiento adaptativo siempre activo (no se puede apagar, no hay modo enabled/disabled clásico) y no expone la cadena de pensamiento en la respuesta. Requiere retención de datos de 30 días (no funciona con Zero Data Retention) y puede devolver stop_reason: "refusal" en temas de ciberseguridad/biología sensibles.

Cuándo usarlo: agentes largos y complejos donde la calidad del resultado importa más que la latencia o el costo. No lo actives por defecto en tu catálogo — cargalo solo si hay demanda real.
razonamientocódigoagentic_toolsdocumentos largos

Claude Opus 4.8

claude-opus-4-8

flagship · estándar
Contexto1M tok
Salida máx.128K tok
Esfuerzolow–xhigh

La recomendación por defecto de Anthropic cuando no sabés cuál elegir: "para código agéntico complejo y trabajo enterprise". Razonamiento adaptativo con niveles low/medium/high/xhigh, default high. Tier de visión alta resolución. El tool-use system prompt agrega ~290 tokens (tool_choice auto/none) o ~410 tokens (any/tool) por request, además de tus propios schemas.

Cuándo usarlo: tu opción por defecto para tareas difíciles — refactors grandes, debugging no trivial, documentos largos con visión incluida.
razonamientocódigoagentic_toolsvisión avanzada

Claude Sonnet 5

claude-sonnet-5

balanced · rápido
Contexto1M tok
Salida máx.128K tok
Esfuerzolow–xhigh

"La mejor combinación de velocidad e inteligencia" según Anthropic. Comparte tier de visión de alta resolución con Opus 4.8 y Fable 5 — a diferencia de Haiku, que usa el tier estándar.

Cuándo usarlo: el caballo de batalla para código y chat del día a día — cuando Opus sería demasiado y Haiku se quedaría corto. Es el único "balanced" con visión de alta resolución del catálogo Anthropic.
códigoagentic_toolschat general

Claude Haiku 4.5

claude-haiku-4-5

fast_economical · el más rápido
Contexto200K tok
Salida máx.64K tok
Esfuerzono soporta

"El modelo más rápido con inteligencia cercana a la de frontera", según Anthropic. Sin razonamiento adaptativo ni output_config.effort — solo el modo clásico thinking:{type:"enabled", budget_tokens:N} en las variantes que lo soportan. Contexto y salida más chicos que el resto de la familia (200K / 64K vs 1M / 128K).

Cuándo usarlo: alto volumen, baja latencia, chat conversacional donde no necesitás razonamiento profundo.
chat generalbaja latenciaalto volumen económico

Ejemplo: tool use con Claude

Claude responde con un bloque tool_use y vos le devolvés el resultado en un bloque tool_result en el siguiente turno:

{
  "model": "claude-opus-4-8",
  "tools": [{
    "name": "get_weather",
    "description": "Clima actual de una ciudad",
    "input_schema": {
      "type": "object",
      "properties": {"location": {"type": "string"}},
      "required": ["location"]
    }
  }],
  "messages": [{"role": "user", "content": "¿Qué clima hace en Bogotá?"}]
}

Claude devuelve stop_reason: "tool_use" con el nombre y los argumentos; tu código ejecuta la función real y la respuesta se manda de vuelta como tool_result para que Claude arme la respuesta final.