Une carte de titre générée indiquant « GPT-6.2 Sol Pro vs Claude Opus 5.5 : deux points de capacité, dix fois la facture », avec les chiffres de 57,3 contre 59,1 sur l’Intelligence Index et de 1,01 $ contre 10,04 $ de coût par tâche, et une note précisant que GPT-6.2 Sol Pro est gpt-6.2-sol appelé avec le mode raisonnement défini sur pro.
Guides & Insights

GPT-6.2 Sol Pro vs Claude Opus 5.5 : un écart de 2 points et une facture 10 fois plus élevée

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Si vous hésitez entre GPT-6.2 Sol Pro et Claude Opus 5.5 cette semaine, les deux chiffres phares pointent dans des directions opposées et aucun des deux n’est faux. Dans l’Intelligence Index d’Artificial Analysis en v5.0.1, Claude Opus 5.5 à effort maximal obtient 59,1 et GPT-6.2 Sol à effort maximal obtient 57,3 — un écart de 1,8 point. Coût par tâche de l’indice pour les mêmes suites : 10,04 $ contre 1,01 $. On vous demande si deux points de capacité valent environ dix fois le prix, et la réponse dépend de celle des cinq dimensions ci-dessous dans laquelle votre charge de travail se situe réellement.

Une note sur le nom avant toute chose, car elle change ce que vous comparez. GPT-6.2 Sol Pro n'est pas un produit distinct. Il s'agit de GPT-6.2 Sol — sorti le 17 novembre 2026 — appelé avec reasoning.mode: pro dans l'API Responses, qui est facturé aux tarifs standard du modèle de base et effectue simplement davantage de travail de modèle. Anthropic n'a pas de commutateur équivalent : Claude Opus 5.5 exécute l'extended thinking à un seul prix. Ainsi, un côté de cette comparaison est une configuration que vous pouvez ajuster, et l'autre est un compteur fixe. Cette asymétrie, c'est tout l'article.

Le tableau des scores, avec les noms des harnais associés

Tout ce qui figure dans cette section relève de la mesure indépendante d'Artificial Analysis, et non des tableaux publiés par l'un ou l'autre des fournisseurs. Les deux modèles ont été exécutés au niveau d'effort maximal sur la même suite, avec la même méthode de notation, ce qui est la seule façon de rendre cette comparaison pertinente. Aucun des deux fournisseurs n'a publié sa propre évaluation en mode pro.

• Indice d’intelligence — GPT-6.2 Sol 57,3, 5e sur 58 entrées notées au classement, selon la mesure du 18 novembre, contre Claude Opus 5.5 59,1, 4e.

• Coût par tâche Index — 1,01 $ contre 10,04 $, soit un écart de 9,9×.

• Terminal-Bench 4.0 — 60,1 % contre 59,6 %, pratiquement à égalité.

• Terminal-Bench Science — 67,6 % contre 59,0 %, le plus grand écart isolé de tout le tableau, et il va dans l’autre sens.

• HLE Diamond — 64,0 % contre 67,9 %.

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

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

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

• AA-Omniscience — 40,4 à 61,6 % de précision et un taux d’hallucination de 55,4 %, contre 48,1 à 65,5 % de précision et un taux d’hallucination de 50,3 %.

• Contexte — 1 050 000 tokens avec un maximum de 922 000 en entrée et de 128 000 en sortie, contre 1 000 000 de tokens avec un maximum de 128 000 en sortie.

• Prix — $2.00 en entrée / $0.10 en cache / $2.50 écriture en cache / $10.00 en sortie par million contre $4.00 / $0.20 / $5.00 / $20.00.

Lisez le milieu de cette liste et un motif apparaît que l’indice composite dissimule. Sur le travail en terminal, les deux modèles sont indiscernables, et sur le travail scientifique en terminal, le moins cher l’emporte de près de neuf points. Sur les suites d’automatisation agentique, il l’emporte encore. Là où Opus 5.5 est en tête, c’est sur les tâches comportant une bonne réponse qui doit être rappelée plutôt que dérivée — HLE Diamond, FrontierCode — et sur le fait de savoir ce qu’il ne sait pas, où il bat GPT-6.2 Sol de près de huit points sur l’indice d’omniscience et de cinq points sur la précision.

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.

Pourquoi la facture diverge d’un facteur 10 alors que la grille tarifaire diverge d’un facteur 2

Le ratio affiché est de 2× : $4/$20 contre $2/$10. Le ratio mesuré est de 9,9×. L'autre facteur cinq réside dans le nombre de tokens que chaque modèle dépense pour terminer la même tâche, et c'est le nombre le plus utile de cette comparaison.

À pleine charge, Claude Opus 5.5 produit en moyenne 173 313 jetons de sortie par tâche de l'Index — dont 120 460 de raisonnement et 52 853 de réponse visible. GPT-6.2 Sol en produit en moyenne 40 360, avec 22 800 de raisonnement et 17 561 de réponse. Cela représente un ratio de jetons de 4,3×, qui s'ajoute au ratio de prix de 2×, et les deux se multiplient pour donner la facture de 9,9× que vous payez réellement. La réflexion étendue de Claude Opus 5.5 n'est pas une fonctionnalité gratuite greffée au modèle ; c'est la ligne dominante de la facture, et elle est activée par défaut au sens où les jetons de réflexion sont facturés comme de la sortie, sans interrupteur distinct permettant de les rendre moins chers.

