Claude Opus 5 vs GPT-5.6 Sol: benchmarks, preços e como escolher

Se você vai escolher um modelo para trabalho agentivo no segundo semestre de 2026, a lista é curta — e os dois nomes nela foram lançados com duas semanas de diferença. A Anthropic lançou o Claude Opus 5 em 24 de julho, e a OpenAI levou o GPT-5.6 Sol à disponibilidade geral em 9 de julho. Ambos são camadas de topo, voltadas para tarefas profissionais de longa duração, e o preço de ambos é praticamente idêntico.

Neste artigo, eu comparo Claude Opus 5 e GPT-5.6 Sol em código, raciocínio, uso de computador, uso de ferramentas, preços e acesso — para você decidir qual se encaixa melhor no seu fluxo de trabalho. Para uma análise aprofundada de cada modelo individualmente, veja nosso guia do Claude Opus 5 e nosso guia da família GPT-5.6.

Resumo

• Opus 5 é o especialista em raciocínio inédito e trabalho agentivo; GPT-5.6 Sol é o generalista mais forte em terminal e navegação.
• Tokens de entrada custam US$ 5 por milhão em ambos. Na saída, o Opus 5 é 17% mais barato.
• Escolha o Opus 5 para problemas realmente novos, programação e uso de computador. Escolha o Sol para fluxos em terminal, agentes de navegação e defesa em cibersegurança.

O que é o Claude Opus 5?

Claude Opus 5 é o modelo da Anthropic no nível Opus, lançado em 24 de julho de 2026, e entrega resultados próximos ao Fable 5 (nível superior) por metade do preço. Ele é o novo padrão no Claude Max e o modelo mais forte disponível no Claude Pro.

O comportamento que mais se destaca é a persistência. Segundo a Anthropic, o Opus 5 verifica o próprio trabalho e itera até chegar ao sucesso, em vez de parar em algo apenas plausível. Ele reporta uma pontuação de auditoria de comportamento desalinhado de 2,3 — a mais baixa entre os modelos recentes da Anthropic. O contexto vai a 1M de tokens com teto de saída de 128K, e o "pensamento" vem ligado por padrão.

Se você quer construir com ele em vez de só ler, nosso tutorial da API do Claude Opus 5 mostra como criar um agente de correção de bugs e como avaliá-lo nos cinco níveis de esforço.

O que é o GPT-5.6 Sol?

GPT-5.6 Sol é o carro-chefe da família GPT-5.6 da OpenAI, que chegou à disponibilidade geral em 9 de julho de 2026 após um preview limitado. A família tem três níveis:

• Sol: modelo principal com a maior performance
• Terra: modelo equilibrado para o dia a dia
• Luna: opção mais econômica

A OpenAI descreve o Sol como entregando resultados de ponta em código, trabalho do conhecimento, cibersegurança e ciência — gastando menos tokens do que os modelos que supera.

O grande destaque do Sol é o ultra, um modo de raciocínio que coordena quatro agentes em fluxos de trabalho paralelos por padrão. A OpenAI também adicionou Programmatic Tool Calling na Responses API, permitindo que o modelo escreva e execute pequenos programas para orquestrar ferramentas e filtrar dados intermediários, em vez de encaminhar cada resposta de ferramenta de volta ao modelo.

Para saber mais sobre a estrutura da família e as ressalvas do período de preview, confira nosso panorama do GPT-5.6. Também cobrimos a alegada contraprova do GPT-5.6 Pro à conjectura de Dinitz-Garg-Goemans, o uso mais interessante da família até agora.

Claude Opus 5 vs GPT-5.6 Sol: comparação direta

Aqui vai o resumo antes de entrar em cada dimensão.

Raciocínio inédito e problemas abstratos

É aqui que os modelos mais divergem, então vamos começar por isso. O ARC-AGI-3 pede que o modelo resolva problemas que ele não viu no treinamento — é o mais próximo que temos de um teste de raciocínio, não de memória.

Opus 5 marca 30,2%. GPT-5.6 Sol marca 7,78%, embora seja o segundo melhor no ranking. Para comparar, o Gemini 3.1 Pro Preview faz 0,42%. Para dar contexto ao número do Opus 5: o Opus 4.8 marcou 1,5% dois meses antes — um salto de 20 vezes dentro de uma única geração da Anthropic.

