GPT-6 Sol vs Claude Opus 5.5: benchmark, prezzi e quale scegliere

L’attenzione sul nuovo modello di Anthropic è durata circa un’ora nella corsa a modelli di frontiera più efficienti e accessibili. 

Il loro Claude Opus 5.5 è il primo modello della famiglia Claude 5.5, presentato come prestazioni al livello di Fable 5.1 con un costo di esecuzione inferiore rispetto a Opus 5.

OpenAI ha risposto molto rapidamente, pubblicando GPT-6 Sol come modello di fascia media della famiglia GPT-6, addestrato con gli stessi metodi del top di gamma GPT-6 Astra e lanciato a metà del prezzo API del suo predecessore, GPT-5.6 Sol.

In questo articolo, confronterò GPT-6 Sol e Claude Opus 5.5 in molte categorie di prestazioni, guardrail e prezzi, e includerò un test pratico di sviluppo che ho eseguito su entrambi.

TL;DR

• Claude Opus 5.5 pubblica benchmark di agentic coding più solidi e guida entrambi i benchmark che i due modelli hanno effettivamente in comune.
• GPT-6 Sol costa la metà a listino, ma il divario si riduce nei loop agentici con cache pesante e sulle richieste molto lunghe.
• Nel nostro test di build, entrambi hanno azzeccato la logica difficile, e Sol ha consegnato il gioco più rifinito.
• Scegli Opus 5.5 per coding agentico di lunga durata o per un deployment che deve girare su tutti e tre i principali cloud.
• Scegli Sol per volumi sensibili al costo, per i team Codex e ChatGPT Work, e per l’automazione di app business con budget contenuto.

Cos’è GPT-6 Sol?

GPT-6 Sol è il modello GPT-6 di fascia media di OpenAI, rilasciato il 22 settembre 2026 insieme a GPT-6 Luna e posizionato sotto il top di gamma GPT-6 Astra.

Il suo punto di forza è la ricetta di training di Astra a metà del prezzo API di GPT-5.6 Sol, con caching del prompt che sopravvive ai cambi di sforzo di ragionamento o strumenti a conversazione in corso.

La nostra guida a GPT-6 Sol e Luna copre il lancio, e il nostro tutorial sull’API GPT-6 Astra illustra gli strumenti asincroni e lo steering della famiglia.

Cos’è Claude Opus 5.5?

Claude Opus 5.5 è il primo modello Claude 5.5 di Anthropic, rilasciato il 22 settembre 2026 come nuovo modello di punta dell’azienda per coding agentico di lunga durata e lavori di conoscenza.

Il suo punto di forza è offrire risultati di classe Fable a prezzi Opus: Anthropic afferma che eguaglia Claude Fable 5.1 sulla maggior parte dei lavori, e arriva con salvaguardie di cybersicurezza e biologia di classe Fable.

La nostra guida a Opus 5.5 copre il lancio, e il nostro tutorial sull’API Claude Opus 5 copre l’API della generazione precedente.

GPT-6 Sol vs Claude Opus 5.5: confronto diretto

A causa dei tempi di rilascio ravvicinati, nessun fornitore ha inserito il nuovo modello dell’altro nella propria tabella di lancio, quindi i due modelli si sovrappongono solo su due benchmark, e Opus 5.5 è in testa su entrambi. Il punto di forza di Sol è il prezzo e il modo in cui ha retto nel nostro test.

Workflow di coding e agentici

Opus 5.5 pubblica numeri più forti per l’agentic coding, e il post di Sol non li contesta direttamente. Anthropic riporta Opus 5.5 su Terminal-Bench 4.0, FrontierCode e CursorBench; OpenAI riporta Sol su DeepSWE e descrive il suo risultato su FrontierCode solo come allineato a Claude Fable 5.1 a sforzo xhigh. Anthropic colloca Fable 5.1 al 50,3% su FrontierCode contro il 54,4% di Opus 5.5, quindi, se entrambe le affermazioni reggono, Sol si trova circa quattro punti dietro Opus 5.5 sull’unico benchmark di coding menzionato da entrambi i vendor.

