GPT-6 Sol vs Claude Opus 5.5: preços, benchmarks e como escolher para tarefas de programação?

Conclusão rápida: para tarefas gerais de programação via API, você pode começar testando o GPT-6 Sol. Seu preço padrão de entrada/sída é de $2/$10 por milhão de tokens, metade do Claude Opus 5.5; na configuração de nível mais alto do mesmo sistema de avaliação da Artificial Analysis (AA), o índice geral do Opus 5.5 é 58, e o do Sol é 48. Os dois não têm uma relação de “mesmo preço, mais capacidade”: primeiro compare, com as tarefas do seu próprio repositório, taxa de aprovação na primeira tentativa, número de rodadas, total de tokens e retrabalho manual, e só então decida se vale pagar pelos resultados superiores do Opus. Para tarefas de longo prazo mais difíceis, também é possível avançar para GPT-6 Astra ou Claude Fable 5.1; o preço unitário e a capacidade dos quatro modelos não seguem a mesma ordem.

Operamos o PandaNpc, que oferece suporte a Codex e Claude Code, portanto temos um cenário de uso do produto; este artigo não realizou um teste prático dos quatro modelos com as mesmas tarefas, nem apresenta as avaliações públicas abaixo como testes feitos por nós. Os preços se referem aos custos da API dos modelos, não ao preço da assinatura da ferramenta. Informações verificadas em 23 de setembro de 2026; todos os valores monetários estão em dólares.

Especificações dos quatro modelos: primeiro diferencie capacidade, saída e nível padrão

Para facilitar a leitura no celular, a tabela abaixo está agrupada por OpenAI e Anthropic; “saída máxima” é o limite de uma única resposta, e a janela de contexto é o espaço disponível somando entrada e saída, o que não significa que cada resposta terá o mesmo comprimento. Os IDs de modelo da API podem ser usados diretamente para conferir cobranças ou configurações de avaliação.

Fonte: Página oficial do modelo GPT-6 Sol, Página oficial do modelo GPT-6 Astra.

Fonte: Página oficial do modelo Opus 5.5, Página oficial do modelo Fable 5.1. A saída de 300K do Opus se aplica apenas ao Batch beta especificado e ao cabeçalho output-300k-2026-03-24, não é o limite de requisições interativas comuns.

Cobrança dos quatro modelos: entrada comum, gravação em cache e acerto de cache são tokens diferentes

Todos os valores da tabela abaixo são preços em dólares por milhão de tokens, isto é, o preço unitário da categoria de token correspondente. A entrada comum não recebe acréscimo da “taxa de gravação em cache”; somente os tokens gravados pela primeira vez no cache usam o preço de gravação. Após um acerto de cache, a cobrança usa o preço de leitura, e a saída continua sendo cobrada separadamente. Ambas as empresas oferecem 50% de desconto em entrada/saída no Batch, mas o Batch é processado de forma assíncrona e não é adequado para conversas de programação que exigem feedback imediato.

Fonte: Sol, Astra, Tabela de preços da OpenAI, Explicações sobre cache da OpenAI. Ultrapassar 272K não adiciona custo apenas à parte excedente; a cobrança da faixa é calculada com base nos tokens de entrada da requisição inteira, incluindo entradas relacionadas a cache.

Fonte: Opus 5.5, Fable 5.1, Regras de preços, Batch e cache da Anthropic, Explicações sobre contexto longo. A Anthropic permite explicitamente a combinação de descontos de Batch e cache; um acerto de cache deve atender às condições de validade correspondente e de mesmo prefixo.

Resultados específicos dos quatro modelos no mesmo sistema de avaliação

Todos os dados da tabela abaixo vêm do Artificial Analysis Intelligence Index v4.3.2. A configuração de teste foi GPT-6 Sol max, GPT-6 Astra max, Claude Opus 5.5 e Fable 5.1, todos com adaptive reasoning em max effort e default fallback habilitado. Esses não são os níveis padrão dos quatro modelos; em especial, o padrão do Opus é medium e o do Fable é high. Mesmo que modelos diferentes estejam marcados como max, o consumo real de tokens de raciocínio também é diferente. A AA padroniza tarefas e um harness próprio, portanto é possível comparar resultados horizontalmente dentro dessa configuração de teste; resultados de anúncios dos fabricantes não podem ser misturados nesta tabela. Links: Comparação original Sol–Opus, Comparação original Astra–Fable, Metodologia da AA.