Vale calibrar o que um abismo de 4x em um benchmark significa. O ARC-AGI-3 é deliberadamente adversarial à memorização, e 30,2% ainda é maioria de falhas. Mas se o seu trabalho envolve problemas que não se parecem com nada em um corpus de treinamento, este é o número mais relevante da comparação — e não é páreo.

Código e engenharia agentiva

Em código, os resultados ficam divididos; não há um varrendo tudo. Cada fornecedor lidera nos benchmarks que decidiu enfatizar — exatamente o que se espera e exatamente por que você deve ir além dos títulos de marketing.

O padrão fica claro quando você separa trabalho em repositório de trabalho em terminal. O Opus 5 vence o SWE-Bench Pro por quase 15 pontos e mais que dobra a pontuação do Opus 4.8 no Frontier-Bench, que mede engenharia de software agentiva em tarefas como reconstruir uma peça no FreeCAD a partir de um desenho técnico. O exemplo da Anthropic vale a citação: sem ter como visualizar o desenho, o Opus 5 escreveu sua própria pipeline de visão computacional para extrair a geometria dos pixels crus — e nenhum concorrente resolveu em cinco tentativas.

O Sol domina o terminal, mas a margem é menor que em versões anteriores. Ele empata com o Opus 5 no Terminal-Bench 2.1, mas chega a 91,9% com o ultra ativado. O Sol também leva o DeepSWE v1.1, o teste de engenharia de longo horizonte em bases de código reais, por 3,9 pontos — usando menos da metade dos tokens de saída do Fable 5 e com cerca de um terço a menos de custo.

Uma observação prática dos nossos testes: ao criar um agente de correção de bugs com o Opus 5 e rodá-lo nos cinco níveis de esforço, o esforço low corrigiu o bug nas três execuções, enquanto o esforço max falhou em uma de três. Essa execução falha retornou um relatório com schema válido, mas completamente vazio — zero chamadas de ferramenta e o campo de causa raiz como "b0". A lição: saída estruturada garante estrutura, não substância, e maior esforço não é automaticamente melhor. Os detalhes estão no nosso tutorial da API do Opus 5.

Minha leitura: se seus agentes vivem no shell e você pode bancar o ultra, o Sol tem uma leve vantagem. Se vivem no repositório e precisam raciocinar sobre arquitetura em muitos arquivos, o Opus 5 leva. Nenhum modelo é vencedor limpo em "código" como categoria — e qualquer alegação de fornecedor dizendo o contrário está escolhendo benchmark.

Uso de computador e navegação

Uso de computador é crucial se você constrói algo que dirige uma GUI, e a divisão segue a de código.

Opus 5 leva o OSWorld 2.0 com 70,6% contra 62,6% do Sol — uma diferença de 8 pontos. A Anthropic também afirma que o Opus 5 supera o melhor resultado do Fable 5 no OSWorld por pouco mais de um terço do custo — mais interessante porque o Fable 5 custa US$ 10 por milhão de tokens de entrada, contra US$ 5 do Opus 5.

A navegação dá praticamente empate. Opus 5 reporta 90,8% no BrowseComp; Sol reporta 90,4%, subindo para 92,2% com ultra em dezesseis agentes paralelos. De novo, o ultra faz a diferença.

O resultado do Sol no OSWorld vem com uma alegação de eficiência de tokens que vale notar: a OpenAI diz que supera o Opus 4.8 usando 85% menos tokens de saída. É uma comparação com a geração anterior da Anthropic, não com o Opus 5 — então não se aplica a este duelo —, mas indica que o caminho do Sol para uso de computador é incomumente barato por tarefa.

Uso de ferramentas e automação

Aqui é onde a diferença de capacidade abstrata vira tarefa de negócio concluída — e o Opus 5 lidera com folga.

No AutomationBench da Zapier, que mede se um modelo consegue levar uma tarefa de negócio do início ao fim, o Opus 5 marca 26,0% contra 18,1% do Sol. A Anthropic relata uma taxa de aprovação cerca de 1,5x maior que o segundo melhor modelo no mesmo custo por tarefa — e que, mesmo no menor nível de esforço, o Opus 5 aprova mais tarefas do que qualquer outro modelo.

