Generierte Titelkarte für Claude Opus 5.5 vs. GPT-6.2 Sol mit drei Statistikkarten, die „1,8 Indexpunkte Abstand“, „10-fache Kosten pro Aufgabe“ und „3-fache reale Laufzeit“ anzeigen, sowie einer Fußzeile, die den Artificial-Analysis-Index v5.0.1 und die Veröffentlichung von GPT-6.2 Sol am 17. November 2026 zitiert. OrcaRouter-Logo unten rechts.
Guides & Insights

Claude Opus 5.5 vs. GPT-6.2 Sol: Zwei Punkte, dreimal so lange warten

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Fragt man einen Entwickler, welches dieser beiden Modelle eingesetzt werden soll, kommt die Antwort meist als Leaderboard-Position. Fragt man jemanden, der bis Freitag ein Feature ausliefern muss, ist die Frage eine andere: Wie lange dauert eine Antwort, und was kostet es, sie zu bekommen. Laut den Messungen von Artificial Analysis zum Zeitpunkt der Niederschrift, Claude Opus 5.5 erreicht 59,1 im Intelligence Index und GPT-6.2 Sol erreicht 57,3 — eine Lücke von 1,8 Punkten, weniger als das Rauschen von Lauf zu Lauf in vielen Suiten. Bei der Wall-Clock-Zeit pro Index-Aufgabe liest man für dasselbe Paar 24,6 Minuten gegenüber 8,0. Ein Modell ist dreimal so schnell und liegt dafür zwei Punkte niedriger, und dieses Verhältnis, nicht die Leaderboard-Position, entscheidet in den meisten realen Deployments.

Die Daten sind wichtig, um den Rest zu verstehen. Claude Opus 5.5 ist seit dem 22. September 2026 allgemein verfügbar, zu 4 US-Dollar pro Million Eingabe-Tokens und 20 US-Dollar pro Million Ausgabe-Tokens. GPT-6.2 Sol ist zum Zeitpunkt des Schreibens zwei Tage alt, von Open​AI am 17. November 2026 zu 2 und 10 US-Dollar mit einem Kontextfenster von 1.050.000 Tokens veröffentlicht — eine direkte Preisgleichheit mit dem Modell, das es ersetzt, GPT-6.1 Sol, das seit dem 29. September 2/10 US-Dollar hält. Es handelt sich also nicht um einen Vergleich zwischen einem bewährten Modell und einem Herausforderer ohne Erfolgsbilanz auf der einen Seite und ohne Preisbewegung auf der anderen; es ist ein Vergleich zwischen einem ausgereiften Flaggschiff und einer Auffrischung zum selben Preis, die hauptsächlich das zugrunde liegende Modell ausgetauscht hat.

Woher die Angabe zur dreifachen Latenz stammt

Es ist nicht die Ausgabegeschwindigkeit. In Tokens pro Sekunde gemessen, liegen die beiden näher beieinander, als es die Schlagzeile nahelegt: GPT-6.2 Sol erzeugt 85 Tok/s gegenüber 117 von Claude Opus 5.5. Opus 5.5 ist tatsächlich der schnellere Generator. Die Lücke entsteht bei der Frage, wie viele Tokens jedes Modell zu erzeugen beschließt, bevor es stoppt.

Headless capture of Artificial Analysis's GPT-6.2 Sol model page, showing the model's summary panel with its Intelligence Index score of 57, its release date of 17 November 2026, output speed of 85 tokens per second, and pricing of $2.00 per million input and $10.00 per million output tokens.

Über die gesamte Index-Suite hinweg verzeichnete Artificial Analysis 218 Mio. Ausgabe-Tokens für Claude Opus 5.5 und 60,9 Mio. für GPT-6.2 Sol — ein 3,6-facher Unterschied bei der Gesamtzahl generierter Tokens für dieselbe Aufgabenmenge. Multipliziert man das mit dem Geschwindigkeitsverhältnis, erhält man die 24,6 gegenüber 8,0 Minuten pro Aufgabe. Mit anderen Worten: Opus 5.5 ist nicht langsam, weil seine Inferenz langsam ist. Es ist langsam, weil es länger nachdenkt, und in diesem Harness bringt das zusätzliche Nachdenken 1,8 Indexpunkte.

Das ist ein grundlegend anderes Problem als bei einem Modell, das einfach nicht ausreichend mit Ressourcen ausgestattet ist. Sie können es nicht beheben, indem Sie zu einem schnelleren Anbieter wechseln oder eine größere GPU-Zuweisung vornehmen; die Tokens sind eine Eigenschaft der Aufwands-Einstellung des Modells. Was Sie tun können, ist, die Aufwands-Einstellung zu ändern, und die ehrliche Beschreibung der Situation von Opus 5.5 lautet, dass seine veröffentlichten Werte bei maximalem Aufwand ermittelt werden – der Einstellung, die die Punktzahl maximiert und gleichzeitig die Latenz verschlechtert.

