GPT-6.1 Sol vs Claude Sonnet 5.5: benchmark, prezzi e un test pratico
Stesso prezzo di listino, postille diverse. Confrontiamo GPT-6.1 Sol e Claude Sonnet 5.5 su benchmark, costi di cache e contesti lunghi, accesso cloud e un test pratico di coding.
Anthropic ha rilasciato Claude Sonnet 5.5 il 28 settembre 2026, e OpenAI ha risposto il giorno dopo al DevDay con GPT-6.1 Sol.
Entrambi sono modelli di fascia media allo stesso prezzo di listino e, nei post di lancio, si misurano contro Claude Opus 5.5 più che tra loro. Chi deve scegliere tra i due si ritrova quindi con due set di benchmark che si sovrappongono poco e un prezzo che non scioglie il pareggio.
In questo articolo confronterò GPT-6.1 Sol e Claude Sonnet 5.5 su coding, knowledge work, velocità, sicurezza e prezzi, per poi sottoporli allo stesso test pratico di coding.
Entrambi applicano le stesse tariffe per token, quindi la fattura diverge solo su contesto in cache e prompt molto lunghi.
GPT-6.1 Sol è più economico per loop agentici che fanno ampio uso di cache; Claude Sonnet 5.5 è molto più economico per prompt oltre 272K token.
I vendor hanno pubblicato pochissimi benchmark in comune e ognuno rivendica risultati quasi da Opus 5.5 sui propri test.
Nel nostro test pratico, Sol ha costruito l’app più scrupolosa, ma Sonnet è arrivato al traguardo più velocemente e con meno turni.
Scegli Sonnet 5.5 per velocità, contesti lunghi e deployment su AWS o Google Cloud.
Scegli GPT-6.1 Sol per agenti con cache pesante e pipeline che devono rifiutare input errati invece di accompagnarli con avvertenze.
Che cos’è GPT-6.1 Sol?
GPT-6.1 Sol è il modello GPT-6 di fascia media di OpenAI, rilasciato al DevDay il 29 settembre 2026, a una settimana da GPT-6 Sol. OpenAI lo presenta come "intelligenza quasi-Astra a un quinto del prezzo" per coding agentico, uso del computer e lavoro professionale.
Claude Sonnet 5.5 è il modello di fascia media di Anthropic, rilasciato il 28 settembre 2026, secondo modello della serie Claude 5.5 e complemento più veloce e a costo inferiore di Claude Opus 5.5.
Secondo Anthropic eccelle nei compiti quotidiani ben delimitati, nelle correzioni di bug e nei documenti rifiniti; i primi tester ne hanno evidenziato l’occhio per il design.
GPT-6.1 Sol vs Claude Sonnet 5.5: confronto diretto
GPT-6.1 Sol e Claude Sonnet 5.5 sono più vicini di qualsiasi coppia recente cross-vendor: stesse tariffe base, stessa scala di effort e finestre di contesto quasi identiche.
Le differenze che contano sono nei prezzi della cache, nella fatturazione dei prompt lunghi, nella velocità e in come ciascun modello gestisce input che infrangono le regole.
Caratteristica
GPT-6.1 Sol
Claude Sonnet 5.5
Sviluppatore e data di rilascio
OpenAI, 29 settembre 2026
Anthropic, 28 settembre 2026
Posizionamento
Risultati quasi-Astra a un quinto del prezzo di Astra
Complemento più veloce e a costo inferiore rispetto a Opus 5.5
Input / output per 1M token
$2 / $10
$2 / $10
Lettura input in cache per 1M token
$0.10
$0.20
Prompt lunghi
2x input, 1.5x output sopra 272K token di input
Tariffe standard sull’intera finestra da 1M
Finestra di contesto / output max
1.050.000 / 128.000 token
1M / 128K token
Livelli di sforzo di reasoning
low, medium, high, xhigh, max
low, medium, high, xhigh, max
Artificial Analysis Intelligence Index
51,8
56
Grandi cloud
Microsoft Azure (Bedrock e Vertex AI non confermati)
Amazon Bedrock, Google Cloud, Microsoft Foundry
Nostro test pratico (media rubric)
5,0
4,7
Coding e workflow agentici
Nessuno dei due vendor ha pubblicato un benchmark di coding eseguito anche dall’altro, quindi l’unico modo per allinearli è tramite Claude Opus 5.5, usato come riferimento in entrambi i post di lancio.
Lettura in questo senso, i due modelli arrivano più o meno nello stesso punto: ciascuno rivendica risultati agentici al livello di Opus a metà del prezzo di listino di Opus 5.5 ($4 / $20).
