GPT-5.5 vs Claude Opus 5: La gara di programmazione che nessuno può giudicare equamente

GPT-5.5 e Claude Opus 5 sono i due modelli che la maggior parte dei team intende davvero quando parla di "programmatore di frontiera", e sulla carta sono così vicini che la decisione di solito viene presa su una tabella di benchmark. Quest'anno è un errore, per una ragione che non ha nulla a che vedere con le capacità di nessuno dei due modelli: GPT-5.5 verrà ritirato da ChatGPT, ChatGPT Work e Codex il 14 ottobre 2026, e Codex è la superficie su cui lavora concretamente gran parte dei suoi utenti che programmano. Claude Opus 5 non va da nessuna parte. Quindi la prima domanda in questo confronto non è quale modello scriva codice migliore — è quale dei due risponderà ancora alla richiesta che stai per inviare a novembre.

Questo riformula il confronto, ma non lo risolve. Se chiami GPT-5.5 tramite l'API o tramite una sessione Codex autenticata con la tua chiave API, la dismissione non ti tocca, e la domanda sulle capacità è viva esattamente come lo era in aprile. Quello che segue è la versione onesta di quella domanda, inclusa la parte che la maggior parte delle pagine di confronto salta: i numeri di punta di entrambi i modelli sono misurati in modi che favoriscono chiunque stia eseguendo il test.

La risposta di una riga

Se ti serve la versione più breve e difendibile: Claude Opus 5 è la scelta predefinita più sicura per il lavoro di programmazione in produzione alla fine del 2026, perché costa meno sull'output, è valutato da benchmark indipendenti e non verrà ritirato dallo strumento in cui probabilmente lo usi. GPT-5.5 resta la scelta più forte su fronti specifici — lavoro agentico nativo da terminale, recupero a contesto lungo ed efficienza dei token su compiti difficili — e sul percorso API li mantiene tutti. Tutto ciò che segue è il ragionamento dietro questa suddivisione, e le avvertenze che la rendono meno netta di quanto sembri.

Due ammiraglie lanciate in mondi diversi

GPT-5.5 è arrivato il 23 aprile 2026 come modello di frontiera di OpenAI per carichi di lavoro professionali complessi, costruito su GPT-5.4 con un ragionamento più forte, una migliore affidabilità e — l'affermazione con cui OpenAI ha esordito — una migliore efficienza dei token su compiti difficili. Accetta input di testo, immagini e file, serve circa 922K token di input e 128K di output, e ha un prezzo di $5,00 per milione di input e $30,00 per milione di output, con letture in cache a $0,50 e una tariffa più alta oltre 272.000 token di input.

Claude Opus 5 è il modello di punta di Anthropic per ragionamento complesso, coding e lavoro agentico a lungo orizzonte, ed è ottimizzato per una debolezza specifica che ha da sempre afflitto il coding agentico: restare coerente attraverso sessioni molto lunghe e multi-step con uso intensivo di strumenti. Gestisce un contesto da 1M token con output fino a 128K, accetta input di testo, immagini e file, e ha un prezzo di $5.00 per l'input e $25.00 per l'output, con letture dalla cache anch'esse a $0.50. Sostituisce parametri di campionamento come temperature e top_p con un selettore di reasoning effort, il che è una vera differenza nel modo in cui lo si regola, ma non in ciò che può fare.

Il contrasto delle specifiche

• Prezzo — GPT-5.5 5,00 $/30,00 $ per 1M di token contro Claude Opus 5 5,00 $/25,00 $ per 1M; identico sull'input, Claude Opus 5 circa il 17% più economico sull'output

• Input in cache — entrambi $0,50 per 1M token, uno sconto del 90% sulla tariffa di input

• Contesto — GPT-5.5 ~922K input / 128K output vs Claude Opus 5 1M input / 128K output

• Modalità di input — GPT-5.5 testo, immagine, file vs Claude Opus 5 testo, immagine, file; qui i due sono alla pari

• Tuning — impostazioni di sforzo di ragionamento di GPT-5.5 da none a xhigh rispetto al ragionamento adattivo di Claude Opus 5 tramite una manopola dello sforzo, senza temperature o top_p

• Disponibilità — GPT-5.5 lascia ChatGPT, ChatGPT Work e Codex il 14 ottobre 2026, ma non l'API, mentre Claude Opus 5 su tutte le superfici Anthropic senza alcun ritiro annunciato

Dove le affermazioni sul benchmark smettono di essere comparabili

Parti dal quadro indipendente, perché è l'unica parte di tutto questo che chiunque può verificare. Artificial Analysis assegna a Claude Opus 5 un punteggio di 51 sul suo Intelligence Index. Assegna a GPT-5.5 un punteggio di 39 sull'attuale indice v4.3 — e, cosa ancora più significativa, ha segnalato GPT-5.5 come deprecato e ha ridotto la sua valutazione a carichi di lavoro predefiniti da 10.000 token. Vale la pena leggerlo con attenzione. Il record indipendente di GPT-5.5 non è solo più debole; si sta chiudendo, e una volta che si ferma, ogni numero ancora in circolazione per quel modello è un numero di fornitore.

Sul fronte dei dati dichiarati dai fornitori, le cifre di OpenAI stessa collocano GPT-5.5 all'82,7% su Terminal-Bench 2.0, all'82,6% su SWE-bench Verified e al 58,6% su SWE-bench Pro. Le cifre di Anthropic per Claude Opus 5 includono 90,2 su Terminal-Bench 2.1, 74,7 su SWE-bench Pro e 68,0 su JobBench. La mossa allettante è metterli fianco a fianco e dichiarare un vincitore. Non fatelo — e notate che la maggior parte delle pagine di confronto lo fa comunque.

La linea Terminal-Bench è l'esempio più chiaro. L'82,7% di GPT-5.5 è su Terminal-Bench 2.0; il 90,2 di Claude Opus 5 è su Terminal-Bench 2.1. Quelle sono versioni diverse del benchmark con set di attività diversi, e un confronto tra versioni non è un confronto. Le righe di SWE-bench Pro riguardano almeno la stessa suite, e lì il 74,7 di Claude Opus 5 contro il 58,6 di GPT-5.5 è un divario autentico e ampio — ma entrambi i valori sono dichiarati dai fornitori da entrambe le parti, e nessuno dei due è stato riprodotto in condizioni di harness identiche.

Il problema del harness, che è la vera storia

Se c'è un risultato che vale la pena trarre da questo confronto, è che la scelta dell'harness sposta questi modelli più di quanto faccia il divario tra loro. Una valutazione su arXiv ha rilevato che GPT-5.5 ha ottenuto le prestazioni migliori con Claude Code e poi è calato di 21,8 punti quando è passato a OpenHands, mentre Claude Opus 4.8 — il termine di paragone in quello studio — è sceso di soli 5,5 punti con lo stesso cambiamento. Un'oscillazione di 21 punti dovuta al solo scaffolding è più ampia della maggior parte delle differenze testa a testa pubblicate tra i due modelli di punta.

Esiste una versione pratica di questo che la stessa impostazione di OpenAI ammette: GPT-5.5 raggiunge l'83,4% su Terminal-Bench usando il suo harness nativo Codex CLI, contro il 72,1% su un harness standard. Se la tua valutazione esegue GPT-5.5 al di fuori di Codex, stai misurando un modello diverso da quello nella tabella di lancio.

Questo è importante per la dismissione in un modo che sfugge facilmente. Se i tuoi numeri di GPT-5.5 sono stati prodotti dentro Codex con un accesso tramite ChatGPT, e quel percorso si chiude il 14 ottobre, non stai solo perdendo un modello — stai perdendo l'harness su cui è calibrato il tuo benchmark. Rifai la baseline sul percorso API prima di concludere qualsiasi cosa su quanto ti costerà il successore.

Costo per attività, non costo per token

Il confronto per token è semplice e favorisce leggermente Claude Opus 5: stesso input da $5,00, $25,00 contro $30,00 sull'output. Il confronto interessante è il costo per attività completata, e lì il quadro si inverte, perché l'affermazione centrale di OpenAI su GPT-5.5 riguardava l'efficienza dei token — circa il 40% in meno di token su attività equivalenti secondo diversi resoconti di sviluppatori. Se un modello completa lo stesso lavoro con il 40% in meno di token di output, una tariffa di output di $30 può produrre un conto più basso rispetto a una tariffa di $25 su un modello più prolisso. Questa affermazione è formulata dal fornitore e non è stata riprodotta in modo indipendente, quindi trattala come un'ipotesi da testare sul tuo carico di lavoro piuttosto che come un fatto stabilito.

Entrambi i modelli sono nel nostro catalogo, il che rende quel test economico da eseguire correttamente anziché in modo aneddotico. Entrambi stanno dietro un'unica chiave al prezzo di listino del provider con 0% di markup, quindi un A/B diretto sul tuo traffico è una stringa di modello nel corpo della richiesta, non un secondo contratto — e qualsiasi riprezzamento del fornitore ricade dalla nostra parte lo stesso giorno in cui viene annunciato. Il DSL di routing è la parte utile qui: suddividi il traffico live tra i due, mantieni la suddivisione al rapporto che il tuo error budget tollera, e lascia che i numeri di costo per attività arrivino dalla produzione invece che da una pagina di benchmark.

Cosa significa questo per le prossime sei settimane

Per un team che sceglie oggi, la decisione presenta un'asimmetria che una lettura basata sulla sola capacità nasconderebbe. Claude Opus 5 è la scelta a minor rischio: valutato in modo indipendente, più economico sull'output e non destinato alla rimozione dai prodotti in cui viene venduto. GPT-5.5 non è un modello scarso — è un modello forte, con un vantaggio autentico nel lavoro agentico nativo da terminale — ma sceglierlo sulla via dell'abbonamento significa scegliere un modello con una data di scadenza nota a sei settimane di distanza, e sulla via dell'API significa accettare un track record indipendente più esile e in contrazione.

La posizione difendibile è mantenere GPT-5.5 dove vince in modo dimostrabile e dove controlli il percorso — l'API, una sessione Codex con chiave API — e rendere Claude Opus 5 l'impostazione predefinita ovunque altrove. Ciò che dovrebbe farti cambiare idea in un senso o nell'altro non è il marketing di nessuno dei due modelli: è il primo confronto diretto neutrale sotto un unico harness fisso, e qualunque cosa OpenAI pubblichi su se il percorso API per GPT-5.5 sopravviverà dopo il ritiro del prodotto.

Entrambe le parti di questa sfida stanno dietro un'unica chiave: GPT-5.5e Claude Opus 5 distano una sola stringa di modello, con failover automatico tra loro.