Die Benchmarks, bei denen sich die Zwei-Punkte-Lücke umkehrt

Der zusammengesetzte Index verbirgt eine echte Spaltung, und diese Spaltung verläuft entlang einer Linie, die die meisten Teams in ihrem eigenen Backlog erkennen können. Alle Zahlen sind unabhängige Messungen von Artificial Analysis auf derselben Suite, beide Modelle mit höchstem Aufwand.

• Intelligenz-Index — 59,1 vs. 57,3, bezogen auf die Revision v5.0.1.

• Kosten pro Index-Aufgabe — 10,04 $ vs. 1,01 $, ein 9,9-facher Unterschied.

• Zeit pro Index-Aufgabe — 24,6 Min. vs. 8,0 Min.

• Terminal-Bench 4.0 — 59,6 % vs. 60,1 %, praktisch gleichauf, wobei das neuere Modell knapp vorn liegt.

• Terminal-Bench-Science 0.1 — 59,0 % vs. 67,6 %, ein Vorsprung von 8,6 Punkten für GPT-6.2 Sol und die größte Einzeldifferenz in diesem Artikel.

• FrontierCode-AA 2.0 — 46,4 % vs. 44,4 %.

• HLE-Diamond — 67,9 % gegenüber 64,0 %.

• AnalystAgent — 56,3 % gegenüber 53,8 %.

• AutomationBench-AA — 69,5 % vs. 71,3 %, ein knapper Sieg für Sol.

• AA-Omniscience — 48,1 bei 65,5 % Genauigkeit vs. 40,4 bei 61,6 % Genauigkeit.

• Kontext und Ausgabe — 1 Mio. Tokens bei 128 K Ausgabe vs. 1.050.000 Tokens bei 922 K maximaler Eingabe und 128 K Ausgabe.

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GPT-6.2 Sol - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, time per task 24.6 min, Terminal-Bench Science 59.0%, HLE-Diamond 67.9%, price $4 / $20. Right column GPT-6.2 Sol rows: Intelligence Index 57.3, cost per task $1.01, time per task 8.0 min, Terminal-Bench Science 67.6%, HLE-Diamond 64.0%, price $2 / $10. Footer: both per Artificial Analysis index v5.0.1 at max effort. OrcaRouter logo bottom-right.

Liest man die Terminalzeilen zusammen, ergibt sich ein konkretes Bild. Bei gewöhnlicher agentischer Terminal-Arbeit sind die beiden Modelle austauschbar – ein Unterschied von einem halben Punkt in die eine oder andere Richtung ist kein Signal. Bei wissenschaftlicher Terminal-Arbeit gewinnt GPT-6.2 Sol um fast neun Punkte und bei AutomationBench um zwei. Wo Opus 5.5 vorne liegt, sind Recall und referenzlastige Analyse: bei HLE-Diamond um 3,9, beim Omniscience-Composite um 7,7.

Wenn Ihre Agenten Code in einem Terminal ausführen, läuft die Wahl zwischen diesen beiden darauf hinaus, ob dieser Code Anwendungslogik oder Berechnung ist. Anwendungslogik: Gleichstand. Berechnung mit einem wissenschaftlichen oder numerischen Kern: Das günstigere, schnellere Modell ist zugleich das leistungsfähigere, was das seltenste Ergebnis in diesem Markt und das stärkste einzelne Argument für GPT-6.2 Sol ist.

Warum die Rechnung 10× so hoch ist, wenn der Preis 2× so hoch ist

Das Listenpreis-Verhältnis beträgt 2×: $4/$20 gegenüber $2/$10. Das gemessene Verhältnis beträgt 9,9×. Zwei Faktoren multiplizieren sich zu diesem Wert – der 2×-Preis und das 3,6×-Token-Verhältnis –, und der Grund, das ausdrücklich zu nennen, ist, dass ein Team, das Preislisten vergleicht, mit einem 2×-Unterschied kalkulieren würde und einen 10×-Unterschied bekommt.

Konkret: 10.000 Agenten-Aufgaben beim gemessenen Profil von Opus 5.5 landen bei knapp 100.000 US-Dollar. Dieselben 10.000 Aufgaben auf GPT-6.2 Sol landen bei knapp 10.000 US-Dollar. Das ist eine Entscheidung über Personal, nicht über Optimierung. Es ist außerdem der mit Abstand größte Hebel, der jedem zur Verfügung steht, der Agenten in großem Umfang betreibt, und es ist ein Hebel, den Anthrop​ic bereits einmal betätigt hat — Opus 5.5 selbst hat 20 % vom Listenpreis von Opus 5 und 60 % bei Cache-Reads abgezogen.

Das Cache-Verhalten ist der Punkt, an dem die Preisdiskussion subtil wird. Der Cache-Read von Opus 5.5 kostet 0,20 $ pro Million; der von GPT-6.2 Sol 0,10 $. Doch die Kosten pro Aufgabe bei Opus 5.5 werden von generierten Tokens bestimmt, nicht vom Input, und gecachter Input bringt einem Modell nichts, das sein Budget mit Denken verbringt. Die Ausführlichkeit ist der Kostenfaktor, und die einzige Stellschraube dafür ist die Effort-Stufe – die den Score senkt, für den Sie bezahlen.

