Claude Opus 5.5 vs Gemini 4 Carbon: een plafond van 12% en een derde van de rekening

Claude Opus 5.5 en Gemini 4 Carbon zijn de twee beste modellen op de nieuwe GDPx-benchmark van SemiAnalysis, en het verschil tussen hen is iets meer dan één punt: 12,0% voor Opus 5.5, 10,9% voor Carbon. Het nuttigere getal staat onder de score. Carbon kwam daar voor $16,29 per taak; Opus 5.5 had $51,41 nodig. Dat is de hele beslissing in één regel, met een addertje onder het gras dat het leaderboard niet kan tonen. Opus 5.5 is algemeen beschikbaar sinds 22 september 2026. Carbon werd aangekondigd op 28 oktober en is nog steeds beperkt tot cyberdefensiepartners via het Fairwind-programma van Google, zonder openbare model-ID. Een derde van de rekening is alleen een koopje als je de bestelling kunt plaatsen.

GDPx v1.0 is een nieuwe benchmark die deze week is uitgebracht, en het is de eerste onafhankelijke evaluatie die deze twee modellen op dezelfde taken met dezelfde testopstelling beoordeelt en rapporteert wat elke run heeft gekost. Die timing is belangrijker dan de rangschikking. Zes weken nadat Opus 5.5 op de markt kwam, en dagen nadat Carbon werd aangekondigd, is er eindelijk een gemeten vergelijking in plaats van twee leverancierstabellen die naast elkaar zijn gezet.

Wat elk model is, vóór de tabel

Claude Opus 5.5 is Anthropics huidige vlaggenschip voor langdurig agentisch programmeren en kenniswerk. Het verving Opus 5 met een prijsverlaging van 20% en een gedocumenteerd contextvenster van 1 miljoen tokens, en het is het model dat Anthropic positioneert voor Claude Code en de Claude-apps.

• Prijs — $4 per miljoen invoertokens, $20 per miljoen uitvoertokens. Batchverzoeken zijn 50% goedkoper: $2 / $10.

• Context en output — 1M invoertokens, 128K output op de synchrone API, 300K output op de Batch API met de extended-output-bètaheader.

• Caching — een cache-schrijfactie van vijf minuten kost $5 per miljoen tokens, een schrijfactie van een uur $8 en een cache-leesactie $0,20.

• Denken — adaptief denken staat altijd aan en kan niet worden uitgeschakeld; het standaard inspanningsniveau is gemiddeld en de betrouwbare kennisafsluitdatum is juni 2026.

• Waar — de Claude API onder claude-opus-5-5, Amazon Bedrock, Google Cloud via zowel de door Google beheerde als de door Anthropic beheerde paden, Microsoft Foundry, en het Claude Platform op AWS.

Gemini 4 Carbon is Google's nieuwste frontier-model, aangekondigd door Koray Kavukcuoglu op 28 oktober als het sterkste model van het bedrijf voor cybersecurity, langdurige agents en complexe software-engineering. De aankondiging van Google bevat drie opvallende claims en één opvallende weglating: er wordt geen contextvenster gepubliceerd. De benchmarkclaims zijn van Google zelf — SEC-bench Pro 88,2% voor het ontdekken van kwetsbaarheden, ExploitGym 54,8% voor exploitatie, en CWE-bench 71,0% voor patching — en moeten worden gelezen als door de leverancier gerapporteerd, niet onafhankelijk gereproduceerd.

• Prijs — $2 per miljoen inputtokens en $10 per miljoen output tijdens een introductieperiode, met 95% korting op gecachte input; het standaardtarief is later $4 / $20, en Google heeft niet gezegd wanneer de introductieprijs eindigt.

• Toegang — alleen Fairwind, tot een subset van cyberverdedigers en vertrouwde partners, met bredere toegang voor ontwikkelaars, bedrijven en consumenten beloofd "zo snel mogelijk" en zonder datum.

• Endpoint — niet openbaar. De Gemini API stelt nog steeds gemini-4-argon beschikbaar, niet Carbon.

• Context — niet in de aankondiging vermeld. Resultaten van long-context-retrieval deden de ronde in de berichtgeving tijdens de lanceerweek, maar het venster zelf is geen gepubliceerde specificatie.

Die asymmetrie is het eerste dat je aan deze vergelijking moet begrijpen. Het ene model is een product dat je vandaag kunt aanroepen via de Claude API, vier cloudplatforms en een dozijn SDK's. Het andere is een demonstratie van capaciteiten met een wachtlijst. Alles wat volgt, vergelijkt ze als modellen; slechts één ervan is op dit moment een implementatieoptie.

GDPx: 206 taken, een plafond van 12% en een kostenkloof van 3,2x

SemiAnalysis heeft GDPx gebouwd als opvolger van OpenAI's GDPval, met 14 datapartners en 206 taken verspreid over 11 professionele domeinen: financiën, juridisch, biologie, materiaalkunde, chipontwerp, hardwareontwerp, cybersecurity, software-engineering, alignment, kwantitatief handelen en recursieve zelfverbetering. Elke taak krijgt standaard een budget van acht uur, er wordt gemiddeld over drie runs, en de domeinen wegen even zwaar. Slechts 13 van de 20 geteste modellen staan op het openbare scorebord.