Benchmark
GPT-6.1 Sol
Claude Sonnet 5.5
Note
DeepSWE v1.1
Uguale a GPT-6 Astra; 6,4 punti sopra il miglior GPT-6 Sol
Non pubblicato
OpenAI, solo affermazione relativa
AutomationBench 1.0.6
+2,2 punti su Opus 5.5 a effort medio
Non pubblicato
OpenAI, a circa un terzo del costo di Opus 5.5
Terminal-Bench Science 0.1
$5,47 per task a effort max vs $23,21 per Opus 5.5
Non pubblicato
OpenAI; GPT-6 Astra guida il punteggio al 68,1%
Terminal-Bench 4.0
Non pubblicato
70,6% (Opus 5.5: 66,4%)
Anthropic; Artificial Analysis ha misurato 64%
CursorBench 4.0
Non pubblicato
55,5% (Opus 5.5: 57,8%)
Anthropic; task da sessioni reali di Cursor
FrontierCode 1.1 (Main)
Non pubblicato
52,1% a xhigh, 46,2% a max
Anthropic; Opus 5.5 segna 54,4%
Le prove di Sol riguardano l’ingegneria del software su orizzonti lunghi con basso costo per task, mentre quelle di Sonnet riguardano il lavoro da terminale e sessioni di editor disordinate e multi-file, dove batte Opus 5.5 in un test e lo insegue nell’altro.
Due avvertenze si applicano a tutta la tabella:
Ogni dato è riportato dai vendor, con risultati dei concorrenti presi da report pubblici.
OpenAI esprime la maggior parte dei risultati di coding in termini relativi ad altri modelli piuttosto che come punteggi assoluti.
Sui numeri pubblicati, il coding è più vicino al pareggio di quanto suggeriscano i post di lancio, motivo per cui il test pratico qui sotto pesa più del solito.
Knowledge work e uso del computer
Claude Sonnet 5.5 ha il caso pubblicato più solido per lavoro d’ufficio e documenti, anche perché Anthropic ne ha riportato di più.
Sonnet segna 1844 su GDPval-AA, a 2 punti da Opus 5.5, e 80,1% su OSWorld 2.1. GPT-6.1 Sol supera Opus 5.5 con fallback su GDP.pdf, un test di Q&A su PDF professionali complessi, a meno della metà del costo per task, e arriva a 2,1 punti da GPT-6 Astra sul set offline di OSWorld 2.0.
Le versioni di OSWorld differiscono, quindi i due risultati non sono direttamente comparabili.
L’unico dato terzo condiviso, l’Artificial Analysis Intelligence Index, pone Sonnet a 56 e Sol a 51,8, come riportato rispettivamente da Smartscope e dalla pagina modelli di OpenRouter.
Sulle evidenze disponibili, Sonnet ha un leggero vantaggio nel knowledge work.
Velocità ed efficienza dei token
Claude Sonnet 5.5 è il modello più veloce di default.
Anthropic afferma che genera output oltre il 30% più velocemente di Sonnet 5 e costa fino al 30% in meno per task, e i riscontri dei clienti nel post di lancio confermano il trend, come il "un terzo di chiamate agli strumenti in meno" di Lovable nei suoi eval di coding.
GPT-6.1 Sol tratta la velocità come componente a pagamento. La modalità fast fattura al 2x delle tariffe standard e non è disponibile con residenza dei dati UE, e OpenAI dice che GPT-6.1 Sol Ultrafast, con fino a 8x velocità di generazione token in Codex, arriverà nei prossimi giorni.
Anthropic offre la modalità fast solo sui modelli Opus, non su Sonnet 5.5.
Se vuoi velocità senza pagarla come extra, Sonnet è la scelta predefinita.
Paletti di sicurezza e affidabilità
Entrambi i modelli arrivano con paletti che cambiano il comportamento in produzione, e quelli di Sonnet sono più visibili.
Le richieste di cybersecurity più rischiose su Sonnet 5.5 ricadono visibilmente su Sonnet 5, e i suoi blocchi di thinking funzionano solo nell’account che li ha prodotti, dettaglio rilevante se sposti conversazioni tra account.
OpenAI classifica GPT-6.1 Sol come Critical in cybersecurity.
Riduce gli errori fattuali a basso effort dall’11,4% al 7,7% rispetto a GPT-6 Sol, ma il suo tasso di deception nel coding dell’1,50% è sopra lo 0,51% di Astra.
Terrei un passaggio di revisione umana su esecuzioni Sol non presidiate e pianificherei il fallback a Sonnet 5 se fai sicurezza con Sonnet.
Prezzi: cosa paghi davvero
GPT-6.1 Sol e Claude Sonnet 5.5 fanno pagare $2 per 1M token di input e $10 per 1M token di output, quindi il conto diverge solo su contesto in cache e prompt molto lunghi.
Sol vince quando lo stesso contesto viene riutilizzato ripetutamente, e Sonnet vince non appena una singola richiesta supera i 272K token di input.
