Claude Opus 5.5 vs Gemini 4 Carbon: un tetto del 12% e un terzo del conto

Claude Opus 5.5 e Gemini 4 Carbon sono i due modelli migliori sul nuovo benchmark GDPx di SemiAnalysis, e il divario tra loro è di poco superiore a un punto: 12,0% per Opus 5.5, 10,9% per Carbon. Il numero più utile sta sotto il punteggio. Carbon ci è arrivato a 16,29 $ per attività; Opus 5.5 ha richiesto 51,41 $. È l'intera decisione in una riga, con un'eccezione che la classifica non può mostrare. Opus 5.5 è disponibile al pubblico dal 22 settembre 2026. Carbon è stato annunciato il 28 ottobre ed è ancora riservato ai partner di cyber-difesa tramite il programma Fairwind di Google, senza un ID modello pubblico. Un terzo del conto è un affare solo se puoi effettuare l'ordine.

GDPx v1.0 è un nuovo benchmark, rilasciato questa settimana, ed è la prima valutazione indipendente a valutare questi due modelli sugli stessi compiti con lo stesso harness e a riportare quanto è costata ciascuna esecuzione. Quel tempismo conta più della classifica. Sei settimane dopo il rilascio di Opus 5.5, e pochi giorni dopo l'annuncio di Carbon, esiste finalmente un confronto misurato invece di due tabelle di fornitori messe una accanto all'altra.

Che cos'è ciascun modello, prima della tabella

Claude Opus 5.5 è l'attuale modello di punta di Anthropic per il coding agentico e il lavoro intellettuale di lunga durata. Ha sostituito Opus 5 con una riduzione del prezzo del 20% e una finestra di contesto documentata da 1 milione di token, ed è il modello che Anthropic posiziona per Claude Code e le app Claude.

• Prezzo — 4 $ per milione di token di input, 20 $ per milione di output. Le richieste batch hanno uno sconto del 50%: 2 $ / 10 $.

• Contesto e output — 1M token di input, 128K di output sull'API sincrona, 300K di output sulla Batch API con l'header beta extended-output.

• Caching: una scrittura nella cache di cinque minuti costa 5 $ per milione di token, una scrittura di un'ora 8 $ e una lettura dalla cache 0,20 $.

• Pensiero — il pensiero adattivo è sempre attivo e non può essere disattivato; il livello di impegno predefinito è medio, e il termine affidabile delle conoscenze è giugno 2026.

• Dove — l'API Claude con claude-opus-5-5, Amazon Bedrock, Google Cloud sia tramite i percorsi gestiti da Google sia tramite quelli gestiti da Anthropic, Microsoft Foundry e la Claude Platform su AWS.

Gemini 4 Carbon è il modello frontier più recente di Google, annunciato da Koray Kavukcuoglu il 28 ottobre come il modello più potente dell'azienda per la cybersicurezza, gli agenti a lungo orizzonte e l'ingegneria del software complessa. L'annuncio di Google presenta tre affermazioni di punta e una vistosa omissione: non viene pubblicata alcuna finestra di contesto. Le affermazioni sui benchmark sono di Google stesso — SEC-bench Pro 88,2% per la scoperta di vulnerabilità, ExploitGym 54,8% per lo sfruttamento e CWE-bench 71,0% per le patch — e vanno lette come dati dichiarati dal fornitore, non riprodotti in modo indipendente.

• Prezzo — 2 $ per milione di token di input e 10 $ per milione di output durante un periodo introduttivo, con l'input in cache scontato del 95%; la tariffa standard sarà successivamente di 4 $ / 20 $, e Google non ha dichiarato quando terminerà il prezzo introduttivo.

• Accesso — solo Fairwind, a un sottoinsieme di difensori informatici e partner fidati, con un accesso più ampio per sviluppatori, imprese e consumatori promesso «il prima possibile» e senza una data.

• Endpoint — nessuno pubblico. L'API Gemini espone ancora gemini-4-argon, non Carbon.

• Contesto — non indicato nell'annuncio. I risultati di recupero su contesti lunghi sono circolati nella copertura della settimana di lancio, ma la finestra stessa non è una specifica pubblicata.

Quell'asimmetria è la prima cosa da capire di questo confronto. Un modello è un prodotto che puoi chiamare oggi dalla Claude API, da quattro piattaforme cloud e da una dozzina di SDK. L'altro è una dimostrazione di capacità con una lista d'attesa. Tutto ciò che segue li confronta come modelli; solo uno dei due è attualmente un'opzione di deployment.

GDPx: 206 attività, un tetto del 12% e un divario di costi di 3,2x

SemiAnalysis ha creato GDPx come successore di GDPval di OpenAI, con 14 partner per i dati e 206 attività distribuite su 11 domini professionali: finanza, ambito legale, biologia, scienza dei materiali, progettazione di chip, progettazione hardware, cybersicurezza, ingegneria del software, allineamento, trading quantitativo e auto-miglioramento ricorsivo. Ogni attività ha un budget predefinito di otto ore, si calcola la media di tre esecuzioni e i domini hanno lo stesso peso. Solo 13 dei 20 modelli testati compaiono nella classifica pubblica.

• Claude Opus 5.5 — 12,0%, primo, a 51,41 $ per attività e circa 548.000 token di output per attività.

• Gemini 4 Carbon — 10,9%, secondo, a 16,29 $ per attività e circa 594.000 token di output per attività.

• GPT-6 Astra — 9,6%, terzo, a $53,99 per attività.

• Claude Fable 5.1 — 8,5% a 67,16 $, il modello più costoso della classifica.

Qui competono due letture, ed entrambe sono corrette. La prima è che Carbon offre circa il 91% del punteggio di Opus 5.5 per circa il 32% del costo, il che è un vero argomento di valore ed è quello con cui ha aperto 9to5Google. La seconda è che nessuno dei due modelli completa sette degli otto compiti professionali che gli vengono affidati. Un vantaggio di un punto al 12% non è un problema risolto; è il limite attuale di ciò che gli agenti possono fare quando il lavoro è lungo, aperto e giudicato da un esperto di dominio.

SemiAnalysis ha pubblicato una seconda prospettiva con cybersecurity, biologia e allineamento rimossi, e l’ordinamento cambia: GPT-6 Astra passa al primo posto, mentre Carbon scende sotto GPT-6.1 Sol e Claude Sonnet 5.5. L’azienda afferma che quella prospettiva corrisponde meglio alle sue impressioni soggettive. Il meccanismo sono le guardrail: un modello che rifiuta un compito ottiene zero per quel compito, e il comportamento di Carbon in materia di sicurezza è più rigoroso esattamente nei domini in cui i suoi punti di forza informatici sono maggiori. Quindi il secondo posto di Carbon è in parte il risultato di una capacità e in parte il risultato di un permesso. Se il tuo lavoro assomiglia ai domini rimossi, la classifica principale non descrive te.

Dove Carbon è davvero in vantaggio

Nell'Intelligence Index v5.0 di Artificial Analysis, Carbon si colloca a 59 e Opus 5.5 a 58. Un punto, su un composito ricalcolato su una nuova base il 27 ottobre, non è un divario tale da giustificare la migrazione di un sistema di produzione. Stabilisce comunque che il modello di Google è alla frontiera anziché dietro, un'affermazione più forte di quanto il rollout limitato renda facile verificare.

I numeri cyber sono il punto in cui il caso di Carbon è più chiaro, e anche quello in cui le fonti sono più deboli. L'harness di Google stesso lo colloca al 54,8% su ExploitGym, al 71,0% su CWE-bench e all'88,2% su SEC-bench Pro. Si tratta di affermazioni ampie e specifiche sulla scoperta e sulla correzione di vulnerabilità, ed è esattamente il tipo di affermazione che richiede una replica indipendente prima che un team di sicurezza ci basi il proprio budget. Il dominio cyber di GDPx è uno degli input a questo, non una replica di quelle tre suite.

Il prezzo è il terzo vantaggio, con un asterisco. A $2 / $10, la tariffa introduttiva di Carbon è la metà dei $4 / $20 di Opus 5.5. Alla tariffa standard di $4 / $20 è lo stesso. Lo sconto del 95% sull'input in cache è reale ma si riduce al prezzo di listino: $0.10 per milione di token in cache alla tariffa introduttiva, $0.20 alla tariffa standard, contro i $0.20 di lettura cache di Opus 5.5. Il vantaggio sui costi è massimo oggi, finché dura lo sconto, e Google non ha detto quanto durerà.

Dove Opus 5.5 è ancora leader

Il risultato indipendente più solido di Opus 5.5 non è il punteggio GDPx, ma il profilo di coding. Il Coding Agent Index di Artificial Analysis lo colloca a 62 contro il 59 di Carbon, e quell'indice è costruito su esecuzioni di coding agentico anziché su completamenti singoli. Per un modello la cui finalità dichiarata è il lavoro software prolungato, questa è la misurazione più vicina alla realtà.

Anche i dati di lancio di Anthropic, dichiarati dal fornitore stesso, vanno nella stessa direzione: Terminal-Bench 4.0 al 66,4%, FrontierCode v1.1 al 54,4%, CursorBench 4.0 al 57,8% e AutomationBench al 40,0%. L'harness conta. Artificial Analysis ha misurato lo stesso modello al 59,6% su Terminal-Bench 4.0 con effort xhigh, e Vals AI ha riportato il 65,2%. Una differenza di sette punti tra il fornitore e un harness indipendente è normale per i benchmark agentici, ed è il motivo per cui una singola riga non dovrebbe mai decidere un acquisto.

Il vantaggio meno appariscente è la disponibilità. Opus 5.5 ha una finestra di contesto pubblicata, un limite di output documentato, un tier batch, una modalità veloce a $8 / $40, una guida alla migrazione e sei settimane di utilizzo in produzione alle spalle. Carbon ha un post sul blog, un programma partner e un listino prezzi. Per un team che ha bisogno di una risposta entro questo trimestre, quella differenza decide più casi di 59 contro 58.

Quanto costa davvero un'attività

I dati sui costi di GDPx rappresentano la spesa in token misurata nell'ambito di un budget di otto ore, non i prezzi di listino, quindi includono quanto ogni modello sceglie di scrivere. Carbon ha usato circa l'8% in più di token di output per attività rispetto a Opus 5.5 ed è comunque costato un terzo, perché la tariffa introduttiva è la metà e il lato input è dove si accumulano le lunghe esecuzioni degli agenti. Su 1.000 attività, il divario riportato è di circa $51.000 contro $16.000.

Al prezzo di listino l'aritmetica è meno drammatica. Una richiesta con 1M token di input e 250K token di output costa $9 su Opus 5.5 a $4 / $20, $4,50 su Carbon alla tariffa introduttiva di $2 / $10, e $9 su Carbon alla sua tariffa standard di $4 / $20. L'API Batch di Opus 5.5 con lo sconto del 50% arriva a $2 / $10 — lo stesso della tariffa introduttiva di Carbon — per il lavoro che può attendere. Quando il periodo introduttivo di Carbon termina, la differenza nel listino prezzi scompare del tutto; ciò che resta è la differenza per attività nell'uso dei token, che è piccola.

Questa è la parte del confronto che più facilmente rischia di essere citata fuori contesto. «Un terzo del costo» è vero per le esecuzioni di GDPx ai prezzi promozionali attuali. Non è una proprietà permanente del modello, e non è il rapporto che vedrete su un carico di lavoro batch alle tariffe standard.

Il divario di disponibilità è la vera decisione

Claude Opus 5.5 è disponibile su OrcaRouter come anthropic/claude-opus-5.5 al prezzo di listino del provider di $4 / $20, senza alcun ricarico aggiuntivo, insieme a oltre 200 modelli con un'unica chiave. Instradarlo è una modifica alla stringa del modello, e una porzione ponderata con failover automatico è il modo economico per testarlo rispetto al tuo modello attuale senza puntare un percorso di produzione sul risultato.

Gemini 4 Carbon non è su OrcaRouter e non può esserlo. Google non ha pubblicato alcun ID modello né alcun endpoint pubblico, quindi non c'è nulla a cui instradare; l'unica affermazione onesta è che l'accesso passa attraverso il programma Fairwind di Google e, alla fine, l'API del fornitore stesso. Quando comparirà un endpoint pubblico, il modello pass-through significa che il prezzo di listino è quello che paghi qui il giorno in cui cambia, anziché una versione riprezzata dello stesso.

Questo lascia una decisione più ristretta di quanto suggerisca la tabella di benchmark:

• Lavori di sicurezza con accesso Fairwind — prova Carbon sulla tua coda di triage e patching. I suoi dati cyber del fornitore sono i più solidi tra quelli pubblicati, ma non sono stati replicati, e il risultato del riponderamento per dominio di GDPx indica che il suo vantaggio dipende dal dominio.

• Agenti di coding di lunga durata — Opus 5.5. Guida l'indice indipendente per il coding, ha una finestra documentata da 1M token e un output da 128K, ed è disponibile sulle piattaforme con cui la maggior parte delle imprese ha già un contratto.

• Lavoro in batch sensibile ai costi — l'API Batch di Opus 5.5 a $2 / $10 eguaglia la tariffa introduttiva odierna di Carbon e non dipende da uno sconto che Google può terminare senza preavviso.

• Una scommessa netta sulle capacità — aspetta. Un vantaggio di un punto nell'Intelligence Index e un vantaggio di 1,1 punti in GDPx rientrano nel rumore della scelta dell'harness, e nessuno dei due modelli è vicino a portare a termine le attività professionali che GDPx propone.

Cosa cambierebbe la risposta

Ci sono tre cose da tenere d'occhio, e nessuna di esse è l'ennesimo benchmark di un fornitore. La prima è un endpoint pubblico di Carbon. Finché Google non rilascerà un ID modello, qualsiasi confronto sui costi è ipotetico per chiunque sia fuori da Fairwind, e il prezzo introduttivo è una promessa anziché una fattura. La seconda è la fine di quel periodo introduttivo; a $4 / $20, il tariffario di Carbon è identico a quello di Opus 5.5, e l'argomentazione sul valore si riduce di nuovo all'efficienza dei token. La terza è una replica indipendente dei risultati cyber. SEC-bench Pro all'88,2% ed ExploitGym al 54,8% sono i numeri che giustificherebbero un budget per la sicurezza, e al momento poggiano sull'harness di un solo laboratorio.

Per ora il riepilogo onesto è più ristretto di quanto piacerebbe a entrambi i fornitori. Opus 5.5 è il modello migliore su cui costruire, perché è quello su cui puoi costruire. Carbon è il modello più interessante da osservare, perché eguaglia la frontiera a un prezzo inferiore e non gli è ancora stato permesso di dimostrarlo in pubblico. Il tetto del 12% appartiene a entrambi.