Cela explique aussi la différence de temps réel. Opus 5.5 à effort maximal prend en moyenne 1 475 secondes par tâche, contre le profil d’effort maximal de GPT-6.2 Sol, qui dépense un quart des tokens de sortie. Un agent à long horizon qui en exécute vingt par ticket ne paie pas seulement dix fois plus ; il maintient le fil ouvert pendant vingt-cinq minutes par tâche.

Rien de tout cela ne rend Opus 5.5 cher par accident. Anthropic vend un modèle qui réfléchit plus longtemps et se montre plus prudent dans ce qu'il affirme, et l'écart d'omniscience est exactement ce que cet argent achète. La question est de savoir si votre charge de travail peut en toucher les bénéfices.

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.

Là où chacun justifie son prix

Choisissez GPT-6.2 Sol si le travail est vérifiable.Agents de codage, réparation de CI, migrations, automatisation fortement axée sur le terminal, tout ce où une suite de tests ou un code de sortie de shell vous indique si la réponse était correcte. Sur ces tâches, vous payez pour une sortie qui est vérifiée, l’écart de calibration ne vous coûte rien parce que le harnais détecte l’erreur, et l’économie de 10× se cumule à chaque nouvelle tentative. Le résultat Terminal-Bench Science — 67,6 % contre 59,0 % — est la preuve la plus solide dans cet article que le modèle moins cher n’est pas le plus faible sur le travail empirique.

Choisissez Claude Opus 5.5 si le travail s'inscrit dans la durée et que les erreurs sont silencieuses. Révision de contrats, synthèse de recherches, analyse multi-documents, tout ce qu'un agent produit et qu'un humain lit sans test à exécuter au préalable. HLE Diamond à 67,9 % et un indice d'omniscience supérieur de huit points décrivent un modèle dont les erreurs ont une forme différente, et sur un chemin non vérifié, cette différence vaut plus que 2× au compteur.

Utilisez les deux, et routez selon la tâche. Pour la plupart des systèmes en production, la réponse honnête est que la répartition ne se fait pas entre modèles, mais entre appels. Un point de terminaison unique doté d’une politique de routage peut envoyer le chemin à forte composante de vérification vers le modèle économique et le chemin des erreurs silencieuses vers le modèle prudent, ce qui est le véritable rôle du DSL de routage — vous écrivez la règle une fois, et un changement de prix ou une dépréciation de modèle devient une modification de configuration plutôt qu’une 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.

C'est aussi l'argument pratique en faveur du maintien des deux sur une même clé. Sur OrcaRouter, openai/gpt-6.1-sol et anthropic/claude-opus-5.5figurent tous deux au catalogue au prix tarifaire du fournisseur, avec 0 % de marge — les 2 $/10 $ et 4 $/20 $ ci-dessus sont ce que vous payez, et non la version majorée d'une passerelle. GPT-6.2 Sol n'est pas encore arrivé sur notre catalogue à la date du 18 novembre, donc rien ici ne doit être interprété comme affirmant qu'il est appelable via nos services aujourd'hui ; le niveau 6.1 qu'il remplace l'est, et c'est celui sur lequel cette comparaison s'aligne en matière de prix lorsque vous avez besoin que le basculement ait lieu dès maintenant.

Le problème du mode pro qu’aucun des deux benchmarks ne résout

Tous les chiffres ci-dessus correspondent à l’effort maximal en mode standard, car c’est ce que mesure le banc de test indépendant. Personne n’a publié d’évaluation du mode pro de GPT-6.2 Sol, et la raison est structurelle : le mode pro « agrège le travail du modèle effectué pour produire la réponse finale » et facture ces jetons aux tarifs standard, si bien que son coût dépend de la quantité de travail supplémentaire que le modèle choisit d’effectuer sur votre tâche particulière. Il n’existe aucun multiplicateur dans la documentation sur lequel baser un budget.

La conséquence de cette comparaison est asymétrique, ce qui est inhabituel. Le coût d’Opus 5.5 est connu à l’avance — un tarif fixe de $4/$20 pour un nombre de tokens que vous pouvez mesurer une fois. Celui de GPT-6.2 Sol est connu en mode standard et non borné en mode pro. Si votre raison de choisir le modèle moins cher était la prévisibilité des coûts, le mode pro annule en partie cette raison, et l’écart de 9,9× se réduit d’un montant que seul votre propre trafic peut vous indiquer. Mesurez un échantillon avant d’engager un budget.

La décision, clairement énoncée

GPT-6.2 Sol est à 1,8 point d’indice derrière Claude Opus 5.5 et environ dix fois moins cher par tâche terminée, et il est en tête sur trois des huit évaluations qui composent l’indice — y compris celle sur le travail scientifique en terminal. Claude Opus 5.5 est le meilleur modèle pour le travail que personne ne vérifie, et il l’est avec une marge qui apparaît précisément là où les erreurs silencieuses coûtent cher.

Si vous pouvez vérifier la sortie, l’écart de deux points est une erreur d’arrondi, et la facture multipliée par dix ne l’est pas. Si vous ne le pouvez pas, la facture multipliée par dix est la prime que vous payez pour un modèle moins susceptible de se tromper avec assurance. Tout le reste est une règle de routage.

Comparés dans cet article1

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement