GPT-6 Sol vs Claude Opus 5.5: ceny, wyniki i jak wybrać do zadań programistycznych?

Najpierw wniosek: ogólne zadania programistyczne API można najpierw przetestować z GPT-6 Sol. Jego standardowa cena wejścia/wyjścia wynosi $2/$10 za milion tokenów, czyli połowę ceny Claude Opus 5.5; w najwyższej konfiguracji tego samego systemu ewaluacji Artificial Analysis (AA) Opus 5.5 ma ogólny indeks 58, a Sol 48. Nie jest to relacja „ten sam koszt, większa moc”: najpierw porównaj na zadaniach ze swojego repozytorium wskaźnik przejścia za pierwszym razem, liczbę rund, całkowitą liczbę tokenów i ręczną poprawę, a potem zdecyduj, czy płacić za wyższe wyniki Opus. Trudniejsze długodystansowe zadania można też sprawdzić z GPT-6 Astra lub Claude Fable 5.1; cena jednostkowa i możliwości czterech modeli nie układają się w tym samym porządku.

Prowadzimy PandaNpc wspierające Codex i Claude Code, więc mamy scenariusz użycia produktu; w tym artykule nie przeprowadzono testów czterech modeli na tych samych zadaniach ani nie przedstawia się poniższych publicznych ewaluacji jako własnych testów. Ceny oznaczają koszty API modelu, a nie cenę subskrypcji narzędzia. Źródła zweryfikowano 23 września 2026 r., waluty są w USD.

Specyfikacje czterech modeli: najpierw rozróżnij pojemność, wyjście i domyślny poziom

Dla wygodnego czytania na telefonie poniższa tabela grupuje OpenAI i Anthropic; „maksymalne wyjście” to limit pojedynczej odpowiedzi, a kontekst to łącznie dostępne okno wejścia i wyjścia; nie oznacza, że za każdym razem można wygenerować taką samą długość. ID modeli API można wykorzystać bezpośrednio do weryfikacji rozliczeń lub konfiguracji ewaluacji.

Dane: Oficjalna strona modelu GPT-6 Sol, Oficjalna strona modelu GPT-6 Astra.

Dane: Oficjalna strona modelu Opus 5.5, Oficjalna strona modelu Fable 5.1. Wyjście 300K w Opus dotyczy tylko wskazanego Batch beta i nagłówka output-300k-2026-03-24, a nie limitu zwykłego żądania interaktywnego.

Rozliczanie czterech modeli: zwykłe wejście, zapis do cache i trafienie to różne tokeny

Wszystkie wartości w poniższej tabeli to ceny w USD za milion tokenów dla odpowiedniej kategorii tokenów. Zwykłe wejście nie ma dodatkowo doliczanej „opłaty za zapis do cache”; tylko tokeny po raz pierwszy zapisane do cache używają ceny zapisu. Po trafieniu w cache rozliczenie odbywa się według ceny odczytu, a wyjście nadal jest rozliczane osobno. Obie firmy oferują 50% zniżki na wejście/wyjście w Batch, ale Batch jest przetwarzany asynchronicznie i nie nadaje się do rozmów programistycznych wymagających natychmiastowej informacji zwrotnej.

Źródła: Sol, Astra, Cennik OpenAI, Dokumentacja cache OpenAI. Przekroczenie 272K nie oznacza dopłaty tylko za nadwyżkę; to, czy rozliczenie przekroczy próg, jest liczone według tokenów wejściowych całego żądania, w tym danych wejściowych związanych z cache.

Źródła: Opus 5.5, Fable 5.1, Zasady cenowe oraz Batch/cache Anthropic, Opis długiego kontekstu. Anthropic wyraźnie dopuszcza łączenie zniżek Batch i cache; trafienie w cache musi spełniać warunki odpowiedniego okresu ważności i tego samego prefiksu.

W tym samym systemie ewaluacji: konkretne wyniki czterech modeli

Wszystkie wartości w poniższej tabeli pochodzą z Artificial Analysis Intelligence Index v4.3.2. Konfiguracja testu: GPT-6 Sol max, GPT-6 Astra max, Claude Opus 5.5 i Fable 5.1 — wszystkie z adaptive reasoning max effort i włączonym default fallback. Nie są to domyślne poziomy czterech modeli; zwłaszcza Opus domyślnie ma medium, a Fable high; nawet jeśli modele są oznaczone jako max, rzeczywiste zużycie tokenów rozumowania jest różne. AA ujednolica zadania i używa własnego harnessu, więc wyniki można porównywać poziomo w ramach tej konfiguracji testowej; wyników z prezentacji producentów nie można wrzucać do tej tabeli. Linki: Oryginalne porównanie Sol–Opus, Oryginalne porównanie Astra–Fable, Metodyka AA.

Źródłem wartości w każdym wierszu są dwa powyższe porównania modeli AA w tej samej wersji i strona Astra–Fable. Na przykład w własnym harnessie Terminal-Bench 4.0 od AA Opus 5.5 jest o 16 punktów procentowych wyżej niż Sol; nie można tego mieszać z 66,4% ze strony Anthropic, ponieważ ustawienia uruchomienia są inne.

Źródła wartości w każdym wierszu: AA Sol–Opus, AA Astra–Fable. Niewielkich różnic 1–2 punktów procentowych nie należy interpretować jako pewnego zwycięstwa; Elo, punkty indeksu i wskaźnik przejścia to też nie te same jednostki.

Źródła nadal: AA Sol–Opus i AA Astra–Fable. Koszt zadania to ważona średnia użycia w testach AA, a nie wycena „ukończenia jednego wymagania” w Twoim repozytorium. Konfiguracja max Opus zużywa więcej tokenów wyjściowych i rozumowania, co jest jedną z przyczyn, dla których różnica w rachunkach przewyższa różnicę w cenie jednostkowej.

Wykresy na stronach obu firm: mogą potwierdzać własne wnioski, ale nie można ich złożyć w bezpośrednie porównanie

Wykres DeepSWE v1.1 od OpenAI podaje GPT-6 Sol max jako 68,8%, a Claude Fable 5 xhigh na wykresie jako 69,9%; nie ma tam Opus 5.5. Oś pozioma to koszt na zadanie, skala logarytmiczna. Opus 5 na wykresie to również nie Opus 5.5. Pokazuje to, że Sol w ustawieniach opublikowanych przez OpenAI osiąga wyniki agenta programistycznego zbliżone do modeli wysokiej klasy, ale nie zastępuje bezpośredniego testu czterech modeli.

Rysunek 1: OpenAI „Introducing GPT-6 Sol and Luna”, „Coding”, 2026-09-22. Model i effort zgodnie z legendą i przypisami w oryginale. Otwórz pełny oryginalny obraz, aby przeczytać drobny druk.

Wykres Terminal-Bench 4.0 od Anthropic podaje Claude Opus 5.5 xhigh jako 66,4%. GPT-6 Astra na wykresie ma 57,9% przy high, a nie jest to GPT-6 Sol. Krzywa ma też punkty dla domyślnego effortu, ale ich położenia nie można traktować jako wyniku xhigh. Ten firmowy harness różni się od Terminal-Bench 4.0 w tabeli AA powyżej, więc nie można odejmować 66,4% od 44%, które AA przyznaje Sol.

Rysunek 2: Anthropic „Claude Opus 5.5”, „Coding”, 2026-09-22. Oś pozioma to koszt na próbę, skala logarytmiczna; poziomy, przedziały statystyczne i ograniczenia przedstawione na wykresie opisano w oryginale. Otwórz pełny oryginalny obraz, aby przeczytać drobny druk.

Są też wyniki publikowane jednostronnie przez producentów, których nie należy bezpośrednio odejmować: OpenAI raportuje dla Sol xhigh w AutomationBench 1.0.6 33,2%, dla max w Agents' Last Exam V1 56,4%, dla xhigh w OSWorld 2.0 offline 60,5%, źródło jak wyżej strona premiery OpenAI; Anthropic raportuje dla Opus 5.5 FrontierCode v1.1 Main 54,4%, CursorBench 4.0 57,8%, GDPval-AA v2.1 1846 Elo, Humanity's Last Exam with tools 67,7%, źródło jak wyżej strona premiery Anthropic. Wersje, narzędzia, effort lub harness tych projektów nie zostały potwierdzone jako zgodne z drugą stroną, dlatego nie podajemy „o ile wyprzedza”. Nieopublikowanych wartości dla czterech modeli w tym samym ujęciu nie można zgadywać.

Ile kosztuje przy tej samej liczbie zadań? Pięć przykładów do przeliczenia

Poniżej dzielimy wejście na trzy rozłączne kategorie tokenów: zwykłe, pierwszy zapis do cache i późniejszy odczyt z cache, a następnie dodajemy wyjście. Każdy wiersz to jedno żądanie, bez wywołań narzędzi, dodatkowych opłat platformowych ani dodatkowych rund; wyjście w każdym przypadku jest poniżej limitu 128K dla zwykłego żądania. Ceny obliczono według powyższych cen oficjalnych, więc można zastąpić liczby tokenów na podstawie własnych logów usage.

Przykład przeliczenia: A dla Sol = 0,1×$2 + 0,05×$10 = $0.70. B dla Opus 5m = 0,2×$5 + 0,05×$4 + 0,02×$20 = $1.60; C dla Opus = 0,2×$0.20 + 0,05×$4 + 0,02×$20 = $0.64. W E wejście Sol 300K przekracza 272K, więc całe żądanie liczy się po $4 wejścia i $15 wyjścia; Astra odpowiednio $20/$75. Opus/Fable przy kontekście 1M zachowują standardową cenę jednostkową. B i C to różne żądania: najpierw zapis, potem odczyt; w C trzeba upewnić się, że cache jest jeszcze ważny. Okres przechowywania cache w OpenAI i mechanizm rozliczania 5m/1h w Anthropic są różne, więc nie można opłaty za zapis z B błędnie doliczać do każdego żądania w C. Podstawa: Ceny dwóch modeli OpenAI, Zasady cenowe Anthropic.

W praktycznym workflow programistycznym: jak podzielić zadania?

Najpierw Sol do codziennych iteracji. Rozbijanie wymagań, drobne zmiany w istniejącym repozytorium, poprawki testów i prace możliwe do zbiorczej weryfikacji najpierw zleć Sol, a następnie zapisz wskaźnik sukcesu zadań, liczbę poprawek i całkowitą liczbę tokenów. Jego niska cena jednostkowa jest najbardziej bezpośrednia w przykładach A–D, które nie przekraczają 272K; przy bardzo długich żądaniach przewaga cenowa się zmniejsza.

Opus 5.5 do zadań agentowych, które trudno doprowadzić do zbieżności za pierwszym razem. Testy AA w tym samym zestawie dają mu wyższe wyniki w zadaniach ogólnych, terminalowych i wiedzowych, ale w konfiguracji max średni koszt na zadanie jest również wyraźnie wyższy. Można najpierw zbudować lokalną linię bazową z domyślnym medium lub z effortem, którego faktycznie używasz, a potem podnosić poziom dla trudnych problemów. Nie traktuj wyników AA dla max jako domyślnego doświadczenia.

Astra i Fable 5.1 to wyższe półki. Astra jest konkurencyjna w AA w AutomationBench-AA, Terminal-Bench 4.0 i GDP.pdf, a Fable 5.1 jest silniejsza w niektórych wskaźnikach długodystansowej pracy z wiedzą, ale oba modele mają podstawową cenę wejścia/wyjścia $10/$50 znacząco wyższą niż Sol. Odczyt z cache w Fable kosztuje $0.25, mniej niż $1.00 w Astra; jeśli często odczytuje się duży prefiks, kolejność kosztów może się zmienić. W przypadku trudnych zadań zaleca się przeprowadzenie małego testu akceptacyjnego czterech modeli na wymaganiach z tego samego repozytorium i wybór według „kosztu zadania ukończonego pomyślnie i nadającego się do scalenia”, a nie według wyniku z jednego rankingu.

W PandaNpc Codex i Claude Code to dwa dostępne Agent Engine. Wybierając punkt wejścia, trzeba też wziąć pod uwagę posiadaną subskrypcję lub kanał API, uprawnienia narzędzi, kontekst repozytorium i proces przeglądu zespołowego; ceny API modeli nie przekładają się bezpośrednio na limit subskrypcji narzędzia. W tym artykule przedstawiono publiczne specyfikacje i ewaluacje, nie twierdzimy, że stanowią one rzeczywisty ranking czterech modeli w PandaNpc.

FAQ

Czy Sol zawsze jest o połowę tańszy niż Opus 5.5? Tylko cena jednostkowa wejścia i wyjścia w standardowym API jest o połowę niższa. Wejście powyżej 272K, zapis i odczyt cache, rzeczywiste tokeny rozumowania, liczba rund i opłaty za narzędzia zmieniają rachunek za całe zadanie. Powyższy scenariusz E zbliżył jednorazową cenę obu do $1.50 i $1.60.

Czy dwa oficjalne wykresy programistyczne dowodzą, kto wygrywa? Nie. Na wykresie OpenAI nie ma Opus 5.5, na wykresie Anthropic nie ma Sol, a benchmarki i harnessy też są różne. Aby zobaczyć wyniki czterech modeli w tym samym zestawie, spójrz na tabelę stałej konfiguracji AA v4.3.2; aby zdecydować o wyborze własnych narzędzi, uruchom ponownie zadania we własnym repozytorium.

Czy cache i Batch można łączyć? Dokumentacja cenowa Anthropic wyraźnie to dopuszcza; to, czy faktycznie nastąpi trafienie w cache, zależy od prefiksu, okresu ważności i ustawień żądania. Batch dla dwóch modeli OpenAI wynosi 50% standardowej stawki; konkretny rachunek należy zweryfikować na podstawie odpowiednich zapisów użycia API.