GPT-6.1 Sol vs. Claude Opus 5: Ein Indexpunkt Unterschied, zweieinhalbmal so teuer

Ein Punkt auf einer Hundert-Punkte-Skala trennt sie, und eines von ihnen kostet zweieinhalbmal so viel. Im Artificial Analysis Intelligence Index liegt GPT-6.1 Sol — die Veröffentlichung von Open​AI vom 2026-09-29 — bei 51.8. Claude Opus 5, das Flaggschiff von Anthrop​ic seit 2026-07-24, liegt bei 50.8. Die Preislisten nennen 2,00 $ und 10,00 $ pro Million Token für GPT-6.1 Sol gegenüber 5,00 $ und 25,00 $ für Claude Opus 5. Das ist kein Vergleich zwischen einem starken und einem billigen Modell. Es sind zwei Modelle, die ein unabhängiger Evaluator nicht um mehr als einen Punkt auseinanderhalten konnte, zu Preisen verkauft, die sich um den Faktor 2,5 unterscheiden — und die interessante Frage ist nicht, welches besser ist, sondern welches der beiden der Index nicht zu unterscheiden vermag.

Jede Zahl unten ist entweder eine Messung von Artificial Analysis, die in unseren Modellaufzeichnungen geführt wird, eine Zahl, die der Anbieter selbst veröffentlicht hat, oder eine Berechnung auf Basis der beiden Preislisten. Wenn eine Zahl vom Anbieter selbst stammt und niemand außerhalb sie reproduziert hat, wird das im Satz gesagt.

Was die beiden tatsächlich sind

Claude Opus 5 ist Anthropics Generalist der Spitzenklasse: ein Kontextfenster von 1.000.000 Tokens, 128.000 Ausgabe-Tokens, Text-, Bild- und Dateieingabe sowie adaptives Reasoning, bei dem Aufrufende eine Effort-Stufe statt einer Temperatur festlegen. Es ist das Modell, das das Unternehmen für End-to-End-Softwareentwicklung, Code-Reviews und lange mehrstufige agentische Sitzungen mit intensiver Tool-Nutzung positioniert.

GPT-6.1 Sol ist eine Stufe unter Open​AIs eigenem Flaggschiff – GPT-6 Astra – in der GP​T-6-Reihe und wurde sechs Wochen nach dem Modell, das es ersetzte, GPT-6 Sol, zum selben Preis von $2.00/$10.00 ausgeliefert. Es verfügt über ein Kontextfenster von 1.050.000 Token, dieselbe Obergrenze von 128.000 Token für die Ausgabe, dieselbe Eingabeoberfläche für Text, Bilder und Dateien sowie fünf Stufen für den Reasoning-Aufwand von niedrig bis maximal, wobei mittel die Standardeinstellung ist.

Lies diese beiden Absätze nebeneinander und die Spezifikationszeilen sind nahezu identisch. Die Unterschiede stecken im Kleingedruckten, und drei davon sind von Bedeutung:

• Sampling-Parameter — keines der beiden Modelle akzeptiert temperature oder top_p. Beide ersetzen sie durch einen Effort-Regler. Wenn Ihr Code eine Temperature übergibt, lehnen beide sie ab, sodass keines ein Drop-in-Ersatz für eine Legacy-Integration ist.

• Kontext-Obergrenze — 1.050.000 Token für GPT-6.1 Sol gegenüber 1.000.000 für Claude Opus 5. Ein Unterschied von fünf Prozent; in der Praxis irrelevant und nicht der Punkt, an dem diese Entscheidung hängt.

• Standardwerte für den Aufwand — GPT-6.1 Sol ist standardmäßig auf mittel eingestellt; das adaptive Denken von Claude Opus 5 weist die Tiefe selbst zu. Alles am untenstehenden Indexvergleich hängt davon ab – das ist der Vorbehalt, der später kommt.

Die fünf Achsen, auf denen beide gemessen wurden

Das ist der Punkt, den die meisten Berichte zu dieser Paarung falsch machen, weil sie eine Anbieterzahl auf der einen Seite mit einer Zahl eines Drittanbieters auf der anderen Seite vermischen. Die fünf Zeilen unten sind alle von Artificial Analysis, alle vom selben Evaluator, für beide Modelle:

• AA Intelligence Index — GPT-6.1 Sol 51,8 (Rang 10, 93,2. Perzentil) gegen Claude Opus 5 50,8 (Rang 11, 92,5. Perzentil). Ein Punkt.

• Humanity's Last Exam — 52,9 % gegenüber 54,9 %. Claude Opus 5 liegt um zwei Punkte zurück.

• SciCode — 54,2 % gegenüber 56,4 %. Claude Opus 5 um 2,2 Punkte.

• Langkontext-Recall — 83 % gegenüber 79,33 %. GPT-6.1 Sol um 3,7 Punkte.

• Term-Bench 4.0 — 56,06 % gegenüber 48,99 %. GPT-6.1 Sol mit sieben Punkten Vorsprung.

