GPT-6 Sol vs Claude Opus 5.5: цены, результаты тестов и как выбирать для задач программирования?

Сначала вывод: для обычных задач программирования через API можно сначала попробовать GPT-6 Sol. Его стандартная цена ввода/вывода $2/$10 за миллион токенов, то есть вдвое меньше, чем у Claude Opus 5.5; в конфигурации самого высокого уровня в рамках одной системы оценки Artificial Analysis (AA) сводный индекс Opus 5.5 составляет 58, а Sol — 48. Это не отношение «та же цена, но мощнее»: сначала сравните на задачах из собственного репозитория долю успешных прохождений с первого раза, число раундов, общее количество токенов и объём ручных доработок, а затем решайте, платить ли за более высокие результаты Opus. Для более сложных длительных задач можно подняться до GPT-6 Astra или Claude Fable 5.1; цена и возможности четырёх моделей располагаются не в одном и том же порядке.

Мы развиваем PandaNpc, поддерживающий Codex и Claude Code, поэтому у нас есть продуктовый сценарий использования; в этой статье мы не проводили собственный тест четырёх моделей на одних и тех же задачах и не выдаём приведённые ниже публичные оценки за наши собственные измерения. Под ценой понимается стоимость API модели, а не цена подписки на инструмент. Данные проверены 23 сентября 2026 года, все суммы — в долларах США.

Характеристики четырёх моделей: сначала разберёмся с объёмом, выводом и режимами по умолчанию

Для удобства чтения на смартфоне таблица ниже сгруппирована по OpenAI и Anthropic; «максимальный вывод» — это верхний предел для одного ответа, а контекст — окно, доступное суммарно для ввода и вывода, и он не означает, что каждый раз можно выдать такой же объём. ID модели API можно напрямую использовать для сверки счёта или конфигурации оценки.

Данные: Официальная страница модели GPT-6 Sol, Официальная страница модели GPT-6 Astra.

Данные: Официальная страница модели Opus 5.5, Официальная страница модели Fable 5.1. Вывод 300K у Opus применяется только к указанной Batch beta и header output-300k-2026-03-24, а не является пределом для обычных интерактивных запросов.

Тарификация четырёх моделей: обычный ввод, запись в кэш и попадание в кэш — это разные токены

Все значения в таблице ниже — цена в долларах США за миллион токенов для соответствующей категории токенов. К обычному вводу дополнительно не прибавляется «плата за запись в кэш»; по цене записи тарифицируются только токены, впервые записываемые в кэш. После попадания в кэш плата взимается по цене чтения, а вывод по-прежнему оплачивается отдельно. У обеих компаний есть 50% скидка на ввод/вывод в Batch, но Batch обрабатывается асинхронно и не подходит для диалогов программирования, где нужна мгновенная обратная связь.

Источники: Sol, Astra, Таблица цен OpenAI, Документация OpenAI по кэшированию. Превышение 272K не означает наценку только на превышающую часть; переход через порог для тарификации рассчитывается по входным токенам всего запроса, включая связанный с кэшем ввод.

чники: Opus 5.5, Fable 5.1, Правила цен Anthropic и Batch/кэширования, Документация по длинному контексту. Anthropic явно разрешает сочетать скидки Batch и кэширования; попадание в кэш должно соответствовать применимому сроку действия и условию одинакового префикса.

Конкретные результаты четырёх моделей в одной системе оценки

Все значения в таблицах ниже взяты из Artificial Analysis Intelligence Index v4.3.2. Конфигурация тестирования: GPT-6 Sol max, GPT-6 Astra max, Claude Opus 5.5 и Fable 5.1 — все с adaptive reasoning max effort и включённым default fallback. Это не режимы по умолчанию для четырёх моделей, особенно если учесть, что у Opus по умолчанию medium, а у Fable — high; даже если у разных моделей указан max, фактический расход токенов на рассуждения различается. AA использует единые задачи и собственный harness, поэтому результаты можно сравнивать по горизонтали в рамках этой тестовой конфигурации; результаты с презентаций производителей нельзя подмешивать в эту таблицу. Ссылки: Исходное сравнение Sol–Opus, Исходное сравнение Astra–Fable, Методология AA.

Источник значений по каждой строке — две указанные выше страницы сравнения моделей одной версии AA и страница Astra–Fable. Например, в собственном harness AA для Terminal-Bench 4.0 Opus 5.5 опережает Sol на 16 процентных пунктов; это нельзя смешивать с 66,4% с официального сайта Anthropic, где используются другие настройки запуска.

Источник значений по каждой строке: AA Sol–Opus, AA Astra–Fable. Небольшую разницу в 1–2 процентных пункта не стоит трактовать как устойчивую победу; Elo, баллы индекса и доля прохождения — тоже не одинаковые единицы измерения.

Источники те же: AA Sol–Opus и AA Astra–Fable. Стоимость задачи — это взвешенное среднее по использованию в тестах AA, а не расценки за «выполнение одного требования» в вашем репозитории. Конфигурация max у Opus расходует больше выходных токенов и токенов рассуждений; это одна из причин, почему разница в счёте превышает разницу в цене за единицу.

Графики с официальных сайтов обеих компаний: подтверждают их собственные выводы, но не складываются в сравнение на одном поле

На графике DeepSWE v1.1 от OpenAI GPT-6 Sol max показывает 68,8%, а Claude Fable 5 с xhigh — 69,9%; Opus 5.5 там нет. По горизонтальной оси — стоимость одной задачи, логарифмическая шкала. Opus 5 на графике — тоже не Opus 5.5. Это показывает, что Sol в настройках, опубликованных OpenAI, достигает результатов программирующего агента, близких к моделям верхнего уровня, но не заменяет тест четырёх моделей на одном поле.

Рис. 1: OpenAI, «Introducing GPT-6 Sol and Luna» раздел «Coding», 2026-09-22. Модели и effort — согласно легенде и сноскам в оригинале. Открыть полное изображение, чтобы рассмотреть мелкий текст.

На графике Terminal-Bench 4.0 от Anthropic Claude Opus 5.5 xhigh показывает 66,4%. Указанный на графике GPT-6 Astra с 57,9% использует high, а не GPT-6 Sol. На кривой также есть точки для effort по умолчанию, но их положение нельзя принимать за оценку для xhigh. Здешний harness производителя отличается от Terminal-Bench 4.0 в таблице AA выше, поэтому нельзя вычитать 44%, которые AA даёт Sol, из 66,4%.

Рис. 2: Anthropic, «Claude Opus 5.5» раздел «Coding», 2026-09-22. По горизонтальной оси — стоимость одной попытки, логарифмическая шкала; показанные режимы, статистические интервалы и ограничения см. в оригинале. Открыть полное изображение, чтобы рассмотреть мелкий текст.

Есть также результаты, опубликованные только одной из сторон, которые не следует напрямую вычитать: OpenAI сообщает для Sol xhigh в AutomationBench 1.0.6 — 33,2%, для max в Agents' Last Exam V1 — 56,4%, для xhigh в OSWorld 2.0 offline — 60,5%, источник тот же — страница публикации OpenAI; Anthropic сообщает для 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%, источник тот же — страница публикации Anthropic. Не подтверждено, что версии, инструменты, effort или harness в этих проектах совпадают с другой стороной, поэтому мы не указываем, «на сколько впереди». Неопубликованные значения четырёх моделей в одинаковых условиях нельзя додумывать.

Сколько это стоит при одном и том же объёме задач? Пять примеров, которые можно пересчитать

Ниже ввод разделён на три взаимоисключающие категории токенов: обычный, первая запись в кэш и последующее чтение из кэша, — плюс вывод. Каждая строка — это один запрос, без вызовов инструментов, платформенных надбавок или дополнительных раундов; вывод во всех случаях ниже предела 128K для обычного запроса. Цены рассчитаны по официальным тарифам выше, поэтому количество токенов можно заменить на данные из собственного журнала usage.

Примеры расчёта: A для Sol = 0.1×$2 + 0.05×$10 = $0.70. B для Opus 5m = 0.2×$5 + 0.05×$4 + 0.02×$20 = $1.60; C для Opus = 0.2×$0.20 + 0.05×$4 + 0.02×$20 = $0.64. В E ввод Sol 300K уже превышает 272K, весь запрос считается по $4 за ввод и $15 за вывод; для Astra соответственно $20/$75. У Opus/Fable контекст 1M сохраняет стандартную цену. B и C — разные запросы: сначала запись, затем чтение; в C нужно убедиться, что кэш ещё действителен. Срок хранения кэша у OpenAI и механизм тарификации 5m/1h у Anthropic различаются, поэтому плату за запись из B нельзя по ошибке добавлять к каждому запросу C. Основания: Цены двух моделей OpenAI, Правила цен Anthropic.

Как распределить роли в реальном рабочем процессе программирования?

Sol сначала выполняет повседневные итерации. Разбор требований, небольшие изменения в существующем репозитории, патчи тестов и работу, которую можно массово проверять, сначала поручайте Sol, а затем фиксируйте долю успешных задач, число доработок и общее количество токенов. Его низкая цена наиболее заметна в примерах A–D, где не превышен порог 272K; на сверхдлинных запросах ценовое преимущество уменьшается.

Opus 5.5 берёт на себя agent-задачи, которые трудно свести к решению с первого раза. В тестах AA на одном поле он показывает более высокие результаты в сводной оценке, терминале и работе со знаниями, но в конфигурации max средняя стоимость одной задачи тоже заметно выше. Сначала можно построить локальную базовую линию на medium по умолчанию или на том effort, который вы реально используете, а затем повышать уровень для сложных задач. Не воспринимайте результаты AA с max как опыт по умолчанию.

Astra и Fable 5.1 — это ступени для более сложных задач. Astra конкурентоспособна в AutomationBench-AA, Terminal-Bench 4.0 и GDP.pdf от AA, а Fable 5.1 сильнее по некоторым показателям длительной работы со знаниями, но базовая цена ввода/вывода $10/$50 у обеих значительно выше, чем у Sol. Чтение из кэша у Fable стоит $0.25, ниже $1.00 у Astra; если многократно читать большой префикс, порядок по стоимости может измениться. Для сложных задач рекомендуется провести приёмку на небольшой выборке из четырёх моделей на одних и тех же требованиях из вашего репозитория и выбирать по «стоимости успешно выполненной и готовой к слиянию задачи», а не по баллам одного рейтинга.

В PandaNpc Codex и Claude Code — два доступных Agent Engine. При выборе точки входа также учитывайте уже имеющуюся у вас подписку или канал API, права инструментов, контекст репозитория и процесс проверки в команде; цену API модели нельзя напрямую пересчитывать в лимит подписки на инструмент. В этой статье показаны публичные характеристики и оценки, и мы не заявляем о рейтинге четырёх моделей по фактическим тестам внутри PandaNpc.

FAQ

Sol обязательно вдвое дешевле Opus 5.5? Только цена ввода и вывода в стандартном API вдвое ниже. Ввод свыше 272K, запись и чтение кэша, фактические токены рассуждений, число раундов и плата за инструменты могут изменить счёт за задачу целиком. В сценарии E выше цена одного запроса у них сблизилась до $1.50 и $1.60.

Могут ли два официальных графика по программированию доказать, кто победил? Нет. На графике OpenAI нет Opus 5.5, на графике Anthropic нет Sol, к тому же различаются бенчмарки и harness. Чтобы увидеть результаты четырёх моделей на одном поле, смотрите таблицу фиксированной конфигурации AA v4.3.2; чтобы выбрать инструмент для себя, нужно заново прогнать задачи из собственного репозитория.

Можно ли сочетать кэш и Batch? Документация по ценам Anthropic явно поддерживает сочетание; фактическое попадание в кэш зависит от префикса, срока действия и настроек запроса. У обеих моделей OpenAI Batch стоит 50% от стандартного тарифа; конкретный счёт сверяйте по записям использования соответствующего API.