GPT-6 Sol и Claude Opus 5.5: бенчмарки, цены и как выбрать

Внимание к новой модели Anthropic продержалось примерно час в гонке за более эффективными и доступными моделями на переднем крае.

Их Claude Opus 5.5 — первая модель в семействе Claude 5.5, заявленная как производительность уровня Fable 5.1 при более низкой стоимости, чем у Opus 5.

OpenAI ответила очень быстро, выпустив GPT-6 Sol как средний уровень семейства GPT-6. Его обучали теми же методами, что и флагманский GPT-6 Astra, а цена API — вдвое ниже, чем у предшественника, GPT-5.6 Sol.

В этой статье сравним GPT-6 Sol и Claude Opus 5.5 по ряду категорий производительности, ограничений и цен, а также включим один практический тест сборки, проведённый на обеих моделях.

Коротко

• Claude Opus 5.5 публикует более высокие показатели в агентном программировании и лидирует в обоих бенчмарках, которые модели действительно разделяют.
• GPT-6 Sol стоит вдвое дешевле по прайс-листу, но разрыв сокращается на петлях агентов с активным кэшем и на очень длинных запросах.
• В нашем практическом тесте обе модели правильно справились со сложной логикой, а Sol выдал более отполированную игру.
• Выбирайте Opus 5.5 для долгих агентных задач по коду или для развёртывания, которое должно работать во всех трёх крупных облаках.
• Выбирайте Sol для объёмных задач с чувствительностью к цене, для команд Codex и ChatGPT Work, а также для автоматизации бизнес-приложений при ограниченном бюджете.

Что такое GPT-6 Sol?

GPT-6 Sol — средний уровень моделей GPT-6 от OpenAI, выпущенный 22 сентября 2026 года вместе с GPT-6 Luna и расположенный ниже флагманского GPT-6 Astra.

Его сильная сторона — рецепт обучения Astra при половинной цене API от GPT-5.6 Sol, с кэшированием подсказок, которое сохраняется даже при изменении усилия рассуждения или набора инструментов в середине диалога.

Наш гид по GPT-6 Sol и Luna освещает запуск, а наш туториал по GPT-6 Astra API показывает работу с асинхронными инструментами и управлением.

Что такое Claude Opus 5.5?

Claude Opus 5.5 — первая модель Claude 5.5 от Anthropic, выпущенная 22 сентября 2026 года, новая лидерская модель компании для длительного агентного программирования и работы с знаниями.

Её сильная сторона — результаты класса Fable по цене Opus: Anthropic утверждает, что она сопоставима с Claude Fable 5.1 на большинстве задач и поставляется с защитами уровня Fable в области кибербезопасности и биологии.

Наш гид по Opus 5.5 освещает запуск, а наш туториал по Claude Opus 5 API описывает API предыдущего поколения.

GPT-6 Sol vs Claude Opus 5.5: сравнение лоб в лоб

Из‑за близких сроков релиза никто из вендоров не включил модель конкурента в свою стартовую таблицу, поэтому у моделей всего два общих бенчмарка — и в обоих лидирует Opus 5.5. Аргументы Sol — цена и то, как он показал себя в нашем собственном тесте.

Программирование и агентные процессы

Opus 5.5 публикует более сильные показатели по агентному программированию, и пост Sol напрямую их не оспаривает. Anthropic приводит результаты Opus 5.5 на Terminal-Bench 4.0, FrontierCode и CursorBench; OpenAI сообщает результат Sol на DeepSWE и лишь описывает результат на FrontierCode как соответствующий Claude Fable 5.1 при xhigh-усилии. Anthropic оценивает Fable 5.1 в 50,3% на FrontierCode против 54,4% у Opus 5.5, так что если обе оценки верны, Sol отстаёт примерно на четыре пункта на единственном кодовом бенчмарке, который оба вендора упоминают.

Оба вендора опираются скорее на длинные кейсы, чем на общие метрики. Внутренняя миграция HAProxy с C на Rust у Anthropic: Opus 5.5 завершил за 9,5 часа против 12 у Fable 5.1 при на 51% меньшей стоимости. Аргумент OpenAI — стоимость за задачу: Sol близок примерно на один пункт к результату Fable 5 на DeepSWE при примерно на 80% меньшей стоимости.

Две причины относиться к этим таблицам осторожно:

• Anthropic запускала Opus 5.5 с включёнными промышленными мерами безопасности и считает, что перенаправленные задачи по кибербезопасности и биологии, вероятно, снизили показатели.
• Сравнения стоимости за задачу у OpenAI сопоставляют Sol при xhigh или max с моделями Claude на других уровнях усилия.

На бумаге Opus 5.5 — более сильная кодовая модель; разрыв не проявился в нашем единственном тесте сборки ниже.

Бизнес-процессы и работа с компьютером

Opus 5.5 лидирует в обоих общих бенчмарках, и разница в AutomationBench — самое чистое число в статье: 40,0% у Opus 5.5 против 33,2% у Sol в тесте Zapier, где агенты работают через 47 бизнес-инструментов.

Ответ Sol — счёт: OpenAI позиционирует Sol как обгоняющий Claude Opus 5 при 9% стоимости за задачу от Opus 5, хотя это сравнение с предыдущим Opus, а не с текущим.

Opus 5.5 — более сильный агент по оценкам; Sol — тот, который вы можете позволить себе запускать на каждом тикете.

Работа с знаниями и фактическая надёжность

Opus 5.5 имеет здесь единственное межвендорное число: 1846 Elo на GDPval-AA v2.1 — выше, чем у GPT-6 Astra и GPT-5.6 Sol в таблице Anthropic; самого Sol там нет. В тесте на написание отчётов у Anthropic, где любая выдуманная цифра проваливает прогон, 16 из 18 отчётов Opus 5.5 прошли, а ни Fable 5.1, ни Opus 5 не прошли ни разу.