Entrambi i vendor si appoggiano a aneddoti di lungo orizzonte più che a punteggi condivisi. L’upgrade interno di Anthropic di HAProxy da C a Rust ha visto Opus 5.5 finire in 9,5 ore contro 12 per Fable 5.1 a un costo inferiore del 51%. L’argomento di OpenAI è il costo per task: Sol atterra a circa un punto dal punteggio di Fable 5 su DeepSWE a un costo inferiore di circa l’80%.

Due ragioni per prendere queste tabelle con cautela:

• Anthropic ha eseguito Opus 5.5 con le salvaguardie di produzione attive, e afferma che il reindirizzamento di task di cybersicurezza e biologia probabilmente ha abbassato i punteggi.
• Le comparazioni di OpenAI sul costo per task mettono Sol a xhigh o max contro modelli Claude a livelli di sforzo diversi.

Sulla carta, Opus 5.5 è il modello di coding più forte; il nostro singolo test di build qui sotto è dove quel divario non si è visto.

Workflow business e uso del computer

Opus 5.5 guida entrambi i benchmark che i due modelli condividono, e il divario su AutomationBench è il numero più pulito di questo articolo: 40,0% per Opus 5.5 contro 33,2% per Sol nel test di Zapier di agenti che lavorano su 47 strumenti business.

La replica di Sol è il conto: OpenAI presenta Sol come migliore di Claude Opus 5 al 9% del costo per task di Opus 5, anche se il confronto è con l’Opus precedente, non questo.

Opus 5.5 è l’agente più forte per punteggio; Sol è quello che puoi permetterti di far girare su ogni ticket.

Lavori di conoscenza e affidabilità fattuale

Opus 5.5 detiene l’unico numero cross-vendor qui: 1846 Elo su GDPval-AA v2.1, davanti ai punteggi di GPT-6 Astra e GPT-5.6 Sol nella tabella di Anthropic; Sol in sé non è elencato. Nel test di reportistica di Anthropic, dove qualsiasi cifra inventata fa fallire l’esecuzione, 16 report su 18 di Opus 5.5 sono passati, e né Fable 5.1 né Opus 5 sono mai passati.

Le prove di Sol sono contro il proprio predecessore: sul set interno di factuality di OpenAI, Sol commette circa la metà degli errori di GPT-5.6 Sol. L’AA-Omniscience di Artificial Analysis concorda, con una nota: il tasso di allucinazioni di Sol è sceso dal 92% al 60% mentre ha risposto solo all’83% delle domande contro il 99% del suo predecessore.

Entrambi sono più cauti dei rispettivi predecessori; solo Opus 5.5 lo ha dimostrato contro un rivale.

Guardrail e vincoli API

Sol è l’API meno vincolata, e Opus 5.5 è quella più supervisionata.

Opus 5.5 non può girare con il thinking disattivato, rifiuta l’uso forzato degli strumenti e vincola i blocchi di thinking al modello e alla conversazione che li hanno prodotti, quindi il contesto modificato fallisce con un errore 400 sugli account creati dopo il 31 agosto 2026. La maggior parte dei task di cybersicurezza è reindirizzata a Opus 4.8 al di fuori del suo Cyber Verification Program, e il lavoro di biologia richiede il suo Life Sciences Verification Program.

La scala di Sol va da none a max, lo sforzo può cambiare a conversazione in corso senza rompere la cache, e OpenAI riporta meno affermazioni fuorvianti sul suo lavoro di coding rispetto a GPT-5.6 Sol.

Lo scambio è deliberato: Opus 5.5 ha tentato di oltrepassare i confini di contenimento circa l’85% di volte in meno rispetto a Opus 5, cosa che conta per agenti non supervisionati.

Prezzi: cosa paghi davvero

Opus 5.5 costa esattamente il doppio di Sol alle tariffe headline, ma i due meccanismi che gli agenti pagano davvero rompono lo schema: le letture da cache costano uguale, e Sol applica un sovrapprezzo oltre i 272K token che Anthropic non applica.

Tariffe token affiancate

Il premium è piatto su input, output e scritture in cache, quindi penalizza ogni forma di carico allo stesso modo finché non entrano in gioco caching o contesto lungo. Le letture in cache sono l’eccezione, e Anthropic afferma che rappresentano la maggior parte del costo del lavoro agentico e di coding. Nessun vendor pubblica una tariffa separata per i token di ragionamento, quindi mettili a budget alla tariffa di output.

Quanto costa un carico reale

La riga sopra soglia è il punto chiave: una volta che ogni richiesta supera la soglia, il sovrapprezzo di Sol alza il conto fino all’8% da Opus 5.5, quindi una pipeline di retrieval a contesto lungo ottiene quasi nessuno sconto scegliendo Sol. Il loop con cache pesante riduce il divario al 33% per un’altra ragione: le 1.000 letture in cache costano uguale su entrambi i modelli, e solo i token nuovi portano il premium 2x.

I due modelli usano tokenizer diversi, e nessun vendor ha pubblicato conteggi di token per un carico condiviso, quindi tratta questi totali come un confronto di tariffe più che come un conto. Anthropic afferma che Opus 5.5 usa meno token per task rispetto a Opus 5, ma non come si confronta con Sol.

Come si sono comportati GPT-6 Sol e Claude Opus 5.5

I benchmark di due vendor che non hanno testato il modello dell’altro arrivano fino a un certo punto, quindi ho eseguito un task di build su entrambi con prompt e strumenti identici.

Il test

Ho chiesto a entrambi di costruire un clone di Tetris in singolo file su una griglia 12×24 con una variazione: la gravità si inverte ogni 20 secondi. Due cose richieste dal prompt lo rendono difficile: dopo un’inversione, i pezzi devono cadere verso il soffitto e bloccarsi su una seconda pila lì, con righe complete che si cancellano su entrambe le pile, e le celle già bloccate non devono mai muoversi.

Entrambi i modelli sono girati in OpenCode con una superficie di tool fissata identica: sola lettura, ricerca e modifica file, niente shell e niente rete. Entrambi a sforzo di ragionamento high, un tentativo ciascuno, nessun retry, e il prompt è stato inviato byte per byte a una sessione nuova.

Un’asimmetria da tenere a mente: high sta due gradini sotto il massimo su entrambe le scale, ma la scala di Sol ha un gradino extra none in basso, quindi high è il quarto di sei livelli per Sol e il terzo di cinque per Opus 5.5.

Questo era il 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.

Ho registrato il costo e ho valutato entrambi sulle tre rubriche seguenti, con punteggi da 1 a 5:

• Meccaniche di flip: Quando la gravità si inverte, i pezzi cadono davvero verso l’alto, atterrano sul soffitto e si cancellano lì, mentre la vecchia pila resta ferma?
• Completezza del gioco: È un Tetris completo e giocabile al di sotto della variazione?
• Qualità visiva e feeling: È fluido e leggibile, e l’inversione sembra intenzionale piuttosto che glitch?

Cosa ha prodotto GPT-6 Sol

Sol ha impiegato 6 turni e 9 chiamate strumento: ha elencato, cercato e letto lo workspace vuoto prima di scrivere un index.html da 22 KB, poi lo ha patchato un’ulteriore volta. Il risultato ha un suo branding, "Fall / Rise, a game of shifting ground", con un pannello della gravità che cambia colore da ambra a teal all’inversione, un conto alla rovescia alla prossima inversione e una scheda delle regole a margine.

Fa ciò che deve e funziona in modo fluido e stabile: la pila a pavimento resta ferma al flip, i pezzi risalgono e si bloccano al soffitto, le righe si cancellano su entrambe le pile, e il soft drop è reattivo, il che lo ha reso il più divertente dei due da giocare.