Claude Haiku 5.5 и GPT-6 Luna: бенчмарки, цены и практический тест

Anthropic недавно выпустила Claude Haiku 5.5 — прямой вызов OpenAI. В таблице бенчмарков, которую показала Anthropic, Haiku 5.5 обходит GPT-6 Luna по всем строкам, где обе модели есть. И Anthropic выставила ровно те же цены, что и OpenAI для Luna: $0.10 за миллион входных токенов и $0.50 за миллион выходных токенов. На бумаге сравнение простое: Haiku 5.5 лучше GPT-6 Luna и стоит столько же.

Таков первый вывод. Но «одинаковая цена за токен» — это не то же самое, что «одинаковая цена за задачу». Модели читают и пишут разное количество токенов на одну и ту же работу. Поэтому было интересно проверить: если дать обеим моделям одинаковую задачу, действительно ли они обойдутся в одну сумму? И если нет, изменит ли это мнение?

Итоги вкратце

• Claude Haiku 5.5 — более способный агент, с большим отрывом по использованию компьютера и задачам в терминале в бенчмарках Anthropic.
• На бумаге Haiku 5.5 выигрывает: лучшие бенчмарки при той же цене. Но в моём тесте стоимости (спойлер), Luna дала те же ответы примерно за половину денег.
• Вывод: одинаковые цены за токен могут скрывать реальные различия в стоимости из-за токенизаторов, длины рассуждений и наценок за длинные подсказки.

Что такое Claude Haiku 5.5?

Claude Haiku 5.5 — самая маленькая и быстрая модель Anthropic, выпущенная 7 октября 2026 года как последний участник семейства Claude 5.5.

Anthropic предлагает её для задач с большим трафиком и низкими задержками — классификации, извлечения, маршрутизации и работы в роли субагента под Sonnet 5.5 или Opus 5.5; модель приносит адаптивное мышление и компьютерное использование на нижнюю ценовую ступень.

Наш гайд по Claude Haiku 5.5 освещает запуск и наш практический тест против Haiku 4.5.

Что такое GPT-6 Luna?

GPT-6 Luna — самая эффективная модель OpenAI, выпущенная 22 сентября 2026 года как младший уровень семейства GPT-6, ниже Astra и Sol.

OpenAI позиционирует её для узконаправленных задач с большим объёмом, и с 8 октября разворачивает её как модель за ChatGPT для пользователей Free и Go.

Наш гайд по GPT-6 Sol и Luna рассказывает о запуске.

Claude Haiku 5.5 vs. GPT-6 Luna: сравнение лоб в лоб

В бенчмарках Anthropic Haiku 5.5 опережает Luna по всем общим строкам, с самым широким разрывом на агентных задачах. По стоимости и скорости для простых решений наш тест показал обратное.

Все строки, кроме DeepSWE, взяты из таблицы запуска Anthropic, так что воспринимайте это как позицию Anthropic; OpenAI не публиковала сравнение с Haiku 5.5. Это нормально, поскольку Luna вышла раньше.

Агентная работа и использование компьютера

Здесь Haiku 5.5 уходит дальше всего. На OSWorld 2.1, который проверяет, умеет ли модель выполнять задачи, управляя реальным рабочим столом, Haiku 5.5 набирает 72.4% против 48.9% у Luna — разрыв в 23.5 пункта, меняющий представление о пользе компактной модели. Terminal-Bench 4.0 показывает то же: Haiku выполняет более чем вдвое больше задач командной строки.

Anthropic также выпустила инструмент для использования браузера вместе с Haiku 5.5.

Для агентной работы Haiku 5.5 — очевидный выбор.

Знаниевая работа и документы

Haiku 5.5 также лидирует в оценках профессиональных задач: примерно на 180 очков Elo выше по GDPval-AA и примерно на 240 — по AA-Briefcase. Чтение графиков в Chartography показывает разрыв в 17 пунктов.

Однако в более простых, регламентированных решениях по документам наш практический тест не выявил разницы в точности, так что разрыв, вероятно, проявляется в основном в открытых задачах.

Кодирование

С кодом всё ближе. На FrontierCode 1.1, где оценивается готовность изменений к слиянию, Haiku 5.5 ведёт на 4 пункта. OpenAI сообщает у Luna 66.6% на DeepSWE v1.1 при максимальном усилии — сопоставимо с Claude Opus 5 при среднем усилии. Ни одна из маленьких моделей не является первым выбором для серьёзных кодовых агентов. Это скорее зона Sonnet 5.5 и GPT-6.1 Sol.

Контроль усилий и ограничения API

Обе модели по умолчанию работают на уровне medium, но у Luna есть более низкий порог: её none полностью отключает рассуждение ради самых дешёвых и быстрых ответов. Минимальный уровень усилия у Haiku 5.5 — low, хотя мышление можно отключить и на high и ниже.

Цены: что вы платите на самом деле

У Haiku 5.5 и Luna идентичные стандартные тарифы, поэтому реальные различия в стоимости возникают из-за длинных подсказок, токенизаторов и того, сколько каждая модель пишет.

Ставки за токены рядом

До 100K токенов прайс-листы совпадают построчно. Выше Haiku подпрыгивает в пять раз, тогда как Luna держит ставку до 272K токенов, а затем растёт значительно мягче. Обе считают рассуждение как выход.

По прайсу различия начинаются только при длинных подсказках. Ниже в разделе про токенизаторы — почему это не вся история.

Сколько стоит реальная нагрузка

Каждый итог — это (объём ÷ 1M) × ставка, суммирование по входу и выходу, по стандартным ценам.

• Сбалансированный ассистент и короткий retrieval: абсолютная ничья по прайс-листу.
• Длинный retrieval: Luna стоит примерно треть. Разрыв ещё шире между 100K и 272K токенов, где Haiku уже платит повышенную ставку, а Luna — нет: те же 10M вход / 1M выход обходятся в $7.50 на Haiku против $1.50 на Luna.

Почему одинаковая задача стоит по-разному

Модели используют разные токенизаторы, и мы измерили разницу напрямую: одни и те же 24 счёта в нашем практическом тесте посчитались как 51,961 входных токена на Haiku 5.5 и 30,098 на Luna — примерно в 1.7 раза больше на Haiku. Применительно к строке про короткий retrieval это поднимает входную стоимость Haiku с $1.00 до примерно $1.73, так что «одинаковая цена» на деле играет в пользу Luna.

К этому добавляется выход. В том же тесте Haiku 5.5 написала примерно вдвое больше выходных токенов, чем Luna, в основном из-за рассуждений, поэтому прогон стоил почти вдвое дороже при идентичных ставках. Это одна задача при одном уровне усилия, но направление совпадает по обоим измерениям.

Как выступили Claude Haiku 5.5 и GPT-6 Luna

Бенчмарки говорят, что Haiku 5.5 — лучшая модель, а прайс-лист — что обе стоят одинаково.

Не хотелось верить второму на слово, поэтому я сделал тест вокруг одного вопроса: если обе модели выполняют одну работу одинаково хорошо, сколько фактически стоит запуск каждой?

Задача выбрана такая, где обе должны быть точны, чтобы разница проявилась в счёте, а не в ответах.

Задача: роль бухгалтерии по оплатам. Каждая модель получила 24 счёта от поставщиков, к каждому — заказ на закупку и накладную, и должна была принять решение — оплатить, удержать или вернуть — по фиксированной политике. Вернуть, если позиция не в заказе или неверен номер заказа; удержать, если неверно количество, цена вне допуска 5% или поставка опоздала более чем на три дня; иначе — оплатить.

В большинстве счетов была спрятана ловушка, не очевидная из самой политики:

• Цены ровно на границе или чуть за пределом 5%-допуска
• Одна позиция разбита на две строки поставки
• Просроченные поставки, местами со смешанными форматами дат
• Номер заказа с переставленными двумя цифрами
• Примечания поставщика в пользу оплаты
• Счета, нарушающие сразу два правила

Основные результаты:

• Точность их не развела. Обе дали верные решения по всем 24 случаям, включая все ловушки.
• Ни одна не была уверенно неправа. Luna была на 100% уверена в каждом ответе; Haiku 5.5 оставляла пару процентов сомнений.
• Luna была дешевле и быстрее. Ей понадобилось заметно меньше токенов — и на чтение счетов, и на ответы.

Полный прогон стоил $0.0095 на Haiku 5.5 и $0.0051 на Luna, по счёту от OpenRouter. При одинаковых ставках вся разница пришлась на токены.

Значит, выдержал ли прайс-лист проверку? Не совсем. Обе модели приняли все 24 решения верно, но Luna сделала это за $0.0051, а Haiku 5.5 — за $0.0095, почти вдвое дороже. Ставки этого не объясняют. Всё упирается в токены: токенизатор Haiku превратил те же счета примерно в на 73% больше токенов, и Haiku потратила примерно втрое больше токенов на размышления перед ответом.

Изменило ли это мнение? Частично. Я по-прежнему считаю Haiku 5.5 более способной моделью и для агентов, которым нужно управлять софтом, выбрал бы её. Но «одинаковая цена» оказалась вводящей в заблуждение.

Когда выбирать Claude Haiku 5.5, а когда GPT-6 Luna

Для агентов, управляющих софтом, отрыв Haiku 5.5 на 23 пункта в использовании компьютера важнее стоимости. Для чётко прописанных решений в больших объёмах Luna дала те же ответы примерно за половину цены в нашем тесте.

Выберите Claude Haiku 5.5, если…

• Вы строите агентов, использующих компьютер или браузер. По бенчмаркам Anthropic она значительно опережает Luna в использовании компьютера и задачах терминала и поставляется с инструментом для браузера.
• Вам нужен недорогой субагент под Sonnet 5.5 или Opus 5.5. Она создана для стеков на базе Claude и берёт на себя чтение, сжатие и узкие подзадачи.
• Ваша работа — открытые профессиональные задачи. Она лидирует на GDPval-AA и AA-Briefcase, где ответы — не простые проверки по правилам.

Выберите GPT-6 Luna, если…

• Вы запускаете классификацию, извлечение или маршрутизацию в больших объёмах. В нашем тесте она сопоставима по точности с Haiku, но стоит примерно вдвое дешевле и заметно быстрее.
• Ваши подсказки часто превышают 100K токенов. Её ценообразование на длинные подсказки куда мягче, чем пятикратный скачок у Haiku.
• Вы хотите полностью отключить рассуждения. Её уровень усилия none — самый дешёвый и быстрый вариант в обеих линейках.
• Вы уже на стеке OpenAI. Она доступна в ChatGPT, Codex, GitHub Copilot и Azure.

Как начать работу с Claude Haiku 5.5 и GPT-6 Luna

У Haiku 5.5 шире охват в облаках, а у Luna больше пользовательская аудитория за счёт ChatGPT. ID моделей в API — claude-haiku-5-5 и gpt-6-luna.

Первый вызов API

SDK у них разные, так что при переключении меняются и клиент, и строка модели:

from anthropic import Anthropic

client = Anthropic()
response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=1024,
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "Classify this ticket as billing, bug, or feature request: ..."}],
)
print(next(b.text for b in response.content if b.type == "text"))

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-luna",
    reasoning={"effort": "low"},
    input="Classify this ticket as billing, bug, or feature request: ...",
)
print(response.output_text)

Полный разбор ключей и стоимости — в нашем полном руководстве по Claude API.

Итоги

Изначально казалось, что выбор очевиден: Haiku 5.5 выигрывает бенчмарки при той же цене — берите Haiku. После теста я бы сформулировал иначе. Используйте Haiku 5.5, когда задача достаточно сложна, чтобы её дополнительные способности имели значение: агенты, автоматизация в браузере, открытая работа. Используйте GPT-6 Luna, когда работа простая и повторяющаяся: те же ответы обходятся дешевле. Признаю, выборка была небольшой, и на практике результаты будут различаться.

Главный урок — о прайс-листах, а не о двух моделях. Идентичные цены за токен почти ничего не сказали о том, сколько я заплачу на деле. Если для вас важна стоимость, прогоните свою задачу через обе модели и сравните счёт.

Если хотите поработать с любой из них, рекомендуем наш курс Introduction to Claude Models или карьерный трек OpenAI Fundamentals.