Eine generierte Titelkarte mit der Aufschrift „GPT-6.2 Sol Pro vs. Claude Opus 5.5: zwei Punkte Leistungsfähigkeit, zehnmal die Rechnung“, mit den Werten 57,3 gegen 59,1 auf dem Intelligence Index und 1,01 $ gegen 10,04 $ Kosten pro Aufgabe sowie einem Hinweis, dass es sich bei GPT-6.2 Sol Pro um gpt-6.2-sol handelt, aufgerufen mit auf pro gesetztem Reasoning-Modus.
Guides & Insights

GPT-6.2 Sol Pro vs. Claude Opus 5.5: Eine 2-Punkte-Lücke und eine 10-fache Rechnung

Autor

jinhao.song

Veröffentlicht am

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

Wenn Sie zwischen GPT-6.2 Sol Pro und Claude Opus 5.5 diese Woche wählen, weisen die beiden prominentesten Zahlen in entgegengesetzte Richtungen und keine von beiden ist falsch. Im Intelligence Index von Artificial Analysis in Version v5.0.1 erreicht Claude Opus 5.5 bei maximalem Aufwand 59,1 und GPT-6.2 Sol bei maximalem Aufwand 57,3 – eine Differenz von 1,8 Punkten. Kosten pro Indexaufgabe für dieselben Suiten: 10,04 $ gegenüber 1,01 $. Sie werden gefragt, ob zwei Punkte Leistungsfähigkeit ungefähr das Zehnfache des Geldes wert sind, und die Antwort hängt davon ab, in welcher der fünf unten aufgeführten Dimensionen Ihre Arbeitslast tatsächlich liegt.

Vorab eine Anmerkung zum Namen, denn er verändert, was Sie vergleichen. GPT-6.2 Sol Pro ist kein separates Produkt. Es ist GPT-6.2 Sol – veröffentlicht am 17. November 2026 –, aufgerufen mit reasoning.mode: pro in der Responses API, wobei die Abrechnung zu den Standardtarifen des Basismodells erfolgt und einfach mehr Modellarbeit geleistet wird. Anthropic hat keinen vergleichbaren Schalter: Claude Opus 5.5 bietet Extended Thinking zu einem festen Preis. Die eine Seite dieses Vergleichs ist also eine Konfiguration, an der Sie drehen können, und die andere eine feste Abrechnung. Diese Asymmetrie macht den ganzen Artikel aus.

Die Anzeigetafel mit den angehängten Harness-Namen

Alles in diesem Abschnitt ist die unabhängige Messung von Artificial Analysis, nicht die veröffentlichte Tabelle eines der beiden Anbieter. Beide Modelle wurden mit maximalem Aufwand auf derselben Testsuite mit derselben Bewertung ausgeführt, was die einzige Möglichkeit ist, diesen Vergleich sinnvoll zu machen. Keiner der Anbieter hat eine eigene Pro-Modus-Evaluierung veröffentlicht.

• Intelligence Index — GPT-6.2 Sol 57.3, Fünfter von 58 bewerteten Einträgen auf der Rangliste, gemessen am 18. November, gegenüber Claude Opus 5.5 59.1, Vierter.

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

• Terminal-Bench 4.0 — 60,1 % gegenüber 59,6 %, praktisch gleichauf.

• Terminal-Bench Science — 67,6 % vs. 59,0 %, die größte einzelne Differenz auf der gesamten Rangliste – und sie verläuft in die andere Richtung.

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

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

• AutomationBench — 71,3 % vs. 69,5 %.

• AnalystAgent — 53,8 % vs. 56,3 %.

• AA-Omniscience — 40,4 bei 61,6 % Genauigkeit und einer Halluzinationsrate von 55,4 % gegenüber 48,1 bei 65,5 % Genauigkeit und einer Halluzinationsrate von 50,3 %.

• Kontext — 1.050.000 Token mit maximal 922.000 Eingabe- und 128.000 Ausgabe-Token im Vergleich zu 1.000.000 Token mit maximal 128.000 Ausgabe-Token.

• Preis — 2,00 $ Eingabe / 0,10 $ zwischengespeichert / 2,50 $ Cache-Schreiben / 10,00 $ Ausgabe pro Million vs. 4,00 $ / 0,20 $ / 5,00 $ / 20,00 $.