Todos os valores linha a linha vêm das duas páginas de comparação de modelos da mesma versão da AA e da página Astra–Fable. Por exemplo, no harness Terminal-Bench 4.0 da própria AA, o Opus 5.5 fica 16 pontos percentuais acima do Sol; isso não pode ser calculado em conjunto com os 66,4% do site da Anthropic, pois as configurações de execução são diferentes.

Todos os valores linha a linha vêm de: AA Sol–Opus, AA Astra–Fable. Pequenas diferenças de 1–2 pontos percentuais não devem ser interpretadas como uma vitória sólida; Elo, pontuação de índice e taxa de aprovação também não são a mesma unidade.

Fonte ainda: AA–Opus e AA Astra–Fable. O custo por tarefa é a ponderada do uso nos testes da AA, não uma cotação para “concluir um requisito” no seu repositório. A configuração max do Opus consome mais tokens de saída e raciocínio, o que também é uma das razões pelas quais a diferença na conta supera a diferença de preço unitário.

Gráficos dos sites das duas empresas: validam suas próprias conclusões, mas não podem ser combinados em uma vitória no mesmo teste

O gráfico DeepSWE v1.1 da OpenAI mostra GPT-6 Sol max com 68,8%, e Claude Fable 5 com xhigh em 69,9%; não há Opus 5.5. O eixo horizontal é o custo por tarefa, em escala logarítmica. O Opus 5 no gráfico também não é o Opus 5.5. Isso mostra que o Sol, nas configurações publicadas pela OpenAI, tem desempenho de agente de programação próximo ao de modelos de alto nível, mas não substitui um teste dos quatro modelos nas mesmas condições.

Figura 1: OpenAI, “Introducing GPT-6 Sol and Luna”, seção “Coding”, 2026-09-22. Modelos e effort conforme a legenda e as notas de rodapé do texto original. Abrir a imagem original completa para ver os detalhes.

O gráfico Terminal-Bench 4.0 da Anthropic mostra Claude Opus 5.5 xhigh com 66,4%. O GPT-6 Astra no gráfico, com 57,9%, usa high e não é o GPT-6 Sol. A curva também tem pontos de effort padrão, mas não se deve tomar sua posição como pontuação de xhigh. O harness do fabricante aqui é diferente do Terminal-Bench 4.0 da AA na tabela acima, portanto não se pode subtrair 66,4% dos 44% que a AA atribui ao Sol.

Figura 2: Anthropic, “Claude Opus 5.5”, seção “Coding”, 2026-09-22. O eixo horizontal é o custo por tentativa, em escala logarítmica; níveis mostrados, intervalos estatísticos e limitações constam no texto original. Abrir a imagem original completa para ver os detalhes.

Há também resultados divulgados unilateralmente pelos fabricantes que não devem ser subtraídos diretamente: a OpenAI reporta Sol xhigh no AutomationBench 1.0.6 com 33,2%, max no Agents' Last Exam V1 com 56,4% e xhigh no OSWorld 2.0 offline com 60,5%, com a mesma fonte da página de lançamento da OpenAI; a Anthropic reporta Opus 5.5 no FrontierCode v1.1 Main com 54,4%, CursorBench 4.0 com 57,8%, GDPval-AA v2.1 com 1846 Elo e Humanity's Last Exam with tools com 67,7%, com a mesma fonte da página de lançamento da Anthropic. A versão, as ferramentas, o effort ou o harness desses itens não foram confirmados como idênticos aos da outra parte, por isso não listamos “quantos pontos de vantagem”. Valores não publicados para os quatro modelos em critérios idênticos não podem ser adivinhados.

Quanto custa para a mesma quantidade de tarefas? Cinco exemplos recalculáveis

Abaixo, a entrada é dividida em três categorias mutuamente exclusivas de tokens: comum, primeira gravação em cache e leitura de cache subsequente, além da saída. Cada linha é uma requisição, sem chamadas de ferramentas, taxas adicionais da plataforma ou rodadas extras; todas as saídas ficam abaixo do limite de 128K de uma requisição comum. Os preços são calculados conforme os valores oficiais acima, portanto você pode substituir os números de tokens com base nos seus próprios logs de uso.