Drei zu zwei, bei Vorsprüngen zwischen einem und sieben Punkten, zum 2,5-Fachen des Preises. Es gibt eine sechste Achse, die Claude Opus 5 allein hält – GPQA Diamond bei 93,2 % –, und eine siebte, die es allein in die andere Richtung hält: Artificial Analysis bewertet Claude Opus 5 mit 78 auf seinem Coding Index, 98,6. Perzentil, Rang 2. GPT-6.1 Sol ist in unseren Aufzeichnungen auf dieser Achse überhaupt nicht aufgeführt, es gibt also keine Zahl, die man daneben setzen könnte, und sich eine aus einem Anbieter-Deck auszudenken, ist genau der Schachzug, den dieser Blog nicht macht.

Wo der Aufpreis noch vertretbar ist

Eine Indexdifferenz von einem Punkt wäre ein schwacher Grund, 2,5-mal so viel zu zahlen, wenn das alles wäre. Das ist es nicht, und es gibt drei Punkte, an denen Claude Opus 5 der bessere Kauf ist, egal was der Index sagt.

Das erste ist die Coding-Index-Zeile oben. Rang 2 von 138 Modellen im eigenen Composite des Evaluators, auf dem 98,6. Perzentil, ist eine konkrete Aussage über eine bestimmte Art von Arbeit, und es ist genau die Art von Arbeit, die die meisten Teams verrichten, die zu diesem Preispunkt kaufen. Unsere OrcaRouter-Modellseite für anthropic/claude-opus-5zeigt „Rang 1" gegenüber dem Codex-Benchmark und durchschnittliche Kosten von 1,09 $ pro Aufgabe — unsere eigenen Serving-Daten, keine Angabe eines Anbieters, und eine Erinnerung daran, dass der Preis pro Token nicht der Preis pro Auftrag ist.

Der zweite Punkt ist Batch. Claude Opus 5 bietet einen Batch-Rabatt von 50 Prozent, wodurch es auf 2,50 $ Input und 12,50 $ Output kommt, und es erlaubt 300.000 Output-Token im Batch-Modus gegenüber 128.000 auf dem interaktiven Pfad. Bei 2,50 $/12,50 $ ist es beim Input nicht mehr das Zweieinhalbfache des Preises von GPT-6.1 Sol — es liegt 25 Prozent darüber. Für jede Workload, die eine Warteschlange toleriert — Offline-Indexierung, Massenklassifizierung, Testgenerierung über Nacht —, wird das gesamte Argument dieses Artikels deutlich kleiner, und es schrumpft zu Gunsten von Anthropic.

Der dritte ist der bescheidene multimodale Multiplikator. Die von Anthrop​ic selbst veröffentlichten Zahlen setzen Claude Opus 5 bei 70,6 % auf OSWorld 2.0 und 96,0 % auf SWE-bench Verified an, mit 79,2 % auf SWE-bench Pro. Das sind vom Anbieter gemeldete Zahlen zu einem im Juli angekündigten Modell, niemand von außerhalb hat sie hier reproduziert, und die Achsen überschneiden sich nicht mit den oben stehenden Zeilen von Artificial Analysis — sie können daher nicht zu dieser Scorecard hinzugezählt werden. Sie sind nur als Hinweis darauf lesenswert, dass Anthrop​ic speziell Stärke bei Computer-Use und Repository-Scale-Engineering beansprucht, genau der Käufer, auf den dieses Modell preislich abzielt.

Die Tarifkarten, einschließlich der Zeile, die nur eine von ihnen hat

Claude Opus 5 berechnet pauschal 5,00 $ und 25,00 $ über sein gesamtes Fenster von einer Million Token, wobei Cache-Lesevorgänge 0,50 $ und Cache-Schreibvorgänge 10,00 $ kosten. GPT-6.1 Sol berechnet 2,00 $ und 10,00 $ bis zu 272.000 Prompt-Token und berechnet dann die gesamte Anfrage oberhalb dieser Grenze mit 4,00 $ und 15,00 $ neu, wobei sich Cache-Lesevorgänge von 0,10 $ auf 0,20 $ und Cache-Schreibvorgänge von 2,50 $ auf 5,00 $ verschieben. Die Umkehrung, die dadurch entsteht, ist die praktische Konsequenz des Kaufs von langem Kontext von einem der beiden Modelle:

• Ein Prompt mit 250.000 Tokens — GPT-6.1 Sol befindet sich noch in der ersten Tarifstufe, bei 2,00 $/10,00 $ gegenüber 5,00 $/25,00 $. Dies ist im Vergleich die günstigste Anfrage mit großem Kontext.

• Ein Prompt mit 300.000 Tokens — GPT-6.1 Sol ist auf 4,00 $/15,00 $ gestiegen, und Claude Opus 5 ist unverändert geblieben. Die Lücke schrumpft beim Input von 2,5× auf 1,25× und beim Output auf 1,67×.

• Cache-Lesevorgänge — 0,10 $ pro Million für GPT-6.1 Sol gegenüber 0,50 $ für Claude Opus 5, innerhalb der ersten Tarifstufen beider Modelle. Bei einer langen agentischen Sitzung, die denselben Präfix erneut liest, wirkt sich diese Zeile stärker auf die Rechnung aus als die beworbenen Preise.

• Cache-Schreibvorgänge — 2,50 $ gegenüber 10,00 $. Gleiche Richtung, gleiche Größenordnung.

Das ist ein wahrer und wenig glamouröser Punkt: Die 2×-Schlagzeile bezieht sich nur auf kurze Prompts. Sobald ein Gespräch 272.000 Token erreicht, wird GPT-6.1 Sol ebenfalls wie ein Premiummodell bepreist, und der ehrliche Vergleich lautet dann „ein Premiummodell mit einem viel günstigeren Cache“ gegen „ein Premiummodell mit Flatrate“.

Warum ein einziger Punkt das nicht allein entscheiden sollte

Die oben stehenden Indexzeilen wurden nicht am selben Tag erhoben, und das fällt hier stärker ins Gewicht als bei den meisten Vergleichen. Der Artificial-Analysis-Eintrag für GPT-6.1 Sol weist als Evaluierungsdatum 2026-09-28 aus. Der für Claude Opus 5 weist 2026-07-23 aus – neun Wochen früher, auf einem Harness, der in diesem Zeitraum überarbeitet wurde.

Dafür gibt es ein sichtbares Symptom in unseren eigenen Aufzeichnungen. Eine frühere Berichterstattung zu Claude Opus 5 setzte es im Intelligence Index auf 61 und an die Spitze der Bestenliste. Der Katalogeintrag, den wir heute gelesen haben, führt dasselbe Modell bei 50,8, Rang 11. Beides kann zutreffen: Der Index wurde überarbeitet, und ein zusammengesetzter Score reagiert empfindlich auf den Reasoning-Effort, den der Evaluator auswählt — Claude Opus 5 erreichte bei maximalem Effort den Höchstwert, und der Eintrag, den wir führen, ist überhaupt nicht mit einer Effort-Einstellung annotiert. Die 51,8 von GPT-6.1 Sol weist dieselbe Mehrdeutigkeit auf.

Was das für eine Kaufentscheidung bedeutet, ist eng begrenzt, aber wichtig. Ein Ein-Punkt-Unterschied zwischen zwei Modellen, die neun Wochen auseinander bewertet wurden, auf einem sich verändernden Composite, bei nicht näher spezifizierten Effort-Einstellungen, belegt nicht, dass das eine Modell klüger ist als das andere. Was die fünf Zeilen belegen, ist, dass sie im selben Band liegen – und ein Ergebnis im selben Band bei 2,5-fachem Preis ist ein Beschaffungsfakt, kein Leistungsfakt.

Welche weiterleiten

Nimm das Modell, das du kaufen wolltest, und teste es gegen das andere. Das klingt nach einer Plattitüde, aber es ist der einzige Schritt, den die Evidenz hier tatsächlich stützt, und beide Modelle sind über einen einzigen Open​AI-kompatiblen Endpunkt erreichbar — openai/gpt-6.1-sol und anthropic/claude-opus-5 auf OrcaRouter — der Test ist also eine Änderung der Modellzeichenkette, kein zweiter Vertrag und kein Rewrite. Die Preise entsprechen dem Listenpreis des Anbieters mit 0 % Aufschlag: 2,00 $/10,00 $ mit der Tarifstufe oberhalb von 272K, genau so angewendet, wie Open​AI sie festlegt, und 5,00 $/25,00 $ mit dem Batch-Rabatt, genau so angewendet, wie Anthrop​ic ihn festlegt, was außerdem bedeutet, dass eine Preisänderung des Anbieters bei uns noch am selben Tag wirksam wird statt erst zum nächsten Abrechnungszyklus. Wo beide geroutet werden, sitzt darunter ein automatisches Failover, was von Vorteil ist, wenn das günstigere der beiden dasjenige ist, das einen Produktionspfad hält.

Wenn Sie eine Standardeinstellung möchten, bevor Sie eigene Zahlen haben, ist die Aufteilung, die die Belege stützen, folgende. Wählen Sie GPT-6.1 Sol, wenn die Arbeitslast aus langen Prompts besteht, cache-intensiv oder terminal- und toolförmig ist – die Zeilen Long-Context Recall und Terminal-Bench 4.0 sind die beiden breitesten Abstände im Vergleich, und Cache-Lesevorgänge zu 0,10 $ sind ein großer Hebel bei agentischen Sitzungen, die ein Präfix erneut lesen. Wählen Sie Claude Opus 5, wenn die Arbeitslast Coding im Repository-Maßstab ist, wenn Batch akzeptabel ist oder wenn der Prompt in 128.000 Token passt und die Kosten pro Aufgabe, die unser eigener Playground mit 1,09 $ misst, die Zahl sind, die Ihr Finanzteam bereits genehmigt hat.

Das Urteil, das dieses Duo erhält, fällt knapper aus, als es beiden Anbietern lieb sein dürfte. Bei unabhängiger Messung liegen die beiden praktisch gleichauf; beim Preis jedoch nicht, und der Preis ist die Achse, aus der sich einer von ihnen nicht herausargumentieren kann.