Liest man die Mitte dieser Liste, zeigt sich ein Muster, das der zusammengesetzte Index verbirgt. Bei Terminal-Arbeiten sind die beiden Modelle nicht zu unterscheiden, und bei wissenschaftlichen Terminal-Arbeiten gewinnt das günstigere um fast neun Punkte. In den Agentic-Automation-Suites gewinnt es erneut. Opus 5.5 liegt bei den Aufgaben vorn, deren richtige Antwort abgerufen statt hergeleitet werden muss – HLE Diamond, FrontierCode –, sowie beim Wissen darum, was es nicht weiß: Dort schlägt es GPT-6.2 Sol um fast acht Punkte auf dem Omniscience-Index und fünf Punkte bei der Genauigkeit.

A generated two-column comparison scoreboard titled 'GPT-6.2 Sol vs Claude Opus 5.5', with the left column GPT-6.2 Sol at 57.3 on the Intelligence Index, $1.01 cost per task, 60.1 percent on Terminal-Bench 4.0, 67.6 percent on Terminal-Bench Science, 64.0 percent on HLE Diamond and 40.4 on AA-Omniscience, and the right column Claude Opus 5.5 at 59.1, $10.04, 59.6 percent, 59.0 percent, 67.9 percent and 48.1, with a footer attributing all measurements to Artificial Analysis at max effort.

Warum die Rechnung um das 10-Fache abweicht, wenn die Preisliste um das 2-Fache abweicht

Das Listenpreis-Verhältnis beträgt 2×: $4/$20 gegenüber $2/$10. Das gemessene Verhältnis beträgt 9,9×. Der andere Faktor fünf steckt darin, wie viele Tokens jedes Modell für das Abschließen derselben Aufgabe verbraucht, und er ist die mit Abstand nützlichste Zahl in diesem Vergleich.

Bei maximalem Aufwand kommt Claude Opus 5.5 durchschnittlich auf 173.313 Ausgabe-Tokens pro Index-Aufgabe – davon 120.460 fürs Reasoning, 52.853 für die sichtbare Antwort. GPT-6.2 Sol kommt durchschnittlich auf 40.360, davon 22.800 fürs Reasoning und 17.561 für die Antwort. Das ist ein Token-Verhältnis von 4,3× zusätzlich zum Preisverhältnis von 2×, und beide multiplizieren sich zu der Rechnung von 9,9×, die Sie tatsächlich zahlen. Das erweiterte Denken von Claude Opus 5.5 ist keine kostenlose Funktion, die nachträglich ans Modell geschraubt wurde; es ist die dominierende Position auf der Rechnung, und es ist standardmäßig aktiv in dem Sinne, dass Denk-Tokens als Ausgabe abgerechnet werden, ohne separaten Schalter, um sie günstiger zu machen.

Das erklärt auch den Unterschied bei der realen Laufzeit. Opus 5.5 benötigt bei maximalem Aufwand durchschnittlich 1.475 Sekunden pro Aufgabe, verglichen mit dem Max-Effort-Profil von GPT-6.2 Sol, das ein Viertel der Ausgabe-Tokens verbraucht. Ein Agent mit langem Horizont, der zwanzig davon pro Ticket ausführt, zahlt nicht nur zehnmal mehr; er hält den Thread pro Aufgabe fünfundzwanzig Minuten lang offen.

Nichts davon macht Opus 5.5 aus Versehen teuer. Anthropic verkauft ein Modell, das länger nachdenkt und vorsichtiger damit ist, was es behauptet, und die Allwissenheitslücke ist genau das, was man mit diesem Geld kauft. Die Frage ist, ob Ihr Workload davon profitieren kann.

Screenshot of the Artificial Analysis page for Claude Opus 5.5, showing the model listing with its Intelligence Index, pricing of $4 input and $20 output per million tokens, a 1,000,000-token context window with 128,000 maximum output, and the site's model comparison charts.

Wo jedes einzelne seinen Preis verdient

Nehmen Sie GPT-6.2 Sol, wenn die Arbeit überprüfbar ist. Coding-Agenten, CI-Reparatur, Migrationen, terminalintensive Automatisierung – alles, wo eine Testsuite oder ein Shell-Exit-Code Ihnen sagt, ob die Antwort richtig war. Bei diesen Aufgaben zahlen Sie für Ausgaben, die geprüft werden; die Kalibrierungslücke kostet Sie nichts, weil die Testumgebung den Fehler abfängt, und die 10-fache Einsparung summiert sich bei jedem Wiederholungsversuch. Das Ergebnis von Terminal-Bench Science – 67,6 % gegenüber 59,0 % – ist der stärkste Beleg in diesem Artikel dafür, dass das günstigere Modell bei empirischer Arbeit nicht das schwächere ist.