• Claude Opus 5.5 — 12,0%, eerste, tegen $51,41 per taak en ongeveer 548.000 outputtokens per taak.

• Gemini 4 Carbon — 10,9%, tweede, tegen $16,29 per taak en ongeveer 594.000 outputtokens per taak.

• GPT-6 Astra — 9,6%, derde, tegen $53,99 per taak.

• Claude Fable 5.1 — 8,5% voor $67,16, het duurste model op de lijst.

Twee interpretaties strijden hier om voorrang, en beide zijn juist. De eerste is dat Carbon ongeveer 91% van de score van Opus 5.5 levert voor ongeveer 32% van de kosten, wat een oprecht waardeargument is en degene waarmee 9to5Google opende. De tweede is dat geen van beide modellen zeven van de acht professionele taken die het krijgt, afmaakt. Een voorsprong van één punt bij 12% is geen opgelost probleem; het is de huidige grens van wat agenten kunnen doen wanneer het werk lang, open-ended en door een domeinexpert beoordeeld is.

SemiAnalysis publiceerde een tweede visie waarin cyberbeveiliging, biologie en alignment zijn verwijderd, en de volgorde verandert: GPT-6 Astra schuift naar de eerste plaats en Carbon zakt onder GPT-6.1 Sol en Claude Sonnet 5.5. Het bedrijf zegt dat die visie beter overeenkomt met zijn subjectieve indrukken. Het mechanisme erachter zijn guardrails: een model dat een taak weigert, scoort daarop nul, en het veiligheidsgedrag van Carbon is strikter in precies de domeinen waar zijn cybersterktes het grootst zijn. De tweede plaats van Carbon is dus deels het gevolg van capaciteit en deels van toestemming. Als jouw werk op de verwijderde domeinen lijkt, gaat de ranking in de kop niet over jou.

Waar Carbon echt voorloopt

Op de Intelligence Index v5.0 van Artificial Analysis staat Carbon op 59 en Opus 5.5 op 58. Eén punt, op een samengestelde index die op 27 oktober een nieuwe basis kreeg, is geen kloof die het waard is om een productiesysteem voor te migreren. Het bevestigt wel dat het model van Google aan de frontier staat in plaats van erachter, wat een sterkere claim is dan wat de gefaseerde uitrol gemakkelijk te verifiëren maakt.

De cybercijfers vormen het punt waarop de zaak van Carbon het helderst is, en ook waarop de onderbouwing het zwakst is. Het eigen testharnas van Google zet het op 54,8% bij ExploitGym, 71,0% bij CWE-bench en 88,2% bij SEC-bench Pro. Dat zijn grote, specifieke claims over het ontdekken en patchen van kwetsbaarheden, en precies het soort claim dat een onafhankelijke herhaling vereist voordat een securityteam erop budgetteert. Het cyberdomein van GDPx is één input daarvoor, geen replicatie van die drie suites.

Prijs is het derde voordeel, met een asterisk. Met $2 / $10 is het introductietarief van Carbon de helft van de $4 / $20 van Opus 5.5. Bij het standaardtarief van $4 / $20 is het hetzelfde. De korting van 95% op gecachte input is reëel, maar wordt kleiner bij lijstprijs: $0,10 per miljoen gecachte tokens bij het introductietarief, $0,20 bij het standaardtarief, tegenover de $0,20 die Opus 5.5 rekent voor cache-lezingen. Het kostenvoordeel is vandaag het grootst, zolang de korting duurt, en Google heeft niet gezegd hoe lang dat is.

Waar Opus 5.5 nog steeds vooroploopt

Het sterkste onafhankelijke resultaat van Opus 5.5 is niet de GDPx-score, maar het codingprofiel. De Coding Agent Index van Artificial Analysis plaatst het op 62 tegenover de 59 van Carbon, en die index is gebaseerd op agentische coderuns in plaats van eenmalige completions. Voor een model dat als doel heeft langdurig aan software te werken, is dat de meting die dichter bij de praktijk staat.

Anthropics eigen lanceercijfers wijzen dezelfde kant op, en ze zijn door de leverancier gerapporteerd: Terminal-Bench 4.0 op 66,4%, FrontierCode v1.1 op 54,4%, CursorBench 4.0 op 57,8% en AutomationBench op 40,0%. De harness is van belang. Artificial Analysis mat hetzelfde model op 59,6% op Terminal-Bench 4.0 bij xhigh effort, en Vals AI rapporteerde 65,2%. Een verschil van zeven punten tussen de leverancier en één onafhankelijke harness is normaal voor agentische benchmarks, en het is de reden dat één enkele rij nooit een aankoop zou moeten bepalen.

Het onglamoureuze voordeel is beschikbaarheid. Opus 5.5 heeft een gepubliceerd contextvenster, een gedocumenteerde uitvoerlimiet, een batchlaag, een snelle modus voor $8 / $40, een migratiegids en zes weken productiegebruik achter zich. Carbon heeft een blogpost, een partnerprogramma en een prijslijst. Voor een team dat dit kwartaal een antwoord nodig heeft, beslist dat verschil in meer gevallen dan 59 versus 58.

