Anthropic lanzó Claude Opus 5.5 el 22 de septiembre. Las partes que de verdad importan a un equipo que ya tiene varios agentes de programación en marcha no aparecen en la tabla de benchmarks. Son estas: Anthropic afirma que ejecutarlo cuesta un 40 % menos que Opus 5, que produce resultados alrededor de un 30 % más rápido y que se mantiene en la tarea durante 18 horas o más. El precio de lista es de $4 por millón de tokens de entrada y $20 por millón de salida, frente a $5 y $25 en Opus 5.
Un modelo más barato que trabaja durante más tiempo sin detenerse no te simplifica la semana. Significa que llegan más ejecuciones terminadas ante el mismo número de revisores. Poner Opus 5.5 en el tablero es una tarea de diez minutos; decidir qué hace el tablero con ese rendimiento extra es el verdadero trabajo. Esta guía recorre el camino más corto y útil para la primera parte y es honesta con la segunda: configurar Opus 5.5 en Claude Code en un solo Computer, crear un Agent y asignarle una Task real.
Resumen
Configura claude-opus-5-5 como modelo en Claude Code en un Computer conectado, comprueba que el Runtime aparece como Available, crea un Agent con un timeout por Task que se ajuste al tiempo que Opus 5.5 va a trabajar de verdad, deja el directorio de trabajo en modo Temporary y asigna una Task. Sharkly no mostrará el nombre del modelo. Mostrará la ejecución, el log, las preguntas y el resultado en la Task. Los agentes investigan, ejecutan, prueban e informan. Las personas marcan la dirección, otorgan autoridad y aceptan el resultado.
Dónde se configura el modelo
Sharkly no elige modelos. La documentación de Agents lo dice sin rodeos: «El Agent sigue el modelo predeterminado del Runtime. No promete ni muestra un nombre de modelo concreto. Cambia los modelos en la configuración de la herramienta Runtime o Computer, no en el Agent».
Conviene dejar clara esa frontera antes de ponerte a buscar un desplegable que no existe. Cuatro roles, una función cada uno. El Agent define cómo debe gestionarse el trabajo. El Computer aporta el host y los recursos locales. El Runtime ejecuta la sesión real del agente, y aquí el Runtime es Claude Code. La Task sigue siendo el registro compartido del equipo. Opus 5.5 llega a Sharkly como cualquier otro modelo: a través de la herramienta que lo ejecuta, configurada en el host que ejecuta esa herramienta.
Paso 1: poner Opus 5.5 en Claude Code en el Computer
En el Computer que lo va a ejecutar, actualiza Claude Code e inicia sesión con una cuenta o una API key que tenga acceso a Opus 5.5. Anthropic incluye el modelo en la Claude Platform, Amazon Web Services, Google Cloud y Microsoft Azure, así que un equipo que trabaje con un proveedor de nube debe apuntar Claude Code ahí. Si claude --model claude-opus-5-5 abre una sesión en una terminal normal de ese host, Sharkly puede usarlo.
Después establece el valor predeterminado para que todas las ejecuciones de este Computer lo adopten:
// ~/.claude/settings.json
{
"model": "claude-opus-5-5"
}
Antes de desplegar esto en un Computer compartido, confirma la clave exacta de configuración y la versión mínima de Claude Code en la referencia de configuración actual de Claude Code. [VERIFY]
De vuelta en Sharkly, abre el detalle del Computer y ejecuta el reescaneo o la prueba de conexión. El Runtime de Claude Code debería aparecer como Available. Que un Computer se muestre online solo significa que su servicio local está enviando heartbeats. El estado de capacidad del Runtime es lo que te indica que una ejecución puede arrancar.
Un Computer, dos niveles de modelo. Un Agent no tiene selector de modelo, pero sí admite variables de entorno normales y secretas, además de argumentos adicionales del Runtime, y todo eso llega a la invocación del Runtime. Así puedes mantener un modelo predeterminado barato en el Computer y usar Opus 5.5 solo en el Agent que lo necesite, en lugar de pagar tarifas de líder en cada ejecución de triaje. Pruébalo en un Agent antes de estandarizarlo. [VERIFY]
Paso 2: diseña el Agent en función de cómo se comporta Opus 5.5
Abre Agents, selecciona New Agent y elige el Computer y el Runtime de Claude Code. Después configura tres cosas que importan más con este modelo que con el anterior.
Timeout por Task. Anthropic afirma que Opus 5.5 se mantiene en la tarea 18 horas o más. Un timeout pensado para corregir un defecto en 20 minutos convierte eso en una ejecución truncada y un log confuso. Auméntalo de forma selectiva, no en todas partes: un timeout largo en el Agent que se encarga de migraciones y refactorizaciones grandes, y el corto en el Agent que corrige pequeños defectos de frontend. Un timeout largo en un Agent de alcance limitado solo consigue que los fallos tarden más en aparecer.
Directorio de trabajo. Modo Temporary. Cada Task recibe un directorio aislado, y las ejecuciones respaldadas por repositorios preparan un worktree nuevo, de modo que dos ejecuciones de Opus 5.5 sobre el mismo repositorio no pueden sobrescribirse entre sí. En los directorios temporales, la concurrencia predeterminada es el 50 % del límite del Computer. Déjala así hasta que el Computer haya gestionado unas cuantas ejecuciones reales.
Tamaño de la salida. Opus 5.5 admite hasta 128k tokens de salida en una sola respuesta. Una ejecución a la que se deja trabajar durante horas y responder con esa extensión devuelve un diff que nadie lee con atención. Delimita la Task para que el resultado sea revisable, no para mantener al modelo ocupado.
Las instrucciones deben ser estables y breves:
Read the Task description and recent comments before editing.
Keep changes limited to the requested behavior.
Ask a question only when different interpretations would
materially change the result; otherwise proceed with a stated
assumption and record it in your report.
Run the closest relevant checks and report failures without hiding them.
Stop and ask before anything destructive or outside the repositories
attached to this Agent.
Paso 3: asigna una Task y luego apunta un Crew hacia ella
Elige una Task con un criterio de aceptación claro. Selecciona el Agent como Assignee y saca la Task de Backlog a un estado cuya categoría sea ready for work; una Task asignada que sigue en Backlog se queda esperando. La ejecución pasa por los estados queued, dispatched y running, y la pestaña Executions muestra el log en streaming.
Para esa primera Task, usa un único Agent. Un Crew es un grupo reutilizable de personas y agentes coordinado por un Agent líder, y se gana su lugar cuando el líder tiene que interpretar un objetivo y reunir los resultados de varios miembros en una sola Task. Para un cambio acotado, lo correcto es un solo Agent y no hay ninguna pieza móvil que gestionar.
Cuando un Crew sí tiene sentido, Opus 5.5 es un líder mucho más fácil de justificar de lo que lo era en la franja de precio anterior. Un líder sobre todo lee, planifica, asigna y revisa, justo el tipo de trabajo que resultaba más difícil de justificar en lo más alto de la lista de precios:
| Modelo del Runtime | ID de API | Entrada / salida por 1M | Dónde encaja en un Crew |
|---|---|---|---|
| Claude Opus 5.5 | claude-opus-5-5 |
$4 / $20 | Líder, revisor, migraciones largas |
| Claude Opus 5 | claude-opus-5 |
$5 / $25 | El modelo predeterminado anterior al que sustituye |
| GPT-6 Sol | gpt-6-sol |
$2 / $10 | Un segundo Runtime para los miembros de tareas rutinarias |
En Opus 5.5, las lecturas de entrada en caché cuestan $0.20 por millón y las escrituras de caché $5, y eso es lo que determina si una sesión larga que relee el mismo prefijo del repositorio sale barata o cara. Existe un modo rápido a $8 y $40 para cuando la latencia importa más que el coste. El uso del modelo sigue pasando por las suscripciones o las API keys configuradas en esas herramientas, así que estas tarifas acaban en la factura de tu proveedor, no en la de Sharkly.
Qué cambia realmente en el tablero
Tres cosas, y solo una tiene que ver con el modelo.
Las ejecuciones salen más baratas; la revisión, no. Un 20 % menos en la tarifa por token y un 40 % menos de coste de ejecución que Opus 5 hacen que el mismo presupuesto mensual compre más ejecuciones de agentes esta semana que la anterior. Nada de eso añade horas de revisión. La limitación de un equipo con varios agentes nunca fue el coste del modelo, sino cuántos diffs terminados puede aceptar realmente una persona en un día. Los modelos más baratos estrechan todavía más esa limitación. Planifica en torno a la capacidad de revisión, no a la elección de modelo.
Las ejecuciones largas cambian lo que significa supervisar. A un agente que retiene una tarea durante buena parte del día no se le puede supervisar mirando una terminal. Necesitas un estado que se entienda de un vistazo, una pregunta que llegue a una persona en lugar de perderse en el scroll y un lugar donde aterrice el resultado. En Sharkly, una pregunta vuelve a la Task como comentario, la Task muestra el estado waiting for human reply y eso se redirige a tu Inbox.
Menos elusiones de límites exitosas es un avance, no una barrera de seguridad. Anthropic informa de un 85 % menos de intentos exitosos de eludir límites que con Opus 5. Es una mejora real de comportamiento, pero no es un sistema de permisos. Lo que delimita una ejecución son los repositorios adjuntos del Agent, sus variables de entorno y el paso de aceptación humana. Deja que la mejora del modelo sea una segunda capa, nunca la única.
Cuando una ejecución se detiene antes de tiempo
Una ejecución que termina antes de tiempo no está perdida. Abre el log de ejecución, lee el título y los detalles técnicos, y vuelve a lanzarla desde la Task con un alcance más acotado. El directorio y el registro de la Task persisten, así que el siguiente intento parte de pruebas, no de la memoria. Mantén las Tasks lo bastante pequeñas como para que una detención cueste minutos.
Esa es la parte que conviene mantener estable. El modelo cambió esta semana, y la asignación, el contexto, el progreso, los bloqueos, los resultados y la revisión humana siguen donde el equipo puede verlos. Si ya tienes varios agentes de programación en marcha, conecta un Computer, crea un Agent y asígnale algo aburrido.