Exemplo de cálculo: A do Sol = 0,1×$2 + 0,05×$10 = $0,70. B do Opus 5m = 0,2×$5 + 0,05×$4 + 0,02×$20 = $1,60; C do Opus = 0,2×$0,20 + 0,05×$4 + 0,02×$20 = $0,64. Em E, a entrada do Sol, 300K, já ultrapassou 272K, então a requisição inteira é calculada com entrada a $4 e saída a $15; para o Astra, corresponde a $20/$75. O contexto de 1M do Opus/Fable mantém o preço unitário padrão. B e C são requisições diferentes, de gravação e depois leitura; C precisa garantir que o cache ainda seja válido. O período de retenção de cache da OpenAI o mecanismo de cobrança de 5m/1h da Anthropic são diferentes, portanto não se deve adicionar por engano a taxa de gravação de B a cada requisição de C.: Preços dos dois modelos da OpenAI, Regras de preços da Anthropic.

Como dividir as tarefas num fluxo real de programação?

Sol primeiro, para iterações do dia a dia. Deixe o Sol cuidar primeiro de decomposição de requisitos, pequenas alterações em repositórios existentes, patches de teste e trabalhos que podem ser revisados em lote; depois registre a taxa de sucesso das tarefas, o número de retrabalhos e o total de tokens. Seu preço unitário baixo é mais direto em casos como A–D, que não ultrapassam 272K; em requisições muito longas, a vantagem de preço diminui.

Opus 5.5 para tarefas de agente difíceis de convergir de uma só vez. Nos testes da AA nas mesmas condições, ele obtém resultados mais altos em tarefas gerais, de terminal e de conhecimento, mas o custo médio por tarefa na configuração max também é claramente maior. Você pode primeiro estabelecer uma linha de base local com o padrão medium ou com o effort que realmente usa, e depois aumentar o nível para problemas difíceis. Não trate os resultados max da AA como a experiência padrão.

Astra e Fable 5.1 são os níveis mais avançados. O Astra tem desempenho competitivo no AutomationBench-AA, Terminal-Bench 4.0 e GDP.pdf da AA, e o Fable 5.1 é mais forte em alguns indicadores de trabalho de conhecimento de longo prazo, mas o preço base de entrada/saída de $10/$50 de ambos é significativamente maior que o do Sol. A leitura de cache do Fable é $0,25, menor que $1,00 do Astra; se houver leitura repetida de um prefixo grande, a ordem de custo pode mudar. Para tarefas muito difíceis, recomenda-se fazer uma validação com uma pequena amostra dos quatro modelos nas mesmas demandas do seu repositório e escolher pelo “custo de tarefas concluídas com sucesso e mescláveis”, não por uma única pontuação de ranking.

No PandaNpc, Codex e Claude Code são dois Agent Engine disponíveis. Na hora de escolher a entrada, também é preciso considerar sua assinatura ou canal de API já existente, permissões de ferramentas, contexto do repositório e fluxo de revisão da equipe; a cotação da API do modelo não pode ser convertida diretamente em créditos de assinatura da ferramenta. Este artigo mostra especificações e avaliações públicas, e não declara um ranking de testes reais dos quatro modelos dentro do PandaNpc.

FAQ

O Sol é necessariamente metade do preço do Opus 5.5? Apenas os preços unitários de entrada e saída da API padrão são metade. Entrada acima de 272K, gravação/leitura de cache, tokens reais de raciocínio, rodadas e custos de ferramentas alteram a conta total da tarefa. O cenário E acima já aproxima o preço por requisição dos dois em $1,50 e $1,60.

Os dois gráficos oficiais de programação provam quem vence? Não. O gráfico da OpenAI não tem Opus 5.5, o da Anthropic não tem Sol, e os benchmarks e harnesses também são diferentes. Para ver resultados dos quatro modelos nas mesmas condições, consulte a tabela de configuração fixa da AA v4.3.2; para decidir sua própria escolha de ferramenta, execute novamente as tarefas do seu repositório.

É possível combinar cache e Batch? A documentação de preços da Anthropic afirma explicitamente que a combinação é suportada; se o cache será acertado na prática depende do prefixo, do período de validade e das configurações da requisição. Para os dois modelos da OpenAI, o Batch é 50% da tarifa padrão; verifique a conta específica nos registros de uso da API correspondente.