GPT-6.1 Sol נגד Claude Opus 5: נקודת מדד אחת ביניהם, פי שניים וחצי המחיר

נקודה אחת בסולם של מאה נקודות מפרידה ביניהם, ואחד מהם עולה פי שניים וחצי. במדד האינטליגנציה של Artificial Analysis, GPT-6.1 Sol — ההשקה של Open​AI מ-29 בספטמבר 2026 — ניצב על 51.8. Claude Opus 5, הדגם המוביל של Anthrop​ic מאז 24 ביולי 2026, ניצב על 50.8. מחירוני התעריפים הם 2.00 ו-10.00 דולר למיליון טוקנים עבור GPT-6.1 Sol, לעומת 5.00 ו-25.00 דולר עבור Claude Opus 5. זו אינה השוואה בין מודל חזק למודל זול. אלה שני מודלים שמעריך בלתי תלוי לא הצליח להפריד ביניהם ביותר מנקודה אחת, הנמכרים במחירים שנבדלים בפקטור של 2.5 — והשאלה המעניינת אינה איזה מהם טוב יותר, אלא בין איזה משני המודלים המדד נכשל להבחין.

כל מספר שלהלן הוא או מדידה של Artificial Analysis שנרשמה ברשומות המודלים שלנו, או נתון שהספק פרסם בעצמו, או חישוב אריתמטי על שני כרטיסי התעריפים. במקום שבו נתון הוא של הספק עצמו ואף גורם מבחוץ לא שיחזר אותו, המשפט מציין זאת.

מה שהשניים באמת הם

קלוד אופוס 5 הוא הג'נרליסט המוביל של Anthropic: חלון הקשר של 1,000,000 טוקנים, 128,000 טוקני פלט, קלט טקסט, תמונות וקבצים, והסקה אדפטיבית שבה הקוראים מגדירים רמת מאמץ במקום טמפרטורה. זהו המודל שהחברה ממקמת להנדסת תוכנה מקצה לקצה, סקירת קוד, והפעלות סוכניות ארוכות ורבות-שלבים עם שימוש כבד בכלים.

GPT-6 נמצא דרגה אחת מתחת לספינת הדגל של OpenAI — GPT-4 — והוא הושק במקום קודמו, באותו $20/$200. יש לו חלון הקשר של 1,050,000 טוקנים, אותה תקרת פלט של 128,000, אותן אפשרויות קלט של טקסט, תמונות וקבצים, וחמש רמות מאמץ חשיבה מ־low עד max, כאשר medium הוא ברירת המחדל.

קרא את שתי הפסקאות האלה זו לצד זו, ושורות המפרט כמעט זהות. ההבדלים נמצאים באותיות הקטנות, ושלושה מהם חשובים:

• פרמטרי דגימה — אף אחד מהמודלים אינו מקבל temperature או top_p. שניהם מחליפים אותם בחוגת מאמץ. אם הקוד שלך מעביר temperature, שניהם ידחו אותו, ולכן אף אחד מהם אינו תחליף ישיר לאינטגרציה מדור קודם.

• תקרת ההקשר — 1,050,000 טוקנים עבור GPT-6.1 Sol מול 1,000,000 עבור Claude Opus 5. הבדל של חמישה אחוזים; חסר משמעות בפועל, וזה לא המקום שבו ההחלטה הזו מתקבלת.

• ברירות מחדל של מאמץ — GPT-6.1 Sol מוגדר כברירת מחדל לרמה בינונית; החשיבה האדפטיבית של Claude Opus 5 מקצה עומק בעצמה. כל מה שנוגע להשוואת המדדים שלהלן רגיש לכך, וזו ההסתייגות שתופיע בהמשך.

חמשת הצירים ששניהם נמדדו עליהם

זה החלק שרוב הכתבות על הצירוף הזה טועות בו, כי הן מערבבות מספר של ספק מצד אחד עם מספר של צד שלישי מצד שני. חמש השורות שלמטה הן כולן Artificial Analysis, כולן מאותו מעריך, עבור שני המודלים:

• AA Intelligence Index — GPT-6.1 Sol 51.8 (דירוג 10, אחוזון 93.2) לעומת Claude Opus 5 50.8 (דירוג 11, אחוזון 92.5). נקודה אחת.

• Humanity's Last Exam — 52.9% לעומת 54.9%. Claude Opus 5 בשתי נקודות.

• SciCode — 54.2% לעומת 56.4%. Claude Opus 5 בפער של 2.2 נקודות.

• זכירה בהקשר ארוך — 83% לעומת 79.33%. GPT-6.1 Sol ב-3.7 נקודות.

• Terminal-Bench 4.0 — 56.06% לעומת 48.99%. GPT-6.1 Sol ביתרון של שבע נקודות.