Wade Foster, CEO da Zapier, descreve uma execução específica: o Opus 5 pegou uma planilha bruta de saúde de contas e executou uma sequência de prevenção de churn ponta a ponta — sinalizando contas em risco, alertando o responsável certo e resumindo para a operação de retenção. Modelos anteriores não passaram; o Opus 5 bateu 100%.

O contra-argumento do Sol é arquitetural, não de pontuação. O Programmatic Tool Calling na Responses API permite que o Sol escreva pequenos programas para coordenar ferramentas, filtrar resultados intermediários e escolher a próxima ação à medida que o trabalho avança — reduzindo idas e voltas ao modelo em tarefas pesadas de ferramentas. É um mecanismo real de eficiência, mas é diferente de concluir mais tarefas corretamente — e o AutomationBench mede o segundo.

Cibersegurança e ciência

Aqui os fornecedores fizeram escolhas deliberadamente opostas — e isso pode decidir a disputa para muita gente.

A Anthropic não treinou o Opus 5 para tarefas de segurança ofensiva. Ela afirma claramente que o Opus 5 não avança a fronteira em capacidades de duplo uso e fica atrás do Mythos 5 tanto em biologia quanto em cibersegurança ofensiva. No OSS-Fuzz, o Opus 5 identifica vulnerabilidades em taxa próxima ao Mythos 5, mas fica bem atrás ao desenvolver exploits. Classificadores do Opus 5 bloqueiam varredura binária de vulnerabilidades, pentest e geração de exploits, embora a Anthropic espere que intervenham cerca de 85% menos do que os do Fable 5.

A OpenAI foi na direção oposta. O Sol é descrito como o modelo mais forte de cibersegurança da OpenAI, e os números são grandes:

• ExploitBench: 73,5% versus 47,9% do GPT-5.5 com orçamento de tokens de saída comparável
• ExploitGym: 24,9% em teto de duas horas, chegando a 33,7% em seis horas, contra pico de 15,1% do GPT-5.5
• SEC-Bench Pro: 71,2% versus 45,8% do GPT-5.5, com melhor latência
• Capture-the-Flag: 96,7%

Ambos colocam controles. A OpenAI direciona capacidades defensivas avançadas via Trusted Access for Cyber da Daybreak, exige passkeys com suporte de hardware até 1º de setembro para continuar acessando seus modelos mais capazes em cyber, e diz que as salvaguardas do Sol bloqueiam cerca de dez vezes mais atividades potencialmente nocivas que modelos anteriores. A Anthropic opera um Cyber Verification Program que dá a empresas e pesquisadores inscritos uma versão menos restrita do Opus 5.

Em ciência, o Opus 5 supera o Opus 4.8 em todas as avaliações de ciências da vida da Anthropic, com os maiores ganhos em química orgânica (10,2 pontos percentuais ao inferir estruturas moleculares por espectroscopia) e predição de função de sequência de proteínas (7,7 pontos). O Sol reporta 28,7% no GeneBench Pro contra 12% do GPT-5.5 e 59,9% no LifeSciBench. Não há benchmark compartilhado — são dois fornecedores corrigindo a própria lição em provas diferentes.

Preços

As tarifas de entrada e de leitura em cache são idênticas no contexto padrão, o que remove uma variável. O que sobra é um ágio de 20% na saída do Sol — além de uma sobretaxa de contexto longo que só o Sol cobra.

Tarifas lado a lado

Toda a diferença de custo em contexto curto cai na geração, então o ágio do Sol pesa mais em raciocínio verboso e saídas longas. Ele diminui em tarefas de busca, quando você envia bem mais tokens de entrada do que recebe de saída — até o ponto em que a sobretaxa de contexto longo do Sol entra em cena.

Ambos os modelos agora oferecem Modo rápido por cerca do dobro do preço padrão para ~2,5× da velocidade. A OpenAI incorporou o antigo Priority Processing do Sol ao Modo rápido em 30 de julho de 2026, então essa alavanca é simétrica e não diferencia.

Quanto custa um trabalho real

Taxas por milhão de tokens são difíceis de orçar, e uma única razão fixa esconde o ponto mais importante: a diferença entre os dois modelos depende totalmente do formato do workload. Aqui vão três formatos representativos nas tarifas padrão, sem cache nem descontos em lote.