Tariffe per token a confronto
Tariffa
GPT-6.1 Sol
Claude Sonnet 5.5
Input, per 1M token
$2,00
$2,00
Output, per 1M token
$10,00
$10,00
Lettura input in cache, per 1M token
$0,10
$0,20
Scrittura in cache, per 1M token
$2,50
$2,50 (5 minuti), $4 (1 ora)
Richieste oltre 272K token di input
2x tariffe di input e cache, 1,5x output, per l’intera richiesta
Tariffe standard sull’intera finestra da 1M
Sconto batch
50% (Batch e Flex)
50% (Batch API)
Modalità fast
2x tariffe standard
Non offerta
La maggiorazione è la riga da tenere d’occhio: su Sol, un singolo step di retrieval sovradimensionato riprezza l’intera richiesta, non solo l’eccedenza.
Quanto costa un carico reale
Carico (mensile)
GPT-6.1 Sol
Claude Sonnet 5.5
Differenza
Assistente bilanciato: 1M in / 250K out
$4,50
$4,50
$0 (0%)
Retrieval, ogni richiesta sotto 272K: 10M in / 1M out
$30
$30
$0 (0%)
Retrieval, ogni richiesta oltre 272K: 10M in / 1M out
$55
$30
Sol costa $25 in più (+83%)
Loop con cache pesante: prefisso da 100K scritto una volta, 1.000 letture in cache, più 5K di nuovo input / 1K output per richiesta
$30,25
$40,25
Sonnet costa $10 in più (+33%)
Ogni totale è (volume ÷ 1M) × tariffa, sommato tra input, output e voci di cache, a tariffe standard.
Bilanciato e retrieval sotto soglia: tariffe identiche, fatture identiche.
Retrieval sopra soglia: gli stessi 10M token, suddivisi in richieste sopra 272K, costano a Sol $4 per 1M di input e $15 per 1M di output, e solo questo trasforma un pareggio in un +83%.
Loop con cache pesante: 100M token di lettura cache costano $10 su Sol e $20 su Sonnet, assumendo letture entro la finestra di cache. Il prompt da 105K token resta sotto la soglia di Sol.
Nessun vendor ha pubblicato conteggi di token per un carico condiviso e non abbiamo misurato come ciascun tokenizer segmenta lo stesso testo, quindi tratta questi totali come confronto di tariffe, non come fattura.
Come si sono comportati GPT-6.1 Sol e Claude Sonnet 5.5
Poiché i benchmark pubblicati non si sovrappongono, ho eseguito lo stesso task di build su entrambi i modelli, con lo stesso prompt e gli stessi strumenti.
Il test
Il compito era costruire una pagina web a file singolo che animasse l’algoritmo del cammino minimo di Dijkstra su tre piccoli grafi pesati forniti in un file graph.json.
La parte difficile non è l’animazione. Sono i dati: il prompt non dice mai che il secondo grafo taglia il target dalla source, né che il terzo contiene un peso d’arco negativo, cosa che infrange le regole su cui si basa l’algoritmo di Dijkstra.
Senza un benchmark di coding condiviso tra questi due modelli, questo è l’unico confronto diretto nell’articolo.
Entrambi i modelli sono stati eseguiti dentro lo stesso agente di coding, OpenCode, a effort di reasoning alto, con un tentativo ciascuno e senza retry.
Ognuno ha ricevuto uno spazio di lavoro vuoto contenente solo il file del grafo e le stesse cinque autorizzazioni agli strumenti: read, list, glob, grep ed edit, dove edit copre la scrittura di file.
La configurazione dell’agente negava accesso a shell e rete, quindi nessuno dei due poteva aprire la propria pagina per verificarla. Ecco il prompt, verbatim:
You have a file, `graph.json`, in the working directory. It holds three scenarios. Each scenario is a small weighted undirected graph — 12 nodes with `x`/`y` positions on a 1200×800 plane, 20 to 24 edges with integer weights, and a `source` and a `target` node.
Build a single-file HTML page (inline CSS and JS, canvas or SVG, no build step, no external dependencies, no network) that visualizes Dijkstra's algorithm on those graphs. It needs:
- read `graph.json` and embed its contents in the page (a JS object or `<script>` block) so it works when opened as a file — do not `fetch` it;
- a scenario selector: the first scenario is selected on load, and choosing another one restarts the visualization on that graph;
- draw the selected graph at the given positions with every edge weight labelled;
- auto-start on load from `source` to `target` with no click required, animating one edge examination every 300 milliseconds: pop the closest unsettled node, then examine each of its edges one at a time — highlight the edge being examined, and update the neighbour's tentative distance label if it improves;
- three visibly distinct node states at all times: settled, frontier (reached but not settled), and unvisited; each reached node shows its current tentative distance;
- stop when the target is settled, highlight the shortest path from source to target, and show a table of the final distance from the source to every node;
- pause / resume, single-step, and restart controls;
- everything fits 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.Offerto da
Ho valutato ogni pagina su tre domande:
Correttezza dell’algoritmo: È davvero Dijkstra, con distanze finali corrette, il percorso giusto e i nodi che si fissano nell’ordine corretto, e si accorge quando il grafo infrange le regole dell’algoritmo?