שלוש לשתיים, בפערים שבין נקודה אחת לשבע, במחיר גבוה פי 2.5. יש ציר שישי שקלוד אופוס 5 מחזיק לבדו — GPQA Diamond ב-93.2% — וציר שביעי שהוא מחזיק לבדו בכיוון ההפוך: Artificial Analysis נותנת לקלוד אופוס 5 ציון 78 במדד ה-Coding Index שלה, באחוזון 98.6, דירוג 2. GPT-6.1 Sol לא מופיע בציר הזה כלל ברשומות שלנו, כך שאין מספר להציב לצידו, והמצאת מספר מתוך מצגת ספק היא בדיוק המהלך שהבלוג הזה לא עושה.

היכן שעדיין ניתן להגן על הפרמיום

פער של נקודה אחת במדד יהיה סיבה קלושה לשלם פי 2.5, אם זו הייתה כל התמונה. היא לא, ויש שלושה מקומות שבהם Claude Opus 5 הוא הרכישה הטובה יותר, בלי קשר למה שהמדד אומר.

הראשון הוא שורת מדד הקידוד שלמעלה. דירוג 2 מתוך 138 מודלים לפי המדד המשולב של המעריך עצמו, באחוזון ה-98.6, הוא טענה קונקרטית לגבי סוג מסוים של עבודה, וזהו סוג העבודה שרוב הצוותים שקונים בנקודת מחיר זו עוסקים בו. עמוד המודל של OrcaRouter שלנו עבור anthropic/claude-opus-5 מציג "דירוג #1" מול בנצ'מרק Codex ועלות ממוצעת של 1.09$ למשימה — נתוני ההגשה שלנו עצמנו, לא טענה של ספק, ותזכורת לכך שמחיר לפי טוקן אינו המחיר לפי משימה.

השני הוא אצווה. Claude Opus 5 כולל הנחת אצווה של 50 אחוז, מה שמביא אותו ל-$2.50 בקלט ו-$12.50 בפלט, והוא מאפשר 300,000 טוקני פלט במצב אצווה לעומת 128,000 במסלול האינטראקטיבי. ב-$2.50/$12.50 זה כבר לא פי שניים וחצי מהמחיר של GPT-6.1 Sol בקלט — זה 25 אחוז יותר. עבור כל עומס עבודה שסובל תור — אינדוקס לא מקוון, סיווג בכמות גדולה, יצירת בדיקות בין-לילה — כל הטיעון של המאמר הזה מצטמצם בהרבה, והוא מצטמצם לטובת Anthropic.

השלישי הוא המכפיל הרב-מודלי הצנוע. הנתונים שפרסמה Anthropic בעצמה מציבים את Claude Opus 5 על 70.6% ב-OSWorld 2.0 ו-96.0% ב-SWE-bench Verified, עם 79.2% ב-SWE-bench Pro. אלה מספרים שדווחו על ידי הספק עבור מודל שהוכרז ביולי; אף אחד מחוץ לחברה לא שחזר אותם כאן, והצירים אינם חופפים לשורות של Artificial Analysis שלמעלה — ולכן אי אפשר להוסיף אותם ללוח הניקוד הזה. כדאי לקרוא אותם רק כאינדיקציה לכך ש-Anthropic טוענת לחוזק ב-computer-use ובהנדסה בקנה מידה של מאגרי קוד במיוחד, וזה בדיוק הקונה שעבורו מתומחר המודל הזה.

כרטיסי התעריפים, כולל השורה שקיימת רק באחד מהם

Claude Opus 5 גובה $5.00 ו-$25.00 בתעריף אחיד על פני כל חלון מיליון הטוקנים שלו, עם קריאות מטמון ב-$0.50 וכתיבות מטמון ב-$10.00. GPT-6.1 Sol גובה $2.00 ו-$10.00 עד 272,000 טוקני פרומפט, ואז מתמחר מחדש את כל הבקשה ב-$4.00 ו-$15.00 מעל לקו הזה, עם קריאות מטמון שעוברות מ-$0.10 ל-$0.20 וכתיבות מטמון מ-$2.50 ל-$5.00. ההיפוך שנוצר הוא התוצאה המעשית של קניית הקשר ארוך משני המודלים:

• פרומפט של 250,000 טוקנים — GPT-6.1 Sol עדיין ברמה הראשונה שלו, במחיר $2.00/$10.00 לעומת $5.00/$25.00. זו הבקשה הזולה ביותר עם הקשר גדול בהשוואה.

• פרומפט של 300,000 טוקנים — GPT-6.1 Sol עלה ל-$4.00/$15.00, ו-Claude Opus 5 לא זז. הפער מצטמצם מ-2.5× ל-1.25× בקלט ול-1.67× בפלט.

• קריאות מטמון — 0.10 דולר למיליון עבור GPT-6.1 Sol לעומת 0.50 דולר עבור Claude Opus 5, בתוך השכבות הראשונות של שני המודלים. בהפעלה ארוכה של סוכן שקוראת מחדש את אותה קידומת, השורה הזו עושה יותר לחשבון מאשר התעריפים הכותרתיים.