Em trabalhos de geração pesada, o ágio de 20% na saída praticamente se mantém, e o Sol fica cerca de 19% mais caro. Em buscas curtas, a diferença quase fecha em ~7%, porque a saída vira detalhe diante da mesma tarifa de entrada.

A terceira linha é a que chama atenção. Quando o pedido passa de 272K tokens de entrada, a sobretaxa do Sol aplica 2× na entrada e 1,5× na saída ao pedido inteiro, enquanto o Opus 5 segue plano até 1M — então o ágio não encolhe com escala; ele quase dobra a conta. Em tarefas de busca intensiva ou contexto grande, essa virada pesa mais do que o ágio de saída no título.

Por que a mesma tarefa custa valores diferentes

Dois fatores fazem trabalhos idênticos gerarem contas diferentes aqui, além das tarifas básicas:

• Sobretaxa de contexto longo do Sol. Qualquer requisição acima de 272K tokens de entrada é faturada a 2× na entrada e 1,5× na saída em todo o pedido, então um único prompt grande já coloca o Sol em uma faixa de preço mais alta que o Opus 5 não tem. Isso é troca de tarifa, não diferença de tokens — e já está refletido na terceira linha da tabela acima.
• Sol ultra. O Ultra não tem ágio de tarifa — cobra os mesmos US$ 5/US$ 30 do Sol base —, mas seu modo multiagente e de alto esforço gasta muito mais tokens por tarefa, podendo levar um trabalho agentivo a custar algo como o triplo do Sol base nas mesmas tarifas. Esse múltiplo é estimado, não medido.

Essa ressalva vale para a saída em geral. Quase todas as alegações de eficiência comparam com outros modelos: o Sol teria usado menos da metade dos tokens de saída do Fable 5 no Coding Agent Index, e a Anthropic diz que o Opus 5 gerou 26% menos tokens que o Opus 4.8 no máximo de raciocínio. São comparações com antecessores, que não alteram as contas acima. 

Quando escolher Claude Opus 5 vs GPT-5.6 Sol

Os resultados por dimensão mapeiam bem para workloads, então aqui vai o guia de decisão antes do detalhamento.

Escolha o Claude Opus 5 se...

• Seus problemas são realmente novos. A diferença no ARC-AGI-3 é a maior deste comparativo e mapeia direto para pesquisa e tudo que não está em um corpus de treino.
• Você precisa de agentes que concluam tarefas, não só tentem. A liderança no AutomationBench é o sinal mais forte aqui sobre conclusão, não só capacidade.
• Você trabalha com contextos longos. 1M de tokens como padrão e máximo, sem faixa de sobretaxa, é uma história mais simples do que qualquer número que a OpenAI publicou para o contexto do Sol.
• Alinhamento é requisito declarado. A pontuação 2,3 em comportamento desalinhado é a melhor da Anthropic até agora — com menor taxa de engano e menor suscetibilidade a ser induzido a mau uso.

Escolha o GPT-5.6 Sol se...

• Você roda agentes complexos que vivem no shell. O modo ultra coloca o Sol no topo do 
• Você trabalha com segurança defensiva. Os números no ExploitBench, ExploitGym e SEC-Bench Pro são altos — e os classificadores do Opus 5 bloqueiam geração de exploits, então não há muita dúvida aqui.
• Você quer orquestração multiagente integrada. ultra coordena quatro agentes por padrão e levou o BrowseComp a 92,2% com dezesseis agentes; o beta multiagente na Responses API permite construir padrões parecidos.

Considerações finais

Com duas semanas de diferença, os fornecedores apostaram em frentes opostas: o Opus 5 mira raciocínio inédito e conclusão de tarefas; o Sol foca terminal, navegação e segurança defensiva — cobrando 20% a mais na saída.

Escolha o Opus 5 se seus problemas são realmente novos, seus agentes precisam concluir (não só tentar) ou você trabalha com contextos longos — onde o preço plano de 1M supera a sobretaxa do Sol; escolha o Sol se seus agentes vivem no shell, você precisa reproduzir exploits que o Opus 5 bloqueia por design, ou se pode bancar o ultra para liderar em terminal e navegação.

Nas demais dimensões, a diferença é menor do que o marketing sugere. Então, combine o modelo ao seu workload dominante — não ao benchmark do título.