GPT-5.5 vs Claude Opus 5: Ajang Adu Coding yang Tak Bisa Dinilai Secara Adil oleh Siapa Pun

GPT-5.5 dan Claude Opus 5 adalah dua model yang sebenarnya dimaksud oleh sebagian besar tim ketika mereka mengatakan "pengode terdepan," dan di atas kertas keduanya cukup berdekatan sehingga keputusan biasanya diambil berdasarkan tabel benchmark. Itu adalah kesalahan tahun ini karena alasan yang tidak ada hubungannya dengan kemampuan model mana pun: GPT-5.5 akan dipensiunkan dari ChatGPT, ChatGPT Work, dan Codex pada 14 Oktober 2026, dan Codex adalah platform yang benar-benar digunakan sebagian besar pengguna coding-nya untuk bekerja. Claude Opus 5 tidak akan ke mana-mana. Jadi pertanyaan pertama dalam perbandingan ini bukanlah model mana yang menulis kode lebih baik — melainkan mana yang masih akan menjawab permintaan yang hendak Anda kirim pada November.

Itu membingkai ulang perbandingannya, tetapi tidak menyelesaikannya. Jika Anda memanggil GPT-5.5 melalui API atau melalui sesi Codex yang diautentikasi dengan kunci API Anda sendiri, penghentian itu tidak memengaruhi Anda, dan pertanyaan tentang kemampuan tetap sama aktualnya seperti pada April. Berikut ini adalah versi jujur dari pertanyaan itu, termasuk bagian yang dilewatkan sebagian besar halaman perbandingan: angka-angka utama kedua model diukur dengan cara yang membuat siapa pun yang menjalankan pengujian tampak lebih baik.

Jawaban satu baris

Jika Anda memerlukan versi terpendek yang dapat dipertahankan: Claude Opus 5 adalah default yang lebih aman untuk pekerjaan coding produksi pada akhir 2026, karena lebih murah pada output, di-benchmark secara independen, dan tidak dipensiunkan dari tool yang kemungkinan Anda gunakan. GPT-5.5 tetap menjadi pilihan yang lebih kuat pada beberapa front — pekerjaan agentic yang native di terminal, retrieval konteks panjang, dan efisiensi token pada tugas-tugas sulit — dan pada jalur API, ia mempertahankan semua itu. Semua yang di bawah ini adalah alasan di balik pemisahan itu, dan peringatan yang membuatnya tidak sesederhana kedengarannya.

Dua flagship yang diluncurkan ke dunia yang berbeda

GPT-5.5 hadir pada 23 April 2026 sebagai model garda depan OpenAI untuk beban kerja profesional yang kompleks, dibangun di atas GPT-5.4 dengan penalaran yang lebih kuat, keandalan yang lebih baik dan — klaim yang diunggulkan OpenAI — efisiensi token yang meningkat pada tugas-tugas sulit. Model ini menerima masukan teks, gambar, dan berkas, melayani sekitar 922K token masukan dan 128K token keluaran, serta dibanderol $5,00 per juta token masukan dan $30,00 per juta token keluaran, dengan pembacaan cache $0,50 dan tarif lebih tinggi di atas 272.000 token masukan.

Claude Opus 5 adalah produk andalan Anthropic untuk penalaran berat, coding, dan pekerjaan agentik berhorizon panjang, dan model ini disetel untuk mengatasi kelemahan spesifik yang selama ini membelit coding agentik: tetap koheren di seluruh sesi panjang multi-langkah dengan penggunaan alat yang intensif. Model ini menyajikan konteks 1 juta token dengan output hingga 128K, menerima input teks, gambar, dan file, serta dibanderol dengan harga $5.00 untuk input dan $25.00 untuk output, dengan pembacaan dari cache juga $0.50. Model ini menggantikan parameter sampling seperti temperature dan top_p dengan dial upaya penalaran, yang merupakan perbedaan nyata dalam cara Anda menyetelnya, tetapi bukan dalam apa yang dapat dilakukannya.

