Claude Opus 5 vs GPT-5.6 Sol: benchmark, prezzi e quale scegliere

Se stai scegliendo un modello per lavoro agentico nella seconda metà del 2026, la rosa è ristretta e i due nomi in lista sono usciti a due settimane di distanza. Anthropic ha rilasciato Claude Opus 5 il 24 luglio, e OpenAI ha portato GPT-5.6 Sol alla disponibilità generale il 9 luglio. Entrambi sono di fascia flagship, entrambi pensati per compiti professionali di lunga durata e i prezzi sembrano quasi identici.

In questo articolo confronto Claude Opus 5 e GPT-5.6 Sol su coding, ragionamento, uso del computer, uso degli strumenti, prezzi e accesso, così puoi decidere quale si adatta al tuo workflow. Per un approfondimento su ciascun modello, vedi la nostra guida a Claude Opus 5 e la nostra guida alla famiglia GPT-5.6.

TL;DR

• Opus 5 è lo specialista in ragionamento su problemi nuovi e in agentic; GPT-5.6 Sol è il generalista più forte su terminale e navigazione.
• I token in input costano $5 per milione su entrambi. In output, Opus 5 costa il 17% in meno.
• Scegli Opus 5 per problemi davvero nuovi, coding e uso del computer. Scegli Sol per workflow da terminale, agenti di navigazione e difesa in cybersecurity.

Cos’è Claude Opus 5?

Claude Opus 5 è il modello di livello Opus di Anthropic, rilasciato il 24 luglio 2026, e offre risultati simili al più costoso Fable 5 a metà prezzo. È il nuovo modello predefinito su Claude Max e il più potente disponibile su Claude Pro.

Il comportamento distintivo del modello è la persistenza. Secondo Anthropic, Opus 5 verifica il proprio lavoro e itera finché non riesce invece di fermarsi a una risposta plausibile, e riporta un punteggio di audit del comportamento disallineato di 2,3, il più basso tra i modelli recenti di Anthropic. Il contesto arriva a 1M di token con un tetto di output a 128K, e il thinking è attivo per impostazione predefinita.

Se vuoi costruire con il modello invece di leggerne, il nostro tutorial sull’API di Claude Opus 5 spiega come creare un agente di bug-fixing e valutarlo su tutti e cinque i livelli di effort.

Cos’è GPT-5.6 Sol?

GPT-5.6 Sol è il modello di punta della famiglia GPT-5.6 di OpenAI, arrivata alla disponibilità generale il 9 luglio 2026 dopo una preview limitata. La famiglia ha tre livelli:

• Sol: modello flagship con le prestazioni più alte
• Terra: modello bilanciato per l’uso quotidiano
• Luna: opzione conveniente

OpenAI descrive Sol come in grado di offrire risultati all’avanguardia su coding, knowledge work, cybersecurity e scienza, consumando meno token dei modelli che supera.

La funzione principale di Sol è ultra, un’impostazione di ragionamento che coordina quattro agenti su flussi di lavoro paralleli per impostazione predefinita. OpenAI ha anche aggiunto il Programmatic Tool Calling nella Responses API, che consente al modello di scrivere ed eseguire piccoli programmi per orchestrare strumenti e filtrare dati intermedi invece di instradare ogni risposta di uno strumento di nuovo attraverso il modello.

Per maggiori dettagli sulla struttura della famiglia e sulle avvertenze dell’era di preview, vedi il nostro riassunto di GPT-5.6. Abbiamo anche trattato il preteso controesempio di GPT-5.6 Pro alla congettura di Dinitz-Garg-Goemans, la cosa più interessante che chiunque abbia fatto con la famiglia finora.

Claude Opus 5 vs GPT-5.6 Sol: confronto diretto

Ecco il riepilogo prima di entrare nelle singole dimensioni.

Ragionamento su problemi nuovi e astratti

È qui che i due modelli divergono più nettamente, quindi parto da questo. ARC-AGI-3 chiede a un modello di risolvere problemi che non ha incontrato in addestramento, rendendolo il test più vicino che abbiamo al ragionamento anziché al richiamo.

Opus 5 segna 30,2%. GPT-5.6 Sol segna 7,78%, anche se è il secondo miglior modello in classifica. Per confronto, la Preview di Gemini 3.1 Pro arriva allo 0,42%. Per dare contesto al numero di Opus 5, Opus 4.8 aveva segnato 1,5% due mesi prima, il che rappresenta un salto di venti volte all’interno di una singola generazione Anthropic.

Voglio essere cauto su cosa significhi un divario di 4x in un benchmark. ARC-AGI-3 è deliberatamente avverso alla memorizzazione, e un 30,2% è pur sempre una maggioranza di fallimenti. Ma se il tuo lavoro riguarda problemi che non somigliano a nulla in un corpus di addestramento, questo è il singolo numero più rilevante dell’intero confronto, e non c’è partita.

Coding e agentic engineering

Nel coding i risultati sono divisi, non c’è un modello che stravince. Ogni fornitore guida sui benchmark che ha scelto di enfatizzare, esattamente come ci si aspetta ed è il motivo per cui dovresti andare oltre i titoli.

Il pattern è chiaro separando lavoro su repository da lavoro su terminale. Opus 5 vince su SWE-Bench Pro di quasi 15 punti e più che raddoppia il punteggio di Opus 4.8 su Frontier-Bench, che misura l’ingegneria software agentica su compiti come ricostruire un pezzo meccanico in FreeCAD a partire da un disegno tecnico. L’esempio di Anthropic vale la citazione: senza un modo per visualizzare il disegno, Opus 5 ha scritto una pipeline di computer vision per estrarre la geometria dai pixel grezzi, e nessun modello concorrente l’ha risolto in cinque tentativi.

Sol domina il terminale, ma il margine è più basso rispetto alle versioni precedenti. È alla pari con Opus 5 su Terminal-Bench 2.1, ma sale al 91,9% con ultra attivato. Sol vince anche su DeepSWE v1.1, il test di ingegneria a lungo orizzonte su codebase reali, di 3,9 punti usando meno della metà dei token di output di Fable 5 e a circa un terzo in meno di costo.

Un riscontro dal nostro lavoro pratico: quando abbiamo costruito un agente di bug-fixing con Opus 5 e l’abbiamo eseguito su tutti e cinque i livelli di effort, con effort low il bug è stato risolto in tutti e tre i run, mentre con effort max uno dei tre è fallito. Quel run fallito ha restituito un report valido nello schema ma completamente vuoto, con zero chiamate agli strumenti e il campo root cause impostato su "b0". La lezione è che un output strutturato garantisce la struttura, non la sostanza, e un effort più alto non è automaticamente migliore. I dettagli completi sono nel nostro tutorial sull’API di Opus 5.

La mia lettura: se i tuoi agenti vivono in una shell e puoi permetterti ultra, Sol ha un leggero vantaggio. Se vivono in un repository e devono ragionare sull’architettura su molti file, lo ha Opus 5. Nessuno dei due è un vincitore netto nella categoria "coding", e qualunque affermazione di vendor che dica il contrario sta scegliendo i benchmark.

Uso del computer e navigazione

L’uso del computer conta se stai costruendo qualcosa che guida una GUI, e si divide come per il coding.

Opus 5 vince su OSWorld 2.0 con il 70,6% contro il 62,6% di Sol, un distacco di 8 punti. Anthropic afferma anche che Opus 5 supera il miglior risultato OSWorld di Fable 5 a poco più di un terzo del costo, un confronto interessante dato che Fable 5 costa $10 per milione di token in input contro i $5 di Opus 5.

La navigazione è sostanzialmente in parità. Opus 5 riporta il 90,8% su BrowseComp; Sol riporta il 90,4%, salendo al 92,2% con ultra su sedici agenti paralleli. Anche qui, ultra fa la differenza.

Il risultato di Sol su OSWorld include un’affermazione di efficienza dei token da notare: OpenAI dice che supera Opus 4.8 usando l’85% di token di output in meno. È un confronto con la generazione precedente di Anthropic e non con Opus 5, quindi non si applica a questo match, ma segnala che il percorso di Sol per l’uso del computer è insolitamente economico per task.

Uso degli strumenti e automazione

L’uso degli strumenti è la dimensione in cui il divario di capacità astratte si traduce in compiti aziendali completati, e Opus 5 guida chiaramente.

Su AutomationBench di Zapier, che misura se un modello può portare a termine un compito aziendale dall’inizio alla fine, Opus 5 segna 26,0% contro il 18,1% di Sol. Anthropic riporta che il suo tasso di successo è circa 1,5 volte il successivo miglior modello allo stesso costo per task, e che anche al livello di effort più basso Opus 5 supera qualsiasi altro modello.

Il CEO di Zapier Wade Foster descrive una run specifica: Opus 5 ha preso un workbook grezzo di health degli account ed eseguito una sequenza di prevenzione del churn end-to-end, segnalando gli account a rischio, avvisando il proprietario giusto e facendo un riepilogo per le operazioni di retention. I modelli precedenti non passavano; Opus 5 ha fatto 100%.

La controargomentazione di Sol è architetturale, non basata sui punteggi. Il Programmatic Tool Calling nella Responses API consente a Sol di scrivere piccoli programmi che coordinano strumenti, filtrano risultati intermedi e scelgono la prossima azione man mano che il lavoro procede, il che significa che i compiti pesanti sugli strumenti avanzano con meno round trip al modello. È un vero meccanismo di efficienza, ma è una pretesa diversa dal concludere più compiti correttamente, e AutomationBench misura quest’ultimo aspetto.

Cybersecurity e scienza

È la dimensione in cui i due vendor hanno fatto scelte deliberatamente opposte, e per alcuni lettori deciderà il confronto da sola.

Anthropic non ha addestrato Opus 5 su compiti cyber. Dichiara chiaramente che Opus 5 non spinge il confine delle capacità dual-use e rimane dietro a Mythos 5 sia nella ricerca in biologia sia nella cybersecurity offensiva. Su OSS-Fuzz, Opus 5 identifica vulnerabilità a un tasso vicino a Mythos 5 ma resta molto indietro nello sviluppo di exploit. I classifier cyber di Opus 5 bloccano la scansione di vulnerabilità basata su binari, il penetration testing e la generazione di exploit, anche se Anthropic si aspetta che intervengano circa l’85% in meno rispetto a quelli di Fable 5.

OpenAI ha preso la direzione opposta. Sol è descritto come il modello di cybersecurity più forte di OpenAI, e i numeri sono alti:

• ExploitBench: 73,5% contro il 47,9% di GPT-5.5 a parità di budget di token in output
• ExploitGym: 24,9% con limite di due ore, che sale al 33,7% con sei ore, contro il picco del 15,1% di GPT-5.5
• SEC-Bench Pro: 71,2% contro il 45,8% di GPT-5.5, con latenza migliorata
• Capture-the-Flag: 96,7%

Entrambi i vendor impongono controlli. OpenAI instrada le capacità difensive avanzate attraverso il Trusted Access for Cyber di Daybreak, richiede passkey con supporto hardware entro il 1° settembre per continuare ad accedere ai modelli più capaci in ambito cyber, e afferma che le salvaguardie cyber di Sol bloccano circa dieci volte più attività potenzialmente dannose rispetto ai modelli precedenti. Anthropic gestisce un Cyber Verification Program che fornisce a imprese e ricercatori iscritti una build di Opus 5 meno ristretta.

In ambito scientifico, Opus 5 supera Opus 4.8 in tutte le valutazioni di scienze della vita di Anthropic, con i guadagni maggiori in chimica organica (10,2 punti percentuali nell’inferenza di strutture molecolari da dati di spettroscopia) e nella previsione sequenza-funzione delle proteine (7,7 punti). Sol riporta il 28,7% su GeneBench Pro contro il 12% di GPT-5.5 e il 59,9% su LifeSciBench. Non c’è un benchmark condiviso, quindi non è un confronto; sono due vendor che si danno voti su esami diversi.

Prezzi

Le tariffe per input e lettura da cache coincidono esattamente al contesto standard, eliminando una variabile dalla decisione. Resta un sovrapprezzo del 20% in output su Sol, più una maggiorazione per contesti lunghi applicata solo da Sol.

Tariffe token a confronto

L’intero divario di costo a contesto breve ricade sulla generazione, quindi il sovrapprezzo di Sol pesa di più su ragionamento prolisso e output di lunga forma. Si riduce su lavoro di retrieval dove invii molti più token in input che in output, fino al punto in cui subentra la maggiorazione di Sol per contesti lunghi.

Entrambi i modelli ora offrono una modalità Fast a circa il doppio del prezzo standard per circa 2,5× della velocità. OpenAI ha integrato la vecchia Priority Processing di Sol nella modalità Fast il 30 luglio 2026, quindi questa leva è simmetrica tra i due e non è un elemento differenziante.

Quanto costa un carico reale

Le tariffe per milione di token sono difficili da prevedere a budget, e un singolo rapporto fisso nasconde la parte più importante di questo confronto: il divario tra i due modelli dipende interamente dalla forma del carico di lavoro. Ecco tre forme rappresentative a tariffe standard, senza caching o sconti batch.

Sul lavoro di generazione, il sovrapprezzo del 20% in output si trasferisce quasi integralmente, e Sol costa circa il 19% in più. Sul retrieval breve, il divario si riduce a circa il 7%, perché l’output è trascurabile rispetto a un input identico.

