GPT-6 Astra vs Claude Opus 5.5: quale modello usare

Quando OpenAI ha rilasciato GPT-6 Astra a inizio settembre, l'azienda lo ha presentato come un modello in grado di fare "qualsiasi cosa tu possa fare su un computer".

Nello stesso mese, Anthropic ha risposto con Claude Opus 5.5, un modello che, secondo l'azienda, raggiunge le prestazioni del suo top di gamma Claude Fable 5.1. (Abbiamo già fatto il confronto tra GPT-Astra e Claude Fable 5.1.)

Oggi i due modelli sono scelte predefinite popolari per lavori agentici seri. Sono disponibili da un paio di mesi e abbiamo avuto tempo per provarli entrambi a fondo. In questo articolo confronto GPT-6 Astra e Claude Opus 5.5 su benchmark, funzionalità e prezzi. Per andare oltre, li metterò anche alla prova con lo stesso test pratico di coding e darò un consiglio preciso su quale preferisco.

Che cos'è GPT-6 Astra?

GPT-6 Astra è il modello di punta di OpenAI annunciato a settembre. È disponibile in ChatGPT Plus, Pro, Business ed Enterprise, in Codex, tramite l'API di OpenAI e su Amazon Bedrock. 

OpenAI ha costruito Astra attorno all'uso del computer. Può operare un desktop end-to-end, incluse app senza API, ed è addestrato per completare i task con meno token e meno tentativi.

OpenAI definisce inoltre GPT-6 Astra il suo modello più allineato finora, ed è il primo modello OpenAI a raggiungere la soglia di capacità di cybersecurity "Critical" secondo il Preparedness Framework dell'azienda.

Che cos'è Claude Opus 5.5?

Claude Opus 5.5 è il nuovo modello Opus di Anthropic, anch'esso rilasciato lo scorso settembre. È disponibile nelle app Claude, in Claude Code, nella Claude Platform API (come claude-opus-5-5), su Amazon Bedrock, Google Cloud Vertex AI e Microsoft Foundry.

Anthropic posiziona Opus 5.5 come in grado di offrire prestazioni al livello di Claude Fable 5.1 nella maggior parte dei lavori, pur costando il 20% in meno per token rispetto a Opus 5 e circa il 40% in meno sui carichi tipici, poiché utilizza anche meno token. Anthropic afferma che la generazione dell'output è oltre il 30% più veloce rispetto a Opus 5. 

Il lancio di Anthropic mette molto l'accento su lavori di ingegneria di lunga durata: un tester iniziale ha completato una migrazione di 680.000 righe di codice in meno di un giorno e, in una traduzione interna da C a Rust di HAProxy, Opus 5.5 ha terminato in 9,5 ore contro le 12 di Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: confronto diretto

I dati affiancati più puliti che abbiamo provengono dal post di lancio di Opus 5.5 di Anthropic, che elenca GPT-6 Astra accanto ai propri modelli. Tieni presente che le cifre di Astra sono punteggi riportati da OpenAI o risultati da classifiche pubbliche, non esecuzioni effettuate da Anthropic.

Coding e ingegneria del software

Qui è dove Opus 5.5 dà il meglio. Su Terminal-Bench 4.0, che testa agenti che lavorano in un terminale reale, Opus 5.5 segna il 66,4% contro il 57,9% di Astra, un vantaggio di 8,5 punti. 

FrontierCode è molto più vicino: 54,4% per Opus 5.5 contro 53,3% per Astra, essenzialmente un pareggio. 

Ma Astra ha i suoi punti di forza nel coding. OpenAI riporta il 74,1% su DeepSWE v1.1, che definisce un nuovo record, e afferma che Astra nel harness di Codex completa i task più velocemente del suo predecessore. Anthropic non pubblica un punteggio DeepSWE per Opus 5.5.

Knowledge work e ragionamento

Su GDPval-AA v2.1, che valuta task professionali in 44 occupazioni, Opus 5.5 ottiene 1846 Elo contro i 1542 di Astra. È un margine ampio. Opus 5.5 è in testa anche su Humanity's Last Exam con strumenti, con il 67,7% contro il 57,2%.

