GPT-6 Sol vs Claude Opus 5.5: Benchmarks, Preise und wann du welches Modell nutzt

Die Aufmerksamkeit für Anthropics neues Modell hielt im Rennen um effizientere und erschwinglichere Frontier-Modelle nur etwa eine Stunde.

Claude Opus 5.5 ist das erste Modell der Claude-5.5-Familie und wird als Leistung auf Fable-5.1-Niveau bei geringeren Laufzeitkosten als Opus 5 positioniert.

OpenAI reagierte sehr schnell, veröffentlichte GPT-6 Sol als Mid-Tier-Modell der GPT-6-Familie, trainiert mit denselben Methoden wie das Flaggschiff GPT-6 Astra, und startete zum halben API-Preis seines Vorgängers GPT-5.6 Sol.

In diesem Artikel vergleiche ich GPT-6 Sol und Claude Opus 5.5 in vielen Leistungskategorien, bei Sicherheitsmechanismen und Preisen und zeige einen Hands-on-Build-Test, den ich mit beiden durchgeführt habe.

TL;DR

• Claude Opus 5.5 veröffentlicht die stärkeren agentischen Coding-Benchmarks und führt beide Benchmarks an, die die beiden Modelle tatsächlich teilen.
• GPT-6 Sol kostet zum Listenpreis nur die Hälfte, aber die Lücke schrumpft bei cache-lastigen Agent-Loops und bei sehr langen Anfragen.
• In unserem Build-Test lagen beide bei der harten Logik richtig, und Sol lieferte das besser polierte Spiel aus.
• Wähle Opus 5.5 für lang laufendes agentisches Coding oder für Deployments, die auf allen drei großen Clouds laufen müssen.
• Wähle Sol für preissensitives Volumen, für Codex- und ChatGPT-Work-Teams und für Business-App-Automatisierung mit schlankem Budget.

Was ist GPT-6 Sol?

GPT-6 Sol ist OpenAIs mittleres GPT-6-Modell, veröffentlicht am 22. September 2026 zusammen mit GPT-6 Luna und unterhalb des Flaggschiffs GPT-6 Astra positioniert.

Das Verkaufsargument: Astras Trainingsrezept zum halben API-Preis von GPT-5.6 Sol, mit Prompt-Caching, das auch bei Änderungen des Reasoning-Aufwands oder der Tools mitten im Gespräch bestehen bleibt.

Unser Leitfaden zu GPT-6 Sol und Luna deckt den Launch ab, und unser GPT-6-Astra-API-Tutorial führt durch die asynchronen Tools und Steuerungsoptionen der Familie.

Was ist Claude Opus 5.5?

Claude Opus 5.5 ist Anthropics erstes Claude-5.5-Modell, veröffentlicht am 22. September 2026, und das neue Spitzenmodell des Unternehmens für lang laufendes agentisches Coding und Wissensarbeit.

Das Verkaufsargument: Ergebnisse auf Fable-Niveau zu Opus-Preisen. Anthropic sagt, es erreiche bei den meisten Aufgaben Claude Fable 5.1 und werde mit Sicherheitsmechanismen auf Fable-Niveau für Cybersicherheit und Biologie ausgeliefert.

Unser Opus-5.5-Leitfaden deckt den Launch ab, und unser Claude-Opus-5-API-Tutorial beschreibt die API der vorherigen Generation.

GPT-6 Sol vs Claude Opus 5.5: Direktvergleich

Wegen der knappen Release-Timings hat kein Anbieter das jeweils neue Modell des anderen in seine Launch-Tabelle aufgenommen. Die Modelle überlappen daher nur bei zwei Benchmarks, und Opus 5.5 führt beide an. Sols Argument stützt sich auf den Preis und darauf, wie es sich in unserem eigenen Test geschlagen hat.

Coding und agentische Workflows

Opus 5.5 veröffentlicht die stärkeren agentischen Coding-Zahlen, und Sols Beitrag stellt sie nicht direkt infrage. Anthropic berichtet Opus 5.5 auf Terminal-Bench 4.0, FrontierCode und CursorBench; OpenAI nennt Sol auf DeepSWE und beschreibt sein FrontierCode-Ergebnis nur als „entspricht Claude Fable 5.1 bei xhigh Aufwand“. Anthropic setzt Fable 5.1 auf 50,3% auf FrontierCode gegen 54,4% für Opus 5.5. Wenn beide Aussagen stimmen, liegt Sol auf dem einen Coding-Benchmark, den beide Anbieter erwähnen, etwa vier Punkte hinter Opus 5.5.

Beide Anbieter stützen sich eher auf Langstrecken-Anekdoten als auf gemeinsame Scores. Anthropics internes HAProxy-Rewrite von C auf Rust ließ Opus 5.5 in 9,5 Stunden abschließen, gegen 12 Stunden für Fable 5.1, bei 51% geringeren Kosten. OpenAIs Argument ist der Preis pro Aufgabe: Sol landet etwa einen Punkt unter Fable 5 auf DeepSWE bei rund 80% niedrigeren Kosten.

Zwei Gründe, diese Tabellen mit Vorsicht zu genießen:

• Anthropic führte Opus 5.5 mit aktiven Produktions-Safeguards aus und sagt, dass umgeleitete Cyber- und Biologie-Aufgaben seine Scores wahrscheinlich gesenkt haben.
• OpenAIs Vergleiche der Kosten pro Aufgabe paaren Sol bei xhigh oder max mit Claude-Modellen auf anderen Aufwandstufen.

Auf dem Papier ist Opus 5.5 das stärkere Coding-Modell; unsere einzelne Build-Probe unten zeigte diese Lücke jedoch nicht.

Business-Workflows und Computerbedienung

Opus 5.5 führt beide Benchmarks an, die die zwei Modelle teilen, und die AutomationBench-Lücke ist die sauberste Zahl in diesem Artikel: 40,0% für Opus 5.5 gegen 33,2% für Sol im Zapier-Test von Agenten über 47 Business-Tools.

Sol kontert mit der Rechnung: OpenAI stellt Sol als Sieger gegen Claude Opus 5 bei 9% von Opus 5s Kosten pro Aufgabe dar – der Vergleich bezieht sich allerdings auf das vorherige Opus, nicht auf dieses.

Opus 5.5 ist der stärkere Agent nach Score; Sol ist das Modell, das du dir auf jedem Ticket leisten kannst.

Wissensarbeit und Faktentreue

Opus 5.5 hält hier die einzige herstellerübergreifende Zahl: 1846 Elo auf GDPval-AA v2.1, vor den GPT-6-Astra- und GPT-5.6-Sol-Scores in Anthropics Tabelle; Sol selbst ist nicht gelistet. In Anthropics Report-Schreibtest, bei dem jede erfundene Zahl zum Durchfallen führt, bestanden 16 von 18 Opus-5.5-Reports, und weder Fable 5.1 noch Opus 5 bestanden ein einziges Mal.

Sols Beleg bezieht sich auf seinen eigenen Vorgänger: Auf OpenAIs internem Faktenset macht Sol etwa halb so viele Fehler wie GPT-5.6 Sol. Artificial Analysis' AA-Omniscience-Test bestätigt das mit einem Haken: Sols Halluzinationsrate fiel von 92% auf 60%, während es nur 83% der Fragen beantwortete, gegenüber 99% beim Vorgänger.

Beide sind vorsichtiger als ihre Vorgänger; nur Opus 5.5 hat es gegen einen Rivalen gezeigt.

Guardrails und API-Einschränkungen

Sol ist die weniger eingeschränkte API, und Opus 5.5 ist die stärker beaufsichtigte.

Opus 5.5 kann nicht mit abgeschaltetem Denken laufen, lehnt erzwungene Tool-Nutzung ab und bindet Thinking-Blöcke an das Modell und die Konversation, die sie erzeugt haben. Bearbeiteter Kontext führt daher zu einem 400-Fehler bei Accounts, die nach dem 31. August 2026 erstellt wurden. Die meisten Cybersicherheitsaufgaben werden außerhalb des Cyber Verification Program auf Opus 4.8 umgeleitet, und Biologiearbeit erfordert das Life Sciences Verification Program.

Sols Leiter reicht von none bis max, der Aufwand kann mitten im Gespräch geändert werden, ohne den Cache zu brechen, und OpenAI berichtet von weniger irreführenden Aussagen über seine Coding-Arbeit als bei GPT-5.6 Sol.

Der Trade-off ist beabsichtigt: Opus 5.5 versuchte, Containment-Grenzen etwa 85% seltener zu überschreiten als Opus 5, was für unbeaufsichtigte Agenten wichtig ist.

Preise: Was du tatsächlich zahlst

Opus 5.5 kostet in den Headline-Rates genau doppelt so viel wie Sol, aber die zwei Mechanismen, die Agenten tatsächlich bezahlen, durchbrechen das Muster: Cache-Reads kosten gleich viel, und Sol erhebt einen Zuschlag über 272K Tokens, den Anthropic nicht hat.

Token-Raten im Vergleich

Der Aufpreis ist über Input, Output und Cache-Writes hinweg konstant, sodass er jede Workload-Form gleichermaßen trifft – bis Caching oder langer Kontext ins Spiel kommt. Cache-Reads sind die Ausnahme, und Anthropic sagt, sie machen den Großteil der Kosten für agentische Arbeit und Coding aus. Keiner der Anbieter veröffentlicht einen separaten Satz für Reasoning-Tokens, daher solltest du sie zum Output-Preis budgetieren.

Was eine reale Workload kostet

Die Zeile über der Schwelle ist die Kernaussage: Sobald jede Anfrage die Schwelle überschreitet, treibt Sols Zuschlag die Rechnung auf bis zu 8% an Opus 5.5 heran. Ein Langkontext-Retrieval-Pipeline erhält also kaum Rabatt, wenn sie Sol wählt. Die cache-lastige Schleife verengt die Lücke aus einem anderen Grund auf 33%: Die 1.000 gecachten Reads kosten bei beiden gleich, und nur die frischen Tokens tragen den 2x-Aufpreis.