La terza riga è quella da osservare. Superati i 272K token di input, la maggiorazione di Sol applica 2× in input e 1,5× in output all’intera richiesta mentre Opus 5 resta flat fino a 1M, quindi il sovrapprezzo non si riduce in scala; quasi raddoppia la fattura. Per lavori a forte retrieval o con contesti ampi, questo conta più del sovrapprezzo in output dei titoli.

Perché lo stesso compito costa importi diversi

Due fattori fanno sì che lo stesso lavoro generi conti diversi qui, oltre alle tariffe di listino:

• Maggiorazione per contesto lungo di Sol. Qualsiasi richiesta oltre 272K token di input è fatturata a 2× in input e 1,5× in output sull’intera richiesta, quindi un singolo prompt sovradimensionato sposta Sol in una fascia tariffaria più alta che Opus 5 non ha. È un cambio di tariffa, non una differenza di token, ed è già riflesso nella terza riga sopra.
• Sol ultra. Ultra non ha un sovrapprezzo di tariffa, fattura agli stessi $5/$30 del Sol base, ma la sua modalità multi-agente ad alto effort spende molti più token per task, il che può far salire un lavoro agentico fino a circa il triplo del costo di Sol base alle stesse tariffe. Quel multiplo è una stima riportata, non un dato misurato.

Questa avvertenza vale lato output in generale. Le affermazioni di efficienza in circolazione confrontano quasi tutte con altri modelli: si dice che Sol usi meno della metà dei token di output di Fable 5 sul Coding Agent Index, e Anthropic riporta che Opus 5 genera il 26% di token in meno rispetto a Opus 4.8 a ragionamento massimo. Entrambe sono comparazioni con predecessori e nessuna può modificare i numeri sopra.

Quando scegliere Claude Opus 5 vs GPT-5.6 Sol

I risultati per dimensione si mappano abbastanza chiaramente sui carichi di lavoro, quindi ecco la guida alla decisione prima di approfondire ogni lato.

Scegli Claude Opus 5 se...

• I tuoi problemi sono davvero nuovi. Il divario su ARC-AGI-3 è il risultato più grande in questo confronto e si mappa direttamente su lavoro di ricerca e su tutto ciò in cui la risposta non è in un corpus di training.
• Ti servono agenti che concludono i compiti, non solo che ci provano. Il vantaggio su AutomationBench è il segnale più forte nell’articolo sul completamento piuttosto che sulla sola capacità.
• Lavori su contesti lunghi. 1M di token come default e massimo, senza fascia con sovrapprezzo, è una storia più lineare di qualsiasi cifra pubblicata da OpenAI sulla gestione del contesto di Sol.
• L’allineamento è un requisito dichiarato. Il punteggio di audit 2,3 per comportamento disallineato è il migliore di Anthropic finora, con i tassi di inganno più bassi e la minore suscettibilità a essere indotto a un uso improprio.

Scegli GPT-5.6 Sol se...

• Esegui agenti complessi che vivono in una shell. La modalità ultra porta Sol in cima alla 
• Fai lavoro di sicurezza difensiva. I numeri su ExploitBench, ExploitGym e SEC-Bench Pro sono alti, e i classifier di Opus 5 bloccano attivamente la generazione di exploit, quindi non c’è confronto.
• Vuoi l’orchestrazione multi-agente integrata. ultra coordina quattro agenti per impostazione predefinita e ha spinto BrowseComp al 92,2% con sedici agenti, e la beta multi-agente nella Responses API ti consente di costruire pattern simili.

Considerazioni finali

A due settimane di distanza, i due vendor hanno scommesso in direzioni opposte: Opus 5 punta su ragionamento nuovo e completamento dei task, mentre Sol insiste su lavoro da terminale, navigazione e sicurezza difensiva, applicando un sovrapprezzo del 20% in output.

Scegli Opus 5 se i tuoi problemi sono davvero nuovi, i tuoi agenti devono concludere invece che tentare, o lavori su contesti lunghi dove il prezzo flat a 1M batte la maggiorazione di Sol; scegli Sol se i tuoi agenti vivono in una shell, fai lavoro di riproduzione di exploit che Opus 5 blocca per design, o puoi permetterti ultra per primeggiare nelle classifiche di terminale e navigazione.

Sulle altre dimensioni, il divario è più piccolo di quanto suggerisca il marketing di entrambi, quindi abbina il modello al carico di lavoro dominante piuttosto che al benchmark di copertina.