Astra passa avanti sul lavoro scientifico in terminale, ottenendo il 64,6% su Terminal-Bench-Science contro il 58,7% di Opus 5.5. OpenAI riporta anche risultati molto forti in matematica e scienze per Astra, tra cui il 97,6% su FrontierMath Tier 4 v2 e il 96,0% su GPQA Diamond. Anthropic non riporta quei benchmark per Opus 5.5, quindi se il tuo caso d'uso principale è il ragionamento pesante in matematica, Astra ha le prove pubblicate più solide.

Uso del computer e automazione aziendale

L'uso del computer è la funzionalità di punta di Astra. OpenAI riporta il 72,6% su OSWorld 2.0 e il 92,7% su ScreenSpot-Pro, e fornisce controlli enterprise per questo: gli admin possono limitare siti web e app desktop, richiedere approvazioni prima di azioni rilevanti e far esaminare automaticamente le chiamate agli strumenti potenzialmente non sicure.

Anthropic riporta l'81,8% su OSWorld 2.1 (credito parziale) per Opus 5.5. È una versione diversa del benchmark con un sistema di punteggio diverso, quindi non è confrontabile direttamente con il 72,6% di Astra. Su AutomationBench, il benchmark di Zapier per i workflow aziendali, i due sono vicini, con Astra leggermente avanti al 41,4% contro il 40,0%.

Finestra di contesto e output

Entrambi i modelli gestiscono input molto lunghi. Astra ha una finestra di contesto da 1,05M token e Opus 5.5 da 1M token. Entrambi consentono fino a 128K token di output, e Opus 5.5 può arrivare a 300K token di output tramite la Message Batches API (in beta).

Sicurezza e disponibilità

Entrambi i laboratori limitano le capacità più sensibili. Astra è classificato "Critical" per la cybersecurity, quindi il lavoro avanzato sugli exploit richiede il programma di trusted-access di OpenAI. Opus 5.5 reindirizza la maggior parte dei task di cybersecurity a Claude Opus 4.8 e usa le stesse salvaguardie in biologia di Fable 5.1, con programmi di verifica per organizzazioni accreditate. 

Prezzi: quanto paghi davvero

A prezzo di listino, Opus 5.5 costa il 60% in meno di Astra sia su input sia su output, e l'80% in meno sulle letture cache. Una richiesta con 100K token di input e 10K token di output costa circa $0,60 su Opus 5.5 e $1,50 su Astra.

I prezzi dei token non raccontano tutto, però. OpenAI ha addestrato Astra per finire i task con meno token, e Opus 5.5 al massimo sforzo può generare molto ragionamento in output, il che riduce il divario su alcuni carichi. 

Test pratico: costruire un orologio a ingranaggi

Ora la parte divertente: ho dato a entrambi i modelli lo stesso compito di build, con lo stesso prompt, nello stesso agente di coding.

Il compito: una pagina web a file singolo che mostra un orologio analogico azionato interamente da una cascata di ingranaggi visibile. La pagina legge l'ora una volta al caricamento; dopo di che, solo gli ingranaggi possono muovere le lancette.

Ho scelto questo test perché chi legge può verificare i risultati a colpo d'occhio. I denti ingranano? Gli ingranaggi adiacenti girano in direzioni opposte?

Il setup

Entrambi i modelli hanno girato su OpenCode sullo stesso Mac, uno dopo l'altro, con impostazioni predefinite e un solo tentativo ciascuno. Ho usato le versioni standard di ciascun modello (gpt-6-astra via OpenRouter e claude-opus-5-5 via l'API di Anthropic), non le varianti Pro o in modalità veloce. Ecco il prompt, incollato alla lettera:

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.Offerto da

I risultati

Ecco entrambi gli orologi in esecuzione affiancati a velocità 10x. A questa velocità, la prima grande ruota in ciascun orologio compie un giro ogni sei secondi e le lancette dei minuti avanzano lentamente.