Fedeltà della visualizzazione: Si può seguire l’algoritmo dalla sola immagine?
Controlli e layout: I controlli funzionano e tutto sta in uno schermo?
Cosa ha prodotto GPT-6.1 Sol
GPT-6.1 Sol ha costruito una pagina curata con un quaderno live accanto al grafo: il controllo dell’arco corrente scritto come aritmetica, una lista della frontiera ordinata dal più vicino, e una tabella delle distanze che si aggiorna in tempo reale. Sul primo grafo ha trovato il percorso e la distanza corretti e, passo dopo passo, ha fissato i nodi esattamente nell’ordine della soluzione di riferimento.
Ha gestito anche entrambe le trappole. Sul grafo tagliato ha segnalato "Nessun percorso verso il target" e ha lasciato i due nodi irraggiungibili a infinito. Sul grafo con arco negativo si è rifiutato di eseguire, ha evidenziato l’arco incriminato in rosso e ha spiegato che non esiste un cammino minimo finito.
Ha ottenuto 5 in tutte e tre le domande.
Cosa ha prodotto Claude Sonnet 5.5
Claude Sonnet 5.5 ha costruito una pagina più semplice con un log in tempo reale che spiega ogni controllo di arco, ed è stato corretto sul primo grafo, con stesso percorso, distanze e ordine di fissaggio.
Ha anche individuato entrambe le trappole senza essere guidato e ha persino segnalato che il secondo grafo ha 17 archi quando il prompt ne prometteva da 20 a 24.
L’errore è arrivato sul grafo con arco negativo.
Sonnet ha mostrato un chiaro avviso rosso nominando l’arco negativo e dicendo che la garanzia di Dijkstra non vale più, ma poi ha comunque disegnato un "percorso più breve" in verde e riportato una distanza come risposta.
Questo gli è costato un punto sulla correttezza dell’algoritmo, e ha ottenuto 5 sulle altre due domande.
Risultati
I turni contano i passaggi del modello per completare la build, e le chiamate agli strumenti contano ogni lettura di file, ricerca e scrittura.
Misura
GPT-6.1 Sol
Claude Sonnet 5.5
Turni
5
4
Chiamate agli strumenti
7
3
Eseguibilità
pass
pass
Correttezza dell’algoritmo
5
4
Fedeltà della visualizzazione
5
5
Controlli e layout
5
5
Punteggio rubric (media di tre assi)
5,0
4,7
GPT-6.1 Sol è stato il builder più rigoroso, e il grafo con peso negativo fa tutta la differenza: ha rifiutato un grafo che infrange le regole dell’algoritmo, dove Sonnet ha avvisato e poi risposto comunque.
Per il lavoro di build quotidiano sceglierei comunque Claude Sonnet 5.5, perché è arrivato a una pagina corretta e funzionante con meno turni e chiamate agli strumenti e ha finito molto più in fretta.
La riserva resta, però. Se la tua pipeline deve rifiutare input non validi invece di accompagnarli con un’avvertenza, il comportamento di Sol è quello che vuoi.
Questo è un run per modello su un singolo task, quindi sonda la cura nell’implementazione di algoritmi, non l’abilità di coding in generale, e non dice nulla su uso di token o costi.
Quando scegliere GPT-6.1 Sol vs Claude Sonnet 5.5
Con tariffe base identiche, la scelta dipende dalla forma dei tuoi prompt, da dove distribuisci e da quanto rigorosamente il modello deve rifiutare input errati.
Scegli GPT-6.1 Sol se...
I tuoi agenti riutilizzano un grande contesto in cache. Le letture di cache costano la metà della tariffa di Sonnet, il che rende l’esempio con cache pesante della nostra tabella prezzi $10 al mese più economico su Sol.
La tua pipeline deve rifiutare input non validi. Nel nostro test, Sol si è fermato su un grafo che violava le regole dell’algoritmo invece di produrre una risposta corredata da avviso.
Automatizzi workflow aziendali multi-step. OpenAI riporta Sol a +2,2 punti su Opus 5.5 su AutomationBench a effort medio, a circa un terzo del costo.
Lavori già in ChatGPT Work, Codex o Azure. Sol è disponibile in tutti e tre, quindi non serve adottare una nuova piattaforma.
Scegli Claude Sonnet 5.5 se...
I tuoi prompt superano i 272K token. Sonnet fattura l’intera finestra da 1M a tariffe standard, mentre la maggiorazione di Sol rende l’esempio di retrieval sopra soglia nella nostra tabella l’83% più caro.
Iteri rapidamente sulle build. Sonnet ha finito il nostro test con meno turni e chiamate agli strumenti, e Anthropic riporta l’output Sonnet più veloce di sempre.