Kontras spesifikasi

• Harga — GPT-5.5 $5,00/$30,00 per 1 juta token vs Claude Opus 5 $5,00/$25,00 per 1 juta; sama pada input, Claude Opus 5 sekitar 17% lebih murah pada output

• Input yang di-cache — keduanya $0.50 per 1 juta token, diskon 90% dari tarif input

• Konteks — GPT-5.5 ~922K masukan / 128K keluaran vs Claude Opus 5 1M masukan / 128K keluaran

• Modalitas masukan — GPT-5.5 teks, gambar, file vs Claude Opus 5 teks, gambar, file; keduanya setara di sini

• Penyetelan — pengaturan upaya penalaran GPT-5.5 dari none hingga xhigh vs penalaran adaptif Claude Opus 5 melalui dial upaya, tanpa temperature atau top_p

• Ketersediaan — GPT-5.5 meninggalkan ChatGPT, ChatGPT Work, dan Codex pada 14 Oktober 2026, tetapi tidak pada API, vs Claude Opus 5 di semua platform Anthropic tanpa penghentian yang diumumkan

Di mana klaim benchmark tidak lagi dapat dibandingkan

Mulailah dari gambaran independen, karena hanya bagian inilah yang dapat diperiksa oleh siapa pun. Artificial Analysis memberi Claude Opus 5 skor 51 pada Intelligence Index miliknya. Artificial Analysis memberi GPT-5.5 skor 39 pada indeks v4.3 saat ini — dan, yang lebih menunjukkan, telah menandai GPT-5.5 sebagai deprecated dan menurunkan kembali evaluasinya ke beban kerja default 10.000 token. Itu patut dibaca dengan saksama. Rekam jejak independen untuk GPT-5.5 bukan hanya lebih lemah; rekam jejak itu sedang berakhir, dan begitu berhenti, setiap angka yang masih beredar untuk model tersebut adalah angka vendor.

Di sisi yang dilaporkan vendor, angka OpenAI sendiri menempatkan GPT-5.5 pada 82,7% di Terminal-Bench 2.0, 82,6% pada SWE-bench Verified, dan 58,6% pada SWE-bench Pro. Angka Anthropic untuk Claude Opus 5 mencakup 90,2 pada Terminal-Bench 2.1, 74,7 pada SWE-bench Pro, dan 68,0 pada JobBench. Langkah yang menggoda adalah menjejerkannya berdampingan lalu menyatakan pemenang. Jangan lakukan itu — dan perhatikan bahwa sebagian besar halaman perbandingan tetap melakukannya.

Baris Terminal-Bench adalah contoh paling jelas. 82,7% milik GPT-5.5 berada di Terminal-Bench 2.0; 90,2 milik Claude Opus 5 berada di Terminal-Bench 2.1. Itu adalah versi benchmark yang berbeda dengan kumpulan tugas yang berbeda, dan perbandingan lintas versi bukanlah sebuah perbandingan. Baris SWE-bench Pro setidaknya menggunakan suite yang sama, dan di sana 74,7 milik Claude Opus 5 dibandingkan 58,6 milik GPT-5.5 merupakan celah yang nyata dan lebar — tetapi kedua angka tersebut dilaporkan oleh vendor di kedua sisi, dan tidak satu pun telah direproduksi dalam kondisi harness yang identik.

Masalah harness, yang sebenarnya jadi inti persoalan

Jika ada satu temuan yang layak dibawa dari pertarungan ini, itu adalah bahwa pilihan harness menggerakkan model-model ini lebih besar daripada selisih di antara keduanya. Sebuah evaluasi arXiv menemukan GPT-5.5 tampil paling kuat di bawah Claude Code lalu turun 21,8 poin saat dipindahkan ke OpenHands, sementara Claude Opus 4.8 — titik pembanding dalam studi tersebut — hanya turun 5,5 poin pada perubahan yang sama. Perubahan 21 poin hanya dari scaffolding lebih besar daripada sebagian besar perbedaan adu langsung yang dipublikasikan antara kedua model unggulan tersebut.