У Sol есть данные против собственного предшественника: на внутреннем наборе фактичности OpenAI Sol делает примерно вдвое меньше ошибок, чем GPT-5.6 Sol. Тест AA-Omniscience от Artificial Analysis согласен, но с оговоркой: уровень галлюцинаций у Sol снизился с 92% до 60%, при этом он ответил лишь на 83% вопросов против 99% у предшественника.

Обе модели осторожнее своих предшественников; только Opus 5.5 показал это на фоне конкурента.

Ограничения и условия API

Sol — менее ограниченный API, а Opus 5.5 — более контролируемый.

Opus 5.5 нельзя запускать с отключённым мышлением, он отклоняет принудительное использование инструментов и привязывает блоки мышления к модели и диалогу, которые их породили, поэтому отредактированный контекст выдаёт ошибку 400 на аккаунтах, созданных после 31 августа 2026 года. Большинство задач по кибербезопасности перенаправляются на Opus 4.8 вне программы Cyber Verification, а работы по биологии требуют участия в Life Sciences Verification Program.

Лестница усилия у Sol — от none до max, усилие можно менять в середине диалога без поломки кэша, и OpenAI сообщает о меньшем количестве вводящих в заблуждение заявлений о своей кодовой работе, чем у GPT-5.6 Sol.

Компромисс осознанный: Opus 5.5 пытался пересечь границы изоляции примерно на 85% реже, чем Opus 5, что важно для агентов без присмотра.

Ценообразование: что вы платите на самом деле

По базовым ставкам Opus 5.5 стоит ровно вдвое дороже Sol, но два механизма, за которые агенты платят в реальности, нарушают шаблон: чтение из кэша стоит одинаково, а Sol добавляет надбавку свыше 272 тыс. токенов, которой у Anthropic нет.

Ставки за токены рядом

Премия ровная для входа, выхода и записи в кэш, поэтому она влияет на все типы нагрузок одинаково, пока не вступают в игру кэширование или длинный контекст. Исключение — чтения из кэша, и Anthropic говорит, что именно они составляют большую часть стоимости агентной и кодовой работы. Ни один из вендоров не публикует отдельную ставку для токенов рассуждений, так что закладывайте их по ставке вывода.

Сколько стоит реальная нагрузка

Строка «выше порога» — ключевая: когда каждый запрос пересекает порог, надбавка Sol поднимает счёт до разницы всего в 8% по сравнению с Opus 5.5, так что длинноконтекстный конвейер извлечения почти не получает скидки, выбирая Sol. В петле с активным кэшем разрыв сужается до 33% по другой причине: 1 000 чтений из кэша стоят одинаково в обеих моделях, и только новые токены несут 2x‑премию.

Модели используют разные токенизаторы, и ни один вендор не опубликовал подсчёты токенов для общей нагрузки, поэтому воспринимайте эти суммы как сравнение ставок, а не итогового счёта. Anthropic отмечает, что Opus 5.5 тратит меньше токенов на задачу, чем Opus 5, но не указывает, как это соотносится с Sol.

Как показали себя GPT-6 Sol и Claude Opus 5.5

Бенчмарки от двух вендоров, которые не тестировали модель конкурента, дают ограниченную картину, поэтому я провёл одну задачу сборки на обеих с одинаковым промптом и одинаковыми инструментами.

Тест

Я попросил обе модели собрать одностраничный клон Tetris на поле 12×24 с одним твистом: гравитация переворачивается каждые 20 секунд. Две вещи, требуемые промптом, делают задачу сложной: после переворота фигуры должны падать к потолку и фиксироваться на второй стопке там, при этом полные ряды очищаются на любой из стопок, а клетки, уже зафиксированные, никогда не двигаются.

Обе модели запускались внутри OpenCode с одинаковой закреплённой поверхностью инструментов: чтение файлов, поиск и редактирование, без shell и без сети. Обе работали на high уровне рассуждений, по одной попытке, без ретраев, и промпт был передан побайтно в новую сессию.

Одна асимметрия: high на две ступени ниже потолка в обеих лестницах, но в лестнице Sol есть дополнительная нижняя ступень none, так что high — это четвёртый из шести уровней у Sol и третий из пяти у Opus 5.5.

Промпт был таким:

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.

Я записал стоимость и оценил обе модели по трём шкалам, с оценками от 1 до 5:

• Механика переворота: Когда гравитация переворачивается, действительно ли фигуры падают вверх, приземляются на потолок и очищают ряды там, при этом старая стопка остаётся на месте?
• Полнота игры: Это полноценный, играбельный Tetris под твистом?
• Визуальное качество и ощущение: Насколько всё гладко и читаемо, выглядит ли переворот намеренным, а не глючным?

Что сделал GPT-6 Sol

Sol потребовалось 6 ходов и 9 вызовов инструментов: он перечислил, нашёл и прочитал пустое рабочее пространство, затем записал 22‑килобайтный index.html и ещё раз его пропатчил. На выходе — собственный брендинг «Fall / Rise, a game of shifting ground», панель гравитации, меняющая цвет с янтарного на бирюзовый при перевороте, обратный отсчёт до инверсии и карточка правил на полях.

Он делает то, что должен, и работает плавно и стабильно: напольная стопка остаётся на месте при перевороте, фигуры поднимаются и фиксируются на потолке, ряды очищаются на обеих стопках, а «мягкое» опускание отзывчиво — из‑за этого в игру было приятнее играть.