Cosa ho notato guardandoli

Hanno interpretato "orologio analogico" in modo diverso. Astra ha costruito quello che gli orologiai chiamano un regolatore: secondi, minuti e ore hanno ciascuno il proprio quadrante, montato su ruote separate distribuite sul pannello. Opus ha costruito un quadrante tradizionale, con lancette delle ore e dei minuti al centro, un piccolo quadrante dei secondi in alto e il treno di ingranaggi visibile attraverso un'apertura nel quadrante.

Gli ingranaggi di Astra sono più facili da seguire e l'ora di Opus è più facile da leggere. Con Astra, ogni ruota è allo scoperto e puoi seguire il movimento dal motore fino al quadrante delle ore. Ma per leggere l'ora devi controllare tre quadranti. Con Opus, leggi l'ora al volo, ma alcuni ingranaggi sono dietro la corona del quadrante, quindi non puoi vederli tutti ingranare. 

La prima grande ruota sembra troppo veloce, ma non lo è. Quando ho accelerato gli orologi, la prima grande ruota in ciascuno sembrava andare a tutta, soprattutto in Astra. In entrambi i design, quella ruota porta la lancetta dei secondi, quindi compie un giro al minuto in tempo reale e uno al secondo a 60x. A velocità reale, la vedi muoversi esattamente in sincronia con la lancetta dei secondi.

Alcune ruote di Astra si sovrappongono. In un paio di punti, Astra disegna una grande ruota sopra un'altra, ad esempio dove la ruota delle ore attraversa la ruota verde accanto. Non è sbagliato, perché i movimenti reali impilano le ruote su più livelli, ma rende più difficile vedere quali denti stanno effettivamente toccando.

Entrambi hanno mantenuto l'ora corretta. Ho mandato avanti entrambi gli orologi di 10 ore, che richiede circa 10 secondi alla massima velocità, ed entrambi sono arrivati a 20:10:30, esattamente dove dovevano essere.

Quale ho preferito

Entrambi gli orologi funzionano. Se volessi qualcosa da guardare, sceglierei quello di Astra: tutto il meccanismo è in mostra e ha l'aspetto di un pezzo di ingegneria. Detto questo, ciò che ha realizzato Opus è più vicino a quanto richiesto dal prompt: un unico quadrante analogico.

Quando scegliere GPT-6 Astra vs Claude Opus 5.5

La build dell'orologio è solo un progetto divertente. Non ho avuto modo di testare ogni caso d'uso. Ecco linee guida utili:

Scegli Claude Opus 5.5 se...

• Stai costruendo o eseguendo agenti di coding, specialmente migrazioni lunghe, refactoring e lavori in terminale.
• Il tuo carico è knowledge work professionale, come ricerca, analisi e documenti. Lo dico perché Opus 5.5 è in testa su GDPval-AA.
• Il costo conta su larga scala o invii regolarmente prompt oltre i 272K token.
• Ti serve il modello su Google Cloud o Microsoft Foundry.

Scegli GPT-6 Astra se...

• Il tuo caso d'uso principale è l'uso del computer: controllare app desktop e browser, compilare moduli e fare QA tra strumenti senza API.
• Ti serve il ragionamento matematico e scientifico con le prove pubblicate più forti. Lo dico perché Astra è in testa su Terminal-Bench-Science e riporta punteggi top su FrontierMath e GPQA.
• Il tuo team lavora già in ChatGPT Enterprise e Codex e vuoi i controlli admin e i plugin enterprise di Astra.

Considerazioni finali

Sulla carta, Claude Opus 5.5 offre un valore migliore. Supera GPT-6 Astra nella maggior parte dei benchmark in cui entrambi hanno punteggi, inclusi un vantaggio netto su coding agentico e knowledge work, e lo fa al 40% del prezzo di listino di Astra.

Ma Astra non è inferiore. È la scelta più forte per l'uso del computer, pubblica risultati migliori in matematica e scienze, e la sua efficienza sui token significa che il divario di costo reale è più piccolo di quanto suggerisca il listino.