Die beiden Modelle verwenden unterschiedliche Tokenizer, und keiner der Anbieter hat Token-Zählungen für eine gemeinsame Workload veröffentlicht. Betrachte diese Summen daher als Tarifvergleich, nicht als Rechnung. Anthropic sagt, Opus 5.5 verwende weniger Tokens pro Aufgabe als Opus 5, allerdings ohne Vergleich zu Sol.

Wie sich GPT-6 Sol und Claude Opus 5.5 geschlagen haben

Benchmarks von zwei Anbietern, die das Modell des jeweils anderen nicht getestet haben, reichen nur begrenzt weit. Also habe ich eine Build-Aufgabe gegen beide laufen lassen, mit identischem Prompt und identischer Tooling-Oberfläche.

Der Test

Ich habe beide gebeten, einen Tetris-Klon als Einzeldatei auf einem 12×24-Brett zu bauen, mit einem Twist: Die Schwerkraft kippt alle 20 Sekunden. Zwei fordernde Punkte im Prompt: Nach einem Flip müssen Steine zur Decke fallen und sich dort auf einem zweiten Stapel verankern; volle Reihen müssen auf beiden Stapeln gelöscht werden; und bereits verankerte Zellen dürfen sich beim Flip nie bewegen.

Beide Modelle liefen in OpenCode mit identisch festgezurrter Tool-Oberfläche: Dateien lesen, suchen und bearbeiten, kein Shell, kein Netzwerk. Beide liefen mit high Reasoning-Aufwand, je ein Versuch, keine Retries, und der Prompt wurde Byte für Byte in eine frische Session geliefert.

Eine Asymmetrie zum Hinterkopf: high liegt bei beiden zwei Stufen unter dem Maximum, aber Sols Leiter hat unten eine zusätzliche Stufe none. Damit ist high bei Sol die vierte von sechs Stufen und bei Opus 5.5 die dritte von fünf.

Das war der Prompt:

Build a single-file HTML page (inline CSS and JS, canvas, no build step, no external dependencies, no network) that is a playable Tetris clone with one twist: gravity flips every 20 seconds. It needs:
- a 12×24 board, the seven tetrominoes, rotation, left/right movement, soft drop, hard drop, line clears, a score, and a game-over state, controlled with the arrow keys and the space bar;
- the twist: every 20 seconds the direction of gravity flips between down and up. Pieces then fall toward the ceiling, land on the stack that has formed there, and full rows clear on either stack. Pieces already locked in place never move when gravity flips;
- a visible gravity indicator (an arrow showing the current direction) and a countdown to the next flip, both always on screen;
- a fixed starting position: the board loads with the same flat four-row stack already locked on the floor (a few gaps, no complete rows), so the flip has a stack to leave behind;
- a fixed seed for the piece sequence, so two loads produce the same game;
- autoplay on load: with no key pressed, a simple built-in player plays at the normal starting speed of about one row per second, sliding each piece without rotating into the column where the stack it is falling toward is currently lowest (the leftmost such column on a tie) and letting it fall — never a hard drop — so pieces are seen falling the moment the page opens. Any key press hands control to the keyboard for the rest of the game;
- the whole board, indicator and countdown fit in one viewport of about 1440×900 without scrolling.

Ship it as one working file named `index.html`. Do not install packages. Do not open, screenshot, or headless-render the page (no Playwright, Puppeteer, or Chrome). Do not ask me clarifying questions — make reasonable assumptions and note them briefly in a comment at the top of the file.Bereitgestellt von

Ich habe die Kosten protokolliert und beide nach drei Rubriken mit 1 bis 5 Punkten bewertet:

• Flip-Mechanik: Fallen die Steine beim Flip wirklich nach oben, landen an der Decke und löschen dort Reihen, während der alte Stapel liegen bleibt?
• Spielvollständigkeit: Ist es unter dem Twist ein vollständiges, spielbares Tetris?
• Visuelle Qualität und Spielgefühl: Ist es flüssig und gut lesbar, und wirkt der Flip gewollt statt glitchy?

Was GPT-6 Sol geliefert hat

Sol brauchte 6 Züge und 9 Tool-Calls: Es listete auf, suchte und las den leeren Workspace, bevor es eine 22 KB große index.html schrieb und sie einmal nachpatchte. Heraus kam ein eigener Auftritt, „Fall / Rise, a game of shifting ground“, mit einem Gravitation-Panel, das beim Flip von Bernstein auf Türkis umfärbt, einem Countdown bis zur nächsten Inversion und einer Regelkarte am Rand.

Es tut, was es soll, und läuft rund und stabil: Der Bodenstapel bleibt beim Flip liegen, Steine steigen auf und verankern sich an der Decke, Reihen löschen auf beiden Stapeln, und der Soft Drop fühlt sich responsiv an – dadurch war es das spaßigere der beiden Spiele.