GPT-6 Sol vs Claude Opus 5.5：基准、定价与选型指南

在更高效、更实惠的前沿模型竞赛中，外界对 Anthropic 新模型的关注只持续了大约一个小时。

他们的 Claude Opus 5.5 是 Claude 5.5 系列中的首款模型，主打以低于 Opus 5 的运行成本，达到 Fable 5.1 级别的性能。

OpenAI 很快回应，发布了 GPT-6 家族的中端型号 GPT-6 Sol，采用与旗舰 GPT-6 Astra 相同的训练方法，API 价格是其前代 GPT-5.6 Sol 的一半。

本文将从多个性能维度、护栏与定价对比 GPT-6 Sol 和 Claude Opus 5.5，并附上一项我在二者上各跑了一遍的上手构建测试。

要点速览

• Claude Opus 5.5 公布的代理式编码基准更强，并在两者实际共有的两个基准上均领先。
• GPT-6 Sol 标价只有对方的一半，但在大量依赖缓存的代理循环和超长请求中差距会缩小。
• 在我们的构建测试中，两者都拿下了困难的逻辑题，且 Sol 打包出的游戏更为精致。
• 若面向长时间运行的代理式编码，或需要在三大云平台全覆盖部署，选 Opus 5.5。
• 若关注成本、量大，或团队使用 Codex 与 ChatGPT Work，或希望在预算内自动化业务应用，选 Sol。

什么是 GPT-6 Sol？

GPT-6 Sol 是 OpenAI 的中端 GPT-6 模型，于 2026 年 9 月 22 日与 GPT-6 Luna 一同发布，定位于旗舰 GPT-6 Astra 之下。

它的卖点是以 Astra 的训练配方，提供比 GPT-5.6 Sol 低一半的 API 价格，并支持在对推理力度或工具做出会话中途调整时仍保持提示缓存有效。

我们的《GPT-6 Sol 与 Luna 指南》涵盖了发布细节，另有《GPT-6 Astra API 教程》讲解该家族的异步工具与引导方式。

什么是 Claude Opus 5.5？

Claude Opus 5.5 是 Anthropic 的首款 Claude 5.5 模型，于 2026 年 9 月 22 日发布，被定位为该公司在长时间运行的代理式编码与知识工作方面的新旗舰。

它的卖点是在 Opus 价位上提供 Fable 级结果：Anthropic 称其在多数任务上可与 Claude Fable 5.1 持平，并配有 Fable 级的网络安全与生物安全防护。

我们的《Opus 5.5 指南》涵盖了发布内容，另有《Claude Opus 5 API 教程》介绍上一代 API。

GPT-6 Sol vs Claude Opus 5.5：正面对比

由于发布时间非常接近，双方都没把对手的新模型放进各自的发布表里，因此两者仅在两个基准上有重叠，且 Opus 5.5 均领先。Sol 的优势在于价格，以及在我们自测中的表现。

编码与代理式工作流

Opus 5.5 公布的代理式编码数据更强，而 Sol 的博文并未正面质疑这些结果。Anthropic 报告了 Opus 5.5 在 Terminal-Bench 4.0、FrontierCode 与 CursorBench 上的成绩；OpenAI 报告了 Sol 在 DeepSWE 上的成绩，并仅称其在 xhigh 努力度的 FrontierCode 上与 Claude Fable 5.1 持平。Anthropic 将 Fable 5.1 的 FrontierCode 记为 50.3%，而 Opus 5.5 为 54.4%，若两者说法都成立，则在两方都提到的这项编码基准上，Sol 大约落后 Opus 5.5 四个百分点。

两家更多依赖长周期案例而非共享分数。Anthropic 的内部案例是将 HAProxy 从 C 改写为 Rust，Opus 5.5 用时 9.5 小时，Fable 5.1 为 12 小时，成本低 51%。OpenAI 的论据是单任务成本：Sol 以远低于对方的大约 80% 成本，在 DeepSWE 上的分数与 Fable 5 相差约 1 个百分点。

看这些表需要两点保留：

• Anthropic 在生产护栏开启状态下跑了 Opus 5.5，并称改道的网络安全与生物学任务可能拉低了分数。
• OpenAI 的单任务成本对比，将 Sol 的 xhigh 或 max 与不同努力度的 Claude 模型配对比较。

纸面上，Opus 5.5 是更强的编码模型；不过在我们下面的单次构建测试中，这个差距并未显现。

业务工作流与电脑使用

在两者共享的两个基准上，Opus 5.5 都领先，其中 AutomationBench 的差距最干净：Opus 5.5 在 Zapier 针对 47 个业务工具的代理测试中为 40.0%，Sol 为 33.2%。

Sol 的反击是账单：OpenAI 将 Sol 描述为以 Opus 5 的 9% 单任务成本击败 Claude Opus 5，但该对比对象是上一代 Opus，而非本代。