Wat een taak eigenlijk kost

De kostencijfers van GDPx zijn gemeten tokenuitgaven binnen een budget van acht uur, niet lijstprijzen, dus ze omvatten hoeveel elk model ervoor kiest te schrijven. Carbon gebruikte ongeveer 8% meer outputtokens per taak dan Opus 5.5 en kostte toch een derde zoveel, omdat het introductietarief de helft is en aan de inputkant lange agentruns zich opstapelen. Bij 1.000 taken is het gerapporteerde verschil ruwweg $51.000 tegen $16.000.

Tegen lijstprijs is de rekensom minder dramatisch. Een verzoek met 1M invoertokens en 250K uitvoertokens kost $9 op Opus 5.5 tegen $4 / $20, $4,50 op Carbon tegen het introductietarief van $2 / $10, en $9 op Carbon tegen het standaardtarief van $4 / $20. De Batch API van Opus 5.5 met 50% korting komt op $2 / $10 — hetzelfde als het introductietarief van Carbon — voor werk dat kan wachten. Wanneer de introductieperiode van Carbon eindigt, verdwijnt het verschil in de tariefkaart volledig; wat overblijft is het verschil per taak in tokengebruik, dat klein is.

Dit is het deel van de vergelijking dat het vaakst uit zijn verband wordt geciteerd. "Een derde van de kosten" klopt voor GDPx-runs tegen de huidige actieprijs. Het is geen permanente eigenschap van het model, en het is niet de verhouding die je ziet bij een batchworkload tegen standaardtarieven.

De beschikbaarheidskloof is de echte beslissing.

Claude Opus 5.5 is live op OrcaRouter als anthropic/claude-opus-5.5 tegen de lijstprijs van de provider van $4 / $20, zonder enige markup, naast 200+ modellen op één sleutel. Het routeren ervan is een kwestie van de model-string aanpassen, en een gewogen slice met automatische failover is de goedkope manier om het te testen tegen je huidige model zonder een productiepad op het resultaat te verwedden.

Gemini 4 Carbon staat niet op OrcaRouter en kan daar ook niet op staan. Google heeft geen model-ID en geen publiek endpoint gepubliceerd, dus er is niets om naar te routeren; de enige eerlijke uitspraak is dat toegang via Google's Fairwind-programma verloopt en uiteindelijk via de eigen API van de leverancier. Wanneer er een publiek endpoint verschijnt, betekent het pass-throughmodel dat de lijstprijs hier de prijs is die je betaalt op het moment dat die verandert, in plaats van een opnieuw geprijsde versie ervan.

Dat laat een beslissing over die nauwer is dan de benchmarktabel suggereert:

• Beveiligingswerk met Fairwind-toegang — probeer Carbon op je eigen triage- en patchwachtrij. De cybercijfers van de leverancier zijn de sterkste die gepubliceerd zijn, maar ze zijn niet gerepliceerd, en het resultaat van de GDPx-domeinherweging zegt dat het voordeel ervan domeinafhankelijk is.

• Langlopende codeeragents — Opus 5.5. Het leidt de onafhankelijke codeerindex, heeft een gedocumenteerd venster van 1M tokens en 128K-uitvoer, en is beschikbaar op de platforms waarmee de meeste ondernemingen al een contract hebben.

• Kostenbewust batchwerk — de Batch API van Opus 5.5 tegen $2 / $10 komt vandaag overeen met het introductietarief van Carbon, en is niet afhankelijk van een korting die Google zonder voorafgaande kennisgeving kan beëindigen.

• Een regelrechte gok op capaciteit — wacht. Een voorsprong van één punt op de Intelligence Index en een voorsprong van 1,1 punt op GDPx vallen binnen de ruis van de harnesskeuze, en geen van beide modellen is dicht bij het afronden van de professionele taken die GDPx opgeeft.

Wat zou het antwoord veranderen

Drie dingen zijn het volgen waard, en geen ervan is weer een leveranciersbenchmark. Het eerste is een openbaar Carbon-endpoint. Totdat Google een model-ID uitbrengt, is elke kostenvergelijking hypothetisch voor iedereen buiten Fairwind, en de introductieprijs is een belofte in plaats van een rekening. Het tweede is het einde van die introductieperiode; bij $4 / $20 is de tariefkaart van Carbon identiek aan die van Opus 5.5, en valt het waardeargument terug op token-efficiëntie. Het derde is een onafhankelijke replicatie van de cyberresultaten. SEC-bench Pro op 88,2% en ExploitGym op 54,8% zijn de cijfers die een beveiligingsbudget zouden rechtvaardigen, en ze berusten momenteel op de harness van één lab.

Voorlopig is de eerlijke samenvatting beperkter dan beide leveranciers zouden willen. Opus 5.5 is het betere model om op voort te bouwen, want het is het model waarop je kunt voortbouwen. Carbon is het interessantere model om in de gaten te houden, omdat het de frontier evenaart tegen een lagere prijs en het nog niet in het openbaar heeft mogen bewijzen. Het plafond van 12% geldt voor beide.