Distribuisci su AWS o Google Cloud. Sonnet è su Amazon Bedrock, Google Cloud e Microsoft Foundry, mentre per Sol siamo riusciti a confermarlo solo su Azure.
Il tuo lavoro è coding da terminale o documenti rifiniti. Sono le aree evidenziate dai benchmark di Anthropic e dai primi tester.
Come iniziare con GPT-6.1 Sol e Claude Sonnet 5.5
Entrambi i modelli sono generalmente disponibili tramite le API dei rispettivi vendor e tramite OpenRouter, ma differiscono per copertura cloud.
Superficie
GPT-6.1 Sol
Claude Sonnet 5.5
App consumer
ChatGPT Work (Plus, Pro, Business, Enterprise, Edu); non ancora in Chat
App Claude
API first-party
OpenAI API (Responses, Chat Completions senza tools, Batch)
Claude API
Piattaforme cloud
Microsoft Azure; Bedrock e Vertex AI non trovati nelle fonti
Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry
La differenza maggiore è la copertura cloud: Sonnet 5.5 gira su tutti e tre i principali cloud, mentre per GPT-6.1 Sol siamo riusciti a confermarlo solo su Azure. Sulle API dei vendor, gli ID sono gpt-6.1-sol e claude-sonnet-5-5.
La tua prima chiamata API
Il modo più rapido per provarli entrambi è tramite OpenRouter, dove basta cambiare una stringa. Sull’API di OpenAI, ricorda che il tool calling di Sol richiede la Responses API.
from openai import OpenAI
client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key="YOUR_OPENROUTER_KEY")
response = client.chat.completions.create(
model="openai/gpt-6.1-sol",# swap for "anthropic/claude-sonnet-5.5"
messages=[{"role":"user","content":"Explain why Dijkstra's algorithm fails on negative edge weights."}],)print(response.choices[0].message.content)Offerto da
GPT-6.1 Sol e Claude Sonnet 5.5 costano uguale per token, quindi la scelta dipende dalla forma del carico di lavoro.
Usa Sonnet 5.5 per prompt lunghi, iterazione rapida e deployment multi-cloud, e GPT-6.1 Sol per agenti con cache pesante e pipeline che devono rifiutare input errati.
Per il coding quotidiano la mia scelta predefinita sarebbe Sonnet, con la riserva emersa nel test: ha visto che un grafo infrangeva le regole di Dijkstra, l’ha detto e ha risposto comunque, mentre Sol ha rifiutato.
Ciò che trovo più indicativo è che entrambi i vendor hanno fatto benchmark contro Claude Opus 5.5 invece che tra loro, segno che entrambi si aspettano che gran parte del lavoro a pagamento giri sulla fascia media.
GPT-6.1 Sol o Claude Sonnet 5.5 è migliore per il coding?⌄
Sui benchmark pubblicati è quasi un pareggio, perché OpenAI e Anthropic hanno riportato test di coding diversi e ciascuno si è misurato contro Claude Opus 5.5. Nel nostro test pratico del visualizzatore di Dijkstra, GPT-6.1 Sol è stato più rigoroso e ha rifiutato un grafo con peso d’arco negativo, mentre Claude Sonnet 5.5 ha avvisato ma ha comunque risposto. Sonnet ha finito con meno turni e chiamate agli strumenti, quindi è la scelta migliore per iterazione rapida, mentre Sol lo è per pipeline che devono rifiutare input errati.
Quanto costano GPT-6.1 Sol e Claude Sonnet 5.5?⌄
Entrambi costano $2 per 1M token di input e $10 per 1M token di output. GPT-6.1 Sol fa pagare $0,10 per 1M di token di input in cache contro $0,20 di Sonnet 5.5, ma Sol fattura qualsiasi richiesta oltre 272K token di input a 2x sull’input e 1,5x sull’output. Claude Sonnet 5.5 fattura l’intera finestra da 1M token a tariffe standard.
Quali sono gli ID modello API per GPT-6.1 Sol e Claude Sonnet 5.5?⌄
GPT-6.1 Sol è gpt-6.1-sol sull’API di OpenAI, e Claude Sonnet 5.5 è claude-sonnet-5-5 sull’API di Claude, oppure anthropic.claude-sonnet-5-5 su Amazon Bedrock. Su OpenRouter sono openai/gpt-6.1-sol e anthropic/claude-sonnet-5.5.
Quale ha la finestra di contesto più ampia, GPT-6.1 Sol o Claude Sonnet 5.5?⌄
Sono quasi identiche: GPT-6.1 Sol accetta 1.050.000 token e Claude Sonnet 5.5 1M, e entrambi restituiscono fino a 128.000 token di output. La differenza sta nella fatturazione, perché GPT-6.1 Sol riprezza le richieste oltre 272K token di input mentre Sonnet 5.5 no.
Dove posso accedere a GPT-6.1 Sol e Claude Sonnet 5.5?⌄
GPT-6.1 Sol è in ChatGPT Work e Codex per utenti Plus, Pro, Business, Enterprise ed Edu, nell’API di OpenAI, su Microsoft Azure, GitHub Copilot e OpenRouter. Claude Sonnet 5.5 è nelle app Claude, Claude Code, l’API di Claude, Amazon Bedrock, Google Cloud, Microsoft Foundry, GitHub Copilot e OpenRouter.
Scopri i 15 migliori server MCP remoti che stanno trasformando lo sviluppo AI nel 2026. Scopri come migliorano automazione, ragionamento, sicurezza e velocità dei workflow.
Migliora il tuo modo di programmare con l'AI: fai in modo che il tuo assistente di programmazione scriva, provi e documenti il codice in modo efficace.
Impara a usare l'AI come partner senior di engineering per analisi del codice, ottimizzazione delle prestazioni, sicurezza e decisioni di architettura software.
Anthropic ha rilasciato Claude Sonnet 5.5 il 28 settembre 2026, e OpenAI ha risposto il giorno dopo al DevDay con GPT-6.1 Sol.
Entrambi sono modelli di fascia media allo stesso prezzo di listino e, nei post di lancio, si misurano contro Claude Opus 5.5 più che tra loro. Chi deve scegliere tra i due si ritrova quindi con due set di benchmark che si sovrappongono poco e un prezzo che non scioglie il pareggio.
In questo articolo confronterò GPT-6.1 Sol e Claude Sonnet 5.5 su coding, knowledge work, velocità, sicurezza e prezzi, per poi sottoporli allo stesso test pratico di coding.
Per un approfondimento su ciascun modello, vedi la nostra guida a GPT-6.1 Sol e la nostra guida a Claude Sonnet 5.5.
TL;DR
Che cos’è GPT-6.1 Sol?
GPT-6.1 Sol è il modello GPT-6 di fascia media di OpenAI, rilasciato al DevDay il 29 settembre 2026, a una settimana da GPT-6 Sol. OpenAI lo presenta come "intelligenza quasi-Astra a un quinto del prezzo" per coding agentico, uso del computer e lavoro professionale.
Per vedere la linea Sol su un progetto reale, prova il nostro tutorial sull’API di GPT-6 Sol, in cui costruirai un agente di migrazione di codebase, o il nostro confronto GPT-6 Sol vs Claude Opus 5.5.
Che cos’è Claude Sonnet 5.5?
Claude Sonnet 5.5 è il modello di fascia media di Anthropic, rilasciato il 28 settembre 2026, secondo modello della serie Claude 5.5 e complemento più veloce e a costo inferiore di Claude Opus 5.5.
Secondo Anthropic eccelle nei compiti quotidiani ben delimitati, nelle correzioni di bug e nei documenti rifiniti; i primi tester ne hanno evidenziato l’occhio per il design.
La nostra guida completa all’API di Claude copre setup e gestione dei costi, e la nostra guida a Claude Opus 5.5 spiega dove il fratello maggiore giustifica ancora il prezzo.
GPT-6.1 Sol vs Claude Sonnet 5.5: confronto diretto
GPT-6.1 Sol e Claude Sonnet 5.5 sono più vicini di qualsiasi coppia recente cross-vendor: stesse tariffe base, stessa scala di effort e finestre di contesto quasi identiche.
Le differenze che contano sono nei prezzi della cache, nella fatturazione dei prompt lunghi, nella velocità e in come ciascun modello gestisce input che infrangono le regole.
Coding e workflow agentici
Nessuno dei due vendor ha pubblicato un benchmark di coding eseguito anche dall’altro, quindi l’unico modo per allinearli è tramite Claude Opus 5.5, usato come riferimento in entrambi i post di lancio.
Lettura in questo senso, i due modelli arrivano più o meno nello stesso punto: ciascuno rivendica risultati agentici al livello di Opus a metà del prezzo di listino di Opus 5.5 ($4 / $20).
Le prove di Sol riguardano l’ingegneria del software su orizzonti lunghi con basso costo per task, mentre quelle di Sonnet riguardano il lavoro da terminale e sessioni di editor disordinate e multi-file, dove batte Opus 5.5 in un test e lo insegue nell’altro.
Due avvertenze si applicano a tutta la tabella:
Sui numeri pubblicati, il coding è più vicino al pareggio di quanto suggeriscano i post di lancio, motivo per cui il test pratico qui sotto pesa più del solito.
Knowledge work e uso del computer
Claude Sonnet 5.5 ha il caso pubblicato più solido per lavoro d’ufficio e documenti, anche perché Anthropic ne ha riportato di più.
Sonnet segna 1844 su GDPval-AA, a 2 punti da Opus 5.5, e 80,1% su OSWorld 2.1. GPT-6.1 Sol supera Opus 5.5 con fallback su GDP.pdf, un test di Q&A su PDF professionali complessi, a meno della metà del costo per task, e arriva a 2,1 punti da GPT-6 Astra sul set offline di OSWorld 2.0.
Le versioni di OSWorld differiscono, quindi i due risultati non sono direttamente comparabili.
L’unico dato terzo condiviso, l’Artificial Analysis Intelligence Index, pone Sonnet a 56 e Sol a 51,8, come riportato rispettivamente da Smartscope e dalla pagina modelli di OpenRouter.
Sulle evidenze disponibili, Sonnet ha un leggero vantaggio nel knowledge work.
Velocità ed efficienza dei token
Claude Sonnet 5.5 è il modello più veloce di default.
Anthropic afferma che genera output oltre il 30% più velocemente di Sonnet 5 e costa fino al 30% in meno per task, e i riscontri dei clienti nel post di lancio confermano il trend, come il "un terzo di chiamate agli strumenti in meno" di Lovable nei suoi eval di coding.
GPT-6.1 Sol tratta la velocità come componente a pagamento. La modalità fast fattura al 2x delle tariffe standard e non è disponibile con residenza dei dati UE, e OpenAI dice che GPT-6.1 Sol Ultrafast, con fino a 8x velocità di generazione token in Codex, arriverà nei prossimi giorni.
Anthropic offre la modalità fast solo sui modelli Opus, non su Sonnet 5.5.
Se vuoi velocità senza pagarla come extra, Sonnet è la scelta predefinita.
Paletti di sicurezza e affidabilità
Entrambi i modelli arrivano con paletti che cambiano il comportamento in produzione, e quelli di Sonnet sono più visibili.
Le richieste di cybersecurity più rischiose su Sonnet 5.5 ricadono visibilmente su Sonnet 5, e i suoi blocchi di thinking funzionano solo nell’account che li ha prodotti, dettaglio rilevante se sposti conversazioni tra account.
OpenAI classifica GPT-6.1 Sol come Critical in cybersecurity.
Riduce gli errori fattuali a basso effort dall’11,4% al 7,7% rispetto a GPT-6 Sol, ma il suo tasso di deception nel coding dell’1,50% è sopra lo 0,51% di Astra.
Terrei un passaggio di revisione umana su esecuzioni Sol non presidiate e pianificherei il fallback a Sonnet 5 se fai sicurezza con Sonnet.
Prezzi: cosa paghi davvero
GPT-6.1 Sol e Claude Sonnet 5.5 fanno pagare $2 per 1M token di input e $10 per 1M token di output, quindi il conto diverge solo su contesto in cache e prompt molto lunghi.
Sol vince quando lo stesso contesto viene riutilizzato ripetutamente, e Sonnet vince non appena una singola richiesta supera i 272K token di input.
Tariffe per token a confronto
La maggiorazione è la riga da tenere d’occhio: su Sol, un singolo step di retrieval sovradimensionato riprezza l’intera richiesta, non solo l’eccedenza.
Quanto costa un carico reale
Ogni totale è (volume ÷ 1M) × tariffa, sommato tra input, output e voci di cache, a tariffe standard.
Nessun vendor ha pubblicato conteggi di token per un carico condiviso e non abbiamo misurato come ciascun tokenizer segmenta lo stesso testo, quindi tratta questi totali come confronto di tariffe, non come fattura.
Come si sono comportati GPT-6.1 Sol e Claude Sonnet 5.5
Poiché i benchmark pubblicati non si sovrappongono, ho eseguito lo stesso task di build su entrambi i modelli, con lo stesso prompt e gli stessi strumenti.
Il test
Il compito era costruire una pagina web a file singolo che animasse l’algoritmo del cammino minimo di Dijkstra su tre piccoli grafi pesati forniti in un file
graph.json.La parte difficile non è l’animazione. Sono i dati: il prompt non dice mai che il secondo grafo taglia il target dalla source, né che il terzo contiene un peso d’arco negativo, cosa che infrange le regole su cui si basa l’algoritmo di Dijkstra.
Senza un benchmark di coding condiviso tra questi due modelli, questo è l’unico confronto diretto nell’articolo.
Entrambi i modelli sono stati eseguiti dentro lo stesso agente di coding, OpenCode, a effort di reasoning alto, con un tentativo ciascuno e senza retry.
Ognuno ha ricevuto uno spazio di lavoro vuoto contenente solo il file del grafo e le stesse cinque autorizzazioni agli strumenti: read, list, glob, grep ed edit, dove edit copre la scrittura di file.
La configurazione dell’agente negava accesso a shell e rete, quindi nessuno dei due poteva aprire la propria pagina per verificarla. Ecco il prompt, verbatim:
Ho valutato ogni pagina su tre domande:
Cosa ha prodotto GPT-6.1 Sol
GPT-6.1 Sol ha costruito una pagina curata con un quaderno live accanto al grafo: il controllo dell’arco corrente scritto come aritmetica, una lista della frontiera ordinata dal più vicino, e una tabella delle distanze che si aggiorna in tempo reale. Sul primo grafo ha trovato il percorso e la distanza corretti e, passo dopo passo, ha fissato i nodi esattamente nell’ordine della soluzione di riferimento.