• כתיבות למטמון — $2.50 לעומת $10.00. אותו כיוון, אותו סדר גודל.

זו נקודה אמיתית ולא זוהרת: את נתון הכותרת של פי 2.5 משיגים רק עם פרומפטים קצרים. ברגע שעומס עבודה חוצה 272,000 טוקנים, גם GPT-6.1 Sol מתומחר כמו מודל פרימיום, וההשוואה הכנה הופכת ל"מודל פרימיום עם מטמון זול בהרבה" מול "מודל פרימיום עם כרטיס תעריף אחיד".

למה נקודה אחת לא צריכה להכריע את זה בעצמה

שורות האינדקס שלמעלה לא נאספו באותו יום, ולכך יש משמעות כאן יותר מאשר ברוב ההשוואות. הרשומה של GPT-6.1 Sol ב-Artificial Analysis נושאת תאריך הערכה של 2026-09-28. הרשומה של Claude Opus 5 נושאת 2026-07-23 — תשעה שבועות קודם לכן, על הרנס שתוקן לאורך אותו חלון.

יש לכך סימפטום גלוי ברשומות שלנו. סיקור קודם של Claude Opus 5 הציב אותו ב-61 במדד האינטליגנציה ובראש הטבלה. רשומת הקטלוג שקראנו היום מציבה את אותו מודל ב-50.8, במקום ה-11. שני הדברים יכולים להיות נכונים: המדד עודכן, וציון משולב רגיש למאמץ החשיבה שהמעריך בוחר — Claude Opus 5 הגיע לשיאו במאמץ מרבי, והרשומה שאנו מחזיקים אינה מסומנת כלל בהגדרת מאמץ. גם הציון 51.8 של GPT-6.1 Sol נושא את אותה עמימות.

מה שזה אומר עבור החלטת קנייה הוא צר אך חשוב. פער של נקודה אחת בין שני מודלים שנבחנו בהפרש של תשעה שבועות, על מדד מורכב משתנה, בהגדרות מאמץ לא מוגדרות, אינו מוכיח שמודל אחד חכם יותר מהאחר. מה שחמש השורות כן קובעות הוא שהן נמצאות באותו טווח — ותוצאה באותו טווח במחיר של פי 2.5 היא עובדת רכש, לא עובדת ביצועים.

איזה מהם לנתב

קחו את המודל שהתכוונתם לקנות ובחנו אותו מול השני. זה נשמע כמו אמירה בנאלית, אבל זה המהלך היחיד שהראיות באמת תומכות בו כאן, ושני המודלים נגישים מנקודת קצה אחת תואמת Open​AI — openai/gpt-6.1-sol ו-anthropic/claude-opus-5 ב-OrcaRouter — כך שהבדיקה היא החלפת מחרוזת מודל, לא חוזה שני ולא שכתוב. התמחור הוא מחיר המחירון של הספק עם 0% תוספת: $2.00/$10.00 כאשר מדרגת מעל 272K מיושמת בדיוק כפי ש-Open​AI קובעת, ו-$5.00/$25.00 כאשר הנחת ה-batch מיושמת בדיוק כפי ש-Anthrop​ic קובעת, מה שאומר גם ששינוי מחיר מצד הספק נכנס לתוקף אצלנו באותו יום ולא במחזור החיוב הבא. במקום שבו שניהם מנותבים, מתחת לכך יושב מעבר אוטומטי בעת תקלה, וזה שווה שיהיה כשווקא הזול מבין השניים הוא זה שמחזיק בנתיב פרודקשן.

אם אתם רוצים ברירת מחדל לפני שיש לכם מספרים משלכם, הפיצול שהראיות תומכות בו הוא זה. בחרו ב-GPT-6.1 Sol כאשר עומס העבודה הוא ארוך-פרומפט, עתיר-מטמון או בצורת טרמינל וכלים — שורות Long-Context Recall ו-Terminal-Bench 4.0 הן שני הפערים הרחבים ביותר בהשוואה, וקריאות מטמון ב-$0.10 הן מנוף גדול בסשנים סוכניים שקוראים מחדש קידומת. בחרו ב-Claude Opus 5 כאשר עומס העבודה הוא קידוד בקנה מידה של מאגר, כאשר אצווה מקובלת, או כאשר הפרומפט נכנס בתוך 128,000 טוקנים והעלות לכל משימה שסביבת הבדיקה שלנו מודדת ב-$1.09 היא המספר שצוות הכספים שלכם כבר אישר.

הכרעת הדין שהצמד הזה זוכה לה צרה מכפי שכל אחד מהספקים היה רוצה. במדידה בלתי־תלויה, השניים הללו למעשה בתיקו; במחיר הם אינם, והמחיר הוא הציר שאחד מהם לא יוכל לחמוק ממנו בטיעונים.