Was die Effort-Einstellung tatsächlich bringt

Anthropics eigenes Launch-Material gibt Terminal-Bench 4.0 mit 66,4 % für Opus 5.5 an, gegenüber 52,3 % für Opus 5, und diese 66,4 % stammen aus der xhighEinstellung statt aus dem Standardwert medium des Modells. Der unabhängige Wert für denselben Benchmark, 59,6 %, liegt noch niedriger und spiegelt die eigene Konfiguration von Artificial Analysis wider. Drei Zahlen, ein Benchmark, drei Konfigurationen — deshalb trägt jeder Wert in diesem Artikel das Harness, das ihn erzeugt hat.

Die praktische Konsequenz ist, dass der Vorsprung von 1,8 Punkten im Index ein Vorsprung bei maximalem Aufwand ist und die Standardeinstellung nicht maximaler Aufwand entspricht. Ein Team, das Opus 5.5 auf medium einsetzt, bekommt mehr von der Latenz zurück und weniger von der Punktzahl, und es gibt keine veröffentlichte Tabelle dafür, wo das landet. Wenn der Zwei-Punkte-Abstand der Grund dafür ist, dass Sie Opus 5.5 wählen, stellen Sie sicher, dass die Aufwandseinstellung, die ihn erzeugt, auch die ist, die Sie tatsächlich ausführen werden.

Beide ausführen, ohne zu wählen

Der Grund, warum dieser Vergleich weniger folgenreich ist, als er aussieht, ist, dass die beiden Modelle keine echten Substitute sind. Das eine ist ein Deep-Reasoning-Modell, das man langsam auf schwierige Probleme richtet; das andere ein schnelles, günstiges Modell, das man auf Volumen richtet. Das ist eine Routing-Konfiguration, keine Architekturentscheidung, und beide liegen hinter einem einzigen Schlüssel auf OrcaRouter — anthropic/claude-opus-5.5 zum eigenen Tarif des Anbieters mit 0 % Aufschlag, und die Open​AI-Route daneben.

Die Version davon, die in der Produktion tatsächlich funktioniert: Schicken Sie den Planungsdurchlauf an Opus 5.5 und die Ausführungs- und Verifikationsdurchläufe an GPT-6.2 Sol, denn die Benchmark-Aufteilung zeigt, dass jedes der beiden genau dort stark ist. Fassen Sie die beiden mit der Routing-DSL zu einem Aufruf zusammen, sodass der Wechsel für die Anwendung unsichtbar ist, und setzen Sie automatisches Failover auf die Opus-Route – ein Modell, dessen Zeit pro Aufgabe in Dutzenden von Minuten gemessen wird, ist genau dasjenige, bei dem Sie nicht möchten, dass ein einzelner Anbieterausfall es lahmlegt. Die kombinierten Kosten liegen weit unter denen beider reinen Konfigurationen, und das Latenzprofil folgt bei den meisten Schritten dem schnellen Modell.

Headless capture of OrcaRouter's model page for anthropic/claude-opus-5.5, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

Worauf man achten sollte – und was die Antwort ändern würde

GPT-6.2 Sol ist seit zwei Tagen auf dem Markt, und die Resonanz in der Startwoche war nicht durchweg positiv – Berichte über die Veröffentlichung von Astra und Sol am 17. November meldeten insbesondere zur Astra-Seite vehemente Beschwerden von Power-Usern. Betrachten Sie die obigen unabhängigen Zahlen bis zum Vorliegen eines zweiten Messzyklus als verlässliches Signal und die Forenstimmung als Rauschen. Was diesen Vergleich wirklich verändern würde, wäre ein veröffentlichter Wert für GPT-6.2 Sol bei einer niedrigeren Aufwandsstufe, der zeigen würde, ob sein Geschwindigkeitsvorteil Bestand hat, wenn es so lange denken soll wie Opus 5.5.

Die andere Sache, auf die man achten sollte, ist der Preis. Open​AI hielt Sols Preisliste zwischen 6.1 und 6.2 unverändert, senkte aber die von Astra um 20 %, was darauf hindeutet, dass die Sol-Stufe eher auf Volumen als auf Leistungsfähigkeit ausgerichtet wird. Wenn das so bleibt, ist die 10×-Lücke pro Aufgabe strukturell und nicht temporär, und die oben genannte Routing-Antwort wird zum Standard statt zu einer cleveren Optimierung.

Vorerst gilt: Wenn Sie sich für ein einziges Modell entscheiden und Ihre Arbeit wissenschaftliche Berechnungen, agentische Ausführung in großem Umfang oder irgendetwas Latenzkritisches umfasst, ist GPT-6.2 Sol mit großem Abstand die bessere Wahl, und das Defizit von 1,8 Punkten ist nicht real genug, um eine 10-fache Rechnung zu rechtfertigen. Wenn Ihre Arbeit tiefgehende Analyse ist, bei der eine erinnerte Tatsache mehr wert ist als eine schnelle Antwort, sind Opus 5.5' Allwissenheit und seine HLE-Vorsprünge die Größen, die man gewichten sollte — und Sie sollten einplanen, dass es dreimal so lange dauert.

In diesem Artikel verglichen1

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert