Anthropic
Anthropic's flagship for the work you would hand a senior colleague — thinking on by default, a million tokens of context.
1M tokens
Contexto
May 2026
Corte de datos
128,000 tokens
Salida máxima
Más lento
Velocidad
Three prompts, three unedited answers, generated on September 2, 2026 through NinjaChat. Click the prompt to copy it and run it yourself.
Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code.
def merge_intervals(intervals):
"""Merge overlapping intervals.
Args:
intervals: iterable of (start, end) pairs with start <= end.
Returns:
New list of disjoint (start, end) tuples sorted by start.
Touching intervals like (1, 2) and (2, 3) are merged.
"""
merged = []
for start, end in sorted(tuple(iv) for iv in intervals):
if merged and start <= merged[-1][1]:
prev_start, prev_end = merged[-1]
merged[-1] = (prev_start, max(prev_end, end))
else:
merged.append((start, end))
return merged
def test_overlapping_and_touching():
assert merge_intervals([(1, 3), (2, 6), (8, 10), (15, 18)]) == [
(1, 6), (8, 10), (15, 18)]
assert merge_intervals([(1, 2), (2, 3)]) == [(1, 3)]
def test_unsorted_and_nested():
assert merge_intervals([(5, 7), (1, 10), (2, 3)]) == [(1, 10)]
def test_edge_cases():
assert merge_intervals([]) == []
assert merge_intervals([(4, 4)]) == [(4, 4)]
assert merge_intervals([(1, 2), (3, 4)]) == [(1, 2), (3, 4)]
if __name__ == "__main__":
test_overlapping_and_touching()
test_unsorted_and_nested()
test_edge_cases()
print("all tests passed")
A couple of notes on choices worth knowing about:
(1, 2) and (2, 3) become (1, 3) because the comparison is start <= prev_end. If your intervals are half-open (e.g. time slots where 2 is an exclusive end), change it to start < merged[-1][1] so they stay separate.(5, 1) will produce nonsense rather than an error; add a check if the input isn't trusted.Complexity is O(n log n) time from the sort, O(n) extra space.
Read: We ran the same 3 prompts on 12 AI models — Unedited answers, latency and price for every model, measured through the NinjaChat API in September 2026.
Served by Anthropic as claude-opus-5. Answers vary run to run; these are one take each, not the best of several.
Cambios en varios archivos con pruebas, llevados hasta el final en lugar de esbozados.
Un millón de tokens de contexto: repositorios enteros, conjuntos de contratos o archivos de investigación en un solo hilo.
Revisiones de arquitectura, análisis de concesiones y planes que tienen que resistir el escrutinio.
Capturas de pantalla, diagramas, PDF y hojas de cálculo como parte de la conversación.
Tuned to this model — click any line to copy.
Claude Opus 5 es la cima de la familia Claude 5 de Anthropic: se lanzó el 24 de julio de 2026 y se sitúa por encima de Claude Sonnet 5 y Claude Fable 5. Es el modelo que Anthropic orienta a la programación agéntica, el uso del ordenador y el razonamiento de largo recorrido: tareas en las que el modelo tiene que mantener un plan a lo largo de muchos pasos, usar herramientas por el camino y darse cuenta cuando se equivoca. En NinjaChat, Claude Opus 5 está incluido en todos los planes, junto con el resto del catálogo de modelos.
El gran cambio es que el razonamiento está activado por defecto. Opus 5 decide cuánto pensar antes de responder y razona más cuando el problema lo merece, así que una pregunta de dos líneas se resuelve al momento mientras que una refactorización que atraviesa todo un proyecto recibe la deliberación que necesita. Junto a una ventana de contexto de 1 millón de tokens y 128K tokens de salida, eso significa que puedes entregarle un repositorio completo, un conjunto de contratos o las notas de investigación de un trimestre en una sola conversación y pedirle algo que abarque todo ello.
En la práctica, Opus 5 es el modelo al que recurrir cuando el trabajo es del tipo que delegarías en un colega senior y revisarías después, no una tarea rápida de asistente. Cambios de código en varios archivos con sus pruebas, una revisión de arquitectura que tiene que ponderar concesiones, un documento largo con el que necesitas debatir en lugar de resumirlo. Lee imágenes y archivos, invoca herramientas y devuelve salida estructurada cuando le pides JSON, así que encaja tanto en flujos de trabajo como en conversaciones.
También es pausado. Opus 5 es más lento que Sonnet 5 y cuesta más por token en la API, y por eso NinjaChat mantiene ambos en el selector: empieza con Opus para la parte difícil y pasa a Sonnet para el volumen. Si lo que necesitas sobre todo es velocidad, Claude Fable 5 cubre el chat del día a día con una fracción del esfuerzo.
Anthropic reporta un 96.0% en SWE-bench Verified para Opus 5, el benchmark de ingeniería de software que se ha convertido en la referencia abreviada de la capacidad de programación agéntica. Los benchmarks no son el trabajo real, pero esa cifra coincide con lo que se percibe al usarlo: termina tareas que otros modelos dejan a medias.
De cero a tu primer resultado en menos de un minuto.
01
Crea una cuenta de NinjaChat y elige un plan
02
Abre el chat y elige Claude Opus 5 en la lista de modelos
03
Dale la tarea completa, con archivos incluidos, no un fragmento
04
Déjalo pensar: las preguntas difíciles tardan más a propósito
05
Cambia a Sonnet 5 o Fable 5 para las preguntas rápidas de seguimiento
Comparativas honestas — dónde gana {model} y dónde no.
Razonamiento más profundo y trabajo agéntico de largo recorrido más fiable
Sonnet 5 es más rápido y económico para las tareas del día a día
Mejores resultados en benchmarks de programación agéntica y uso del ordenador
Sol tiene una ventana de contexto más amplia y un ecosistema de herramientas distinto
Razonamiento activado por defecto, mayor puntuación en SWE-bench y mejor uso de herramientas
Opus 4.8 sigue disponible si tienes prompts ajustados para él
Todos los planes de NinjaChat incluyen 50+ modelos, un estudio completo de imágenes y generación de video.



Una sola suscripción cubre todos los modelos de NinjaChat, Claude Opus 5 incluido.