Ha gestito anche entrambe le trappole. Sul grafo tagliato ha segnalato "Nessun percorso verso il target" e ha lasciato i due nodi irraggiungibili a infinito. Sul grafo con arco negativo si è rifiutato di eseguire, ha evidenziato l’arco incriminato in rosso e ha spiegato che non esiste un cammino minimo finito.
Ha ottenuto 5 in tutte e tre le domande.
Cosa ha prodotto Claude Sonnet 5.5
Claude Sonnet 5.5 ha costruito una pagina più semplice con un log in tempo reale che spiega ogni controllo di arco, ed è stato corretto sul primo grafo, con stesso percorso, distanze e ordine di fissaggio.
Ha anche individuato entrambe le trappole senza essere guidato e ha persino segnalato che il secondo grafo ha 17 archi quando il prompt ne prometteva da 20 a 24.
L’errore è arrivato sul grafo con arco negativo.
Sonnet ha mostrato un chiaro avviso rosso nominando l’arco negativo e dicendo che la garanzia di Dijkstra non vale più, ma poi ha comunque disegnato un "percorso più breve" in verde e riportato una distanza come risposta.
Questo gli è costato un punto sulla correttezza dell’algoritmo, e ha ottenuto 5 sulle altre due domande.
Risultati
I turni contano i passaggi del modello per completare la build, e le chiamate agli strumenti contano ogni lettura di file, ricerca e scrittura.
GPT-6.1 Sol è stato il builder più rigoroso, e il grafo con peso negativo fa tutta la differenza: ha rifiutato un grafo che infrange le regole dell’algoritmo, dove Sonnet ha avvisato e poi risposto comunque.
Per il lavoro di build quotidiano sceglierei comunque Claude Sonnet 5.5, perché è arrivato a una pagina corretta e funzionante con meno turni e chiamate agli strumenti e ha finito molto più in fretta.
La riserva resta, però. Se la tua pipeline deve rifiutare input non validi invece di accompagnarli con un’avvertenza, il comportamento di Sol è quello che vuoi.
Questo è un run per modello su un singolo task, quindi sonda la cura nell’implementazione di algoritmi, non l’abilità di coding in generale, e non dice nulla su uso di token o costi.
Quando scegliere GPT-6.1 Sol vs Claude Sonnet 5.5
Con tariffe base identiche, la scelta dipende dalla forma dei tuoi prompt, da dove distribuisci e da quanto rigorosamente il modello deve rifiutare input errati.
Scegli GPT-6.1 Sol se...
Scegli Claude Sonnet 5.5 se...
Come iniziare con GPT-6.1 Sol e Claude Sonnet 5.5
Entrambi i modelli sono generalmente disponibili tramite le API dei rispettivi vendor e tramite OpenRouter, ma differiscono per copertura cloud.
gpt-6.1-solclaude-sonnet-5-5(Bedrock:anthropic.claude-sonnet-5-5)La differenza maggiore è la copertura cloud: Sonnet 5.5 gira su tutti e tre i principali cloud, mentre per GPT-6.1 Sol siamo riusciti a confermarlo solo su Azure. Sulle API dei vendor, gli ID sono
gpt-6.1-soleclaude-sonnet-5-5.La tua prima chiamata API
Il modo più rapido per provarli entrambi è tramite OpenRouter, dove basta cambiare una stringa. Sull’API di OpenAI, ricorda che il tool calling di Sol richiede la Responses API.
Per il setup completo su ciascuna API del vendor, vedi il nostro tutorial sull’API di GPT-6 Sol e la nostra guida completa all’API di Claude.
Considerazioni finali
GPT-6.1 Sol e Claude Sonnet 5.5 costano uguale per token, quindi la scelta dipende dalla forma del carico di lavoro.
Usa Sonnet 5.5 per prompt lunghi, iterazione rapida e deployment multi-cloud, e GPT-6.1 Sol per agenti con cache pesante e pipeline che devono rifiutare input errati.
Per il coding quotidiano la mia scelta predefinita sarebbe Sonnet, con la riserva emersa nel test: ha visto che un grafo infrangeva le regole di Dijkstra, l’ha detto e ha risposto comunque, mentre Sol ha rifiutato.
Ciò che trovo più indicativo è che entrambi i vendor hanno fatto benchmark contro Claude Opus 5.5 invece che tra loro, segno che entrambi si aspettano che gran parte del lavoro a pagamento giri sulla fascia media.
Se vuoi costruire con modelli come questi, ti consiglio il percorso Associate AI Engineer for Developers, oppure i corsi Introduction to Claude Models e Working with the OpenAI API una volta fatta la tua scelta.