Ada versi praktis dari hal ini yang diakui oleh kerangka OpenAI sendiri: GPT-5.5 mencapai 83,4% pada Terminal-Bench menggunakan harness Codex CLI bawaannya, dibandingkan dengan 72,1% pada harness standar. Jika evaluasi Anda menjalankan GPT-5.5 di luar Codex, Anda mengukur model yang berbeda dari model yang ada di tabel peluncuran.

Ini penting untuk penghentian ini dengan cara yang mudah terlewat. Jika angka GPT-5.5 Anda dihasilkan di dalam Codex dengan login ChatGPT, dan jalur itu ditutup pada 14 Oktober, Anda bukan hanya kehilangan model — Anda kehilangan harness yang menjadi acuan kalibrasi benchmark Anda. Lakukan baseline ulang pada jalur API sebelum Anda menyimpulkan apa pun tentang berapa biaya penerusnya bagi Anda.

Biaya per tugas, bukan biaya per token

Perbandingan per token itu lugas dan sedikit menguntungkan Claude Opus 5: input yang sama $5,00, output $25,00 versus $30,00. Perbandingan yang menarik adalah biaya per tugas yang diselesaikan, dan di situ gambarannya terbalik, karena klaim utama OpenAI untuk GPT-5.5 adalah efisiensi token — sekitar 40% lebih sedikit token pada tugas yang setara menurut beberapa catatan pengembang. Jika sebuah model menyelesaikan pekerjaan yang sama dengan 40% lebih sedikit token output, tarif output $30 dapat menghasilkan tagihan yang lebih kecil daripada tarif $25 pada model yang lebih bertele-tele. Klaim itu dibingkai oleh vendor dan belum direproduksi secara independen, jadi perlakukan itu sebagai hipotesis untuk diuji pada beban kerja Anda sendiri, bukan sebagai fakta yang sudah mapan.

Kedua model ada di katalog kami, sehingga pengujian itu murah untuk dijalankan dengan benar alih-alih secara anekdotal. Keduanya berada di balik satu kunci pada tarif daftar penyedia dengan markup 0%, jadi A/B langsung pada trafik Anda sendiri hanyalah string model di body permintaan, bukan kontrak kedua — dan setiap perubahan harga vendor diterapkan di sisi kami pada hari yang sama saat diumumkan. DSL routing adalah bagian yang berguna di sini: bagi trafik live antara keduanya, tahan pembagian pada rasio berapa pun yang dapat ditoleransi anggaran error Anda, dan biarkan angka biaya per tugas berasal dari produksi, bukan dari halaman benchmark.

Apa artinya ini untuk enam minggu ke depan

Bagi tim yang memilih hari ini, keputusan ini memiliki asimetri yang tidak akan terlihat dari penilaian kapabilitas semata. Claude Opus 5 adalah pilihan berisiko lebih rendah: dinilai secara independen, lebih murah untuk output, dan tidak dijadwalkan untuk dihapus dari produk tempat model ini dijual. GPT-5.5 bukan model yang buruk — model ini kuat dengan keunggulan nyata dalam pekerjaan agentik native terminal — tetapi memilihnya melalui jalur langganan berarti memilih model dengan tanggal kedaluwarsa yang diketahui enam minggu dari sekarang, dan melalui jalur API berarti menerima rekam jejak independen yang lebih tipis dan makin menyusut.

Posisi yang dapat dipertahankan adalah mempertahankan GPT-5.5 di tempat ia secara terbukti menang dan di tempat Anda mengendalikan jalurnya — API, sesi Codex dengan kunci API — dan menjadikan Claude Opus 5 sebagai default di semua tempat lain. Yang seharusnya mengubah pikiran Anda ke arah mana pun bukanlah pemasaran model mana pun: melainkan uji head-to-head netral pertama di bawah satu harness tetap, dan apa pun yang diterbitkan OpenAI tentang apakah jalur API untuk GPT-5.5 tetap bertahan setelah produk itu dihentikan.

Kedua sisi pertandingan ini berada di balik satu kunci: GPT-5.5 dan Claude Opus 5 hanya berbeda satu string model, dengan failover otomatis di antara keduanya.