Nehmen Sie Claude Opus 5.5, wenn die Arbeit über einen langen Zeithorizont läuft und die Fehler unbemerkt bleiben. Vertragsprüfung, Recherchesynthese, Analyse mehrerer Dokumente – alles, was ein Agent erzeugt und ein Mensch liest, ohne vorher einen Test laufen lassen zu können. HLE Diamond bei 67,9 % und ein um acht Punkte höherer Omniscience-Index beschreiben ein Modell, dessen Fehler anders gelagert sind, und auf einem unverifizierten Pfad macht dieser Unterschied auf der Messskala mehr als 2× aus.

Nimm beides und route nach Aufgabe. Die ehrliche Antwort für die meisten Produktionssysteme ist, dass die Aufteilung nicht Modell gegen Modell, sondern Aufruf gegen Aufruf erfolgt. Ein einzelner Endpunkt mit einer Routing-Richtlinie kann den verifikationslastigen Pfad an das günstige Modell und den Pfad für stille Fehler an das sorgfältige Modell schicken; genau das ist die eigentliche Aufgabe der Routing-DSL — man schreibt die Regel einmal, und eine Preisänderung oder die Abschaffung eines Modells wird zu einer Konfigurationsänderung statt zu einer Migration.

Screenshot of the OrcaRouter model page for Claude Opus 5.5, showing the model ID anthropic/claude-opus-5.5, a 1,000,000-token context window with 128,000 maximum output, input pricing of $4.00 and output pricing of $20.00 per million tokens, and a description of the model as Anthropic's flagship.

Das ist auch das praktische Argument dafür, beide auf einem Schlüssel zu halten. Auf OrcaRouter openai/gpt-6.1-sol und anthropic/claude-opus-5.5 sind beide im Katalog zum Listenpreis des Anbieters ohne Aufschlag (0 %) — die oben genannten 2 $/10 $ und 4 $/20 $ sind das, was Sie zahlen, nicht eine mit Aufschlag versehene Version eines Gateways. GPT-6.2 Sol ist Stand 18. November noch nicht in unserem Katalog erschienen, daher sollte nichts hier so verstanden werden, als würde behauptet, es sei heute über uns aufrufbar; die 6.1-Stufe, die es ersetzt, ist aufrufbar, und gegen sie wird in diesem Vergleich bepreist, wenn der Wechsel jetzt erfolgen muss.

Das Pro-Modus-Problem, das keiner der Benchmarks löst

Jede oben genannte Zahl steht im Standardmodus für maximalen Aufwand, denn genau das misst der unabhängige Harness. Niemand hat eine Pro-Modus-Evaluierung von GPT-6.2 Sol veröffentlicht, und der Grund ist strukturell: Der Pro-Modus „aggregiert die zur Erstellung der endgültigen Antwort geleistete Modellarbeit“ und stellt diese Token zu Standardtarifen in Rechnung, sodass seine Kosten davon abhängen, wie viel zusätzliche Arbeit das Modell bei Ihrer jeweiligen Aufgabe zu leisten beschließt. In der Dokumentation gibt es keinen Multiplikator, an dem man sich für die Budgetierung orientieren könnte.

Die Konsequenz für diesen Vergleich ist asymmetrisch, was ungewöhnlich ist. Die Kosten von Opus 5.5 sind im Voraus bekannt – ein fester Satz von $4/$20 gegenüber einer Tokenanzahl, die Sie einmal messen können. Die von GPT-6.2 Sol sind im Standardmodus bekannt und im Pro-Modus offen. Wenn Ihr Grund für die Wahl des günstigeren Modells die Kostenvorhersagbarkeit war, entkräftet der Pro-Modus diesen Grund teilweise, und die 9,9-fache Lücke verringert sich um einen Betrag, den nur Ihr eigener Traffic bestimmen kann. Messen Sie eine Stichprobe, bevor Sie ein Budget festlegen.

Die Entscheidung, klar gesagt

GPT-6.2 Sol liegt 1,8 Indexpunkte hinter Claude Opus 5.5 und ist pro abgeschlossener Aufgabe etwa zehnmal günstiger, und bei drei der acht Bewertungen, aus denen der Index besteht, liegt es vorn – einschließlich der zu wissenschaftlicher Terminalarbeit. Claude Opus 5.5 ist das bessere Modell für Arbeit, die niemand prüft, und zwar mit einem Vorsprung, der sich genau dort zeigt, wo stille Fehler teuer werden.

Wenn Sie die Ausgabe überprüfen können, ist die Zwei-Punkte-Lücke ein Rundungsfehler und die zehnfache Rechnung nicht. Wenn nicht, ist die zehnfache Rechnung der Aufpreis, den Sie für ein Modell zahlen, das weniger wahrscheinlich selbstsicher falsch liegt. Alles andere ist eine Routing-Regel.

In diesem Artikel verglichen1

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