按分数，Opus 5.5 是更强的代理；按账单，Sol 则是可以承受每一张工单都跑的那一个。

知识工作与事实可靠性

这里唯一跨厂商的数字来自 Opus 5.5：GDPval-AA v2.1 的 Elo 为 1846，领先 Anthropic 表中的 GPT-6 Astra 与 GPT-5.6 Sol；Sol 本身未列入。Anthropic 的报告写作测试中，只要编造数据即判失败，Opus 5.5 的 18 份报告中有 16 份通过，而 Fable 5.1 与 Opus 5 无一通过。

Sol 的证据来自与自身前代的对比：在 OpenAI 的内部事实性集合上，Sol 的错误约为 GPT-5.6 Sol 的一半。Artificial Analysis 的 AA-Omniscience 测试也同意，但有前提：Sol 的幻觉率从 92% 降至 60%，同时其答复率为 83%，低于前代的 99%。

两者都比各自前代更谨慎；只有 Opus 5.5 对外展示了对手比拼中的优势。

护栏与 API 约束

Sol 的 API 约束更少，Opus 5.5 的监管更强。

Opus 5.5 无法在关闭思考的状态下运行，会拒绝被强制使用工具，并将思考块绑定到生成它的模型与会话上，因此在 2026 年 8 月 31 日后创建的账户上，编辑过的上下文会触发 400 错误。大多数网络安全任务会在其 Cyber Verification Program 外改道至 Opus 4.8，生物学工作需要 Life Sciences Verification Program。

Sol 的努力度从 none 到 max，会话中途可调整努力度且不破坏缓存，OpenAI 还报告其对编码工作的误导性表述少于 GPT-5.6 Sol。

这是有意为之的权衡：相比 Opus 5，Opus 5.5 试图跨越隔离边界的频率减少约 85%，这对无人值守代理很重要。

定价：您实际会付多少

标价上，Opus 5.5 恰好是 Sol 的两倍，但代理实际付费的两类机制打破了这一模式：缓存读取价格一致，而 Sol 在超过 272K tokens 的请求上加收附加费，Anthropic 则没有。

Token 费率并排对照

溢价在输入、输出与缓存写入上是平的，因此在引入缓存或长上下文之前，每种工作负载形态受影响基本一致。缓存读取是例外，Anthropic 称其构成了代理与编码工作的主要成本来源。两家都未公布“推理 tokens”的独立费率，因此按输出费率来预算。

真实工作负载要花多少钱

“高于阈值”这一行最关键：一旦每次请求都越过阈值，Sol 的附加费会把总账单抬到距离 Opus 5.5 仅 8% 的差距，因此在长上下文检索流水线中，选择 Sol 几乎得不到折扣。重度缓存循环之所以把差距缩小到 33%，是因为 1000 次缓存读取在两者上价格相同，只有新增 tokens 才按 2 倍溢价计费。

两者使用不同的分词器，且都未公布某个共享工作负载的 token 计数，因此将这些总额视为费率比较而非真实账单。Anthropic 确实表示 Opus 5.5 的单任务用 token 少于 Opus 5，但未说明与 Sol 的对比。

GPT-6 Sol 与 Claude Opus 5.5 的表现

来自两家厂商、互不测试对方模型的基准终究有限，因此我用完全相同的提示与工具，分别对两者跑了一个构建任务。

测试内容

我让两者在 12×24 的棋盘上构建一个单文件俄罗斯方块克隆，带一个变体：每 20 秒引力翻转。提示中的两个要求让它变难：翻转后，方块必须朝上方“天花板”坠落，并在上方堆叠处锁定，上下两侧各自满行都要消行，且已锁定的格子在引力翻转时绝不能移动。

两个模型都在 OpenCode 内运行，使用完全相同且已固定的工具面：只能读文件、搜索与编辑，不能用 shell，不能联网。两者都以 high 推理力度运行，各一次尝试、不重试，提示逐字节送入一个全新会话。

需要注意一个不对称点：在两家的努力度阶梯中，high 都距离顶端两级，但 Sol 的阶梯底部多一个 none，因此 high 是 Sol 的第 4/6 档，而 Opus 5.5 的第 3/5 档。

提示如下：

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.

我记录了成本，并从以下三个维度按 1 到 5 分打分：

• 翻转机制：当引力翻转时，方块是否真的向上坠落、在天花板处着陆并在那里消行，同时原来的地面堆叠保持不动？
• 游戏完整性：撇开变体，这是否是一个完整、可玩的俄罗斯方块？
• 视觉与手感：是否流畅易读？引力翻转看起来是否是有意为之而非故障？

GPT-6 Sol 的产物

Sol 运行了 6 个回合、发起 9 次工具调用：在写入一个 22 KB 的 index.html 前，先列出、搜索并读取了空工作区，随后又补丁了一次。成品带有自有品牌风格“Fall / Rise, a game of shifting ground”，带有在翻转时由琥珀色变青色的引力面板、下一次翻转的倒计时，以及边栏的规则卡片。

它该做的都做了，且运行平滑稳定：翻转时地面堆叠保持不动，方块上升并在天花板处锁定，上下两侧都会消行，软降落手感灵敏，因此玩起来比另一个更有趣。