GPT-5.5 vs Claude Opus 5: De codeerrace die niemand eerlijk kan beoordelen

GPT-5.5 en Claude Opus 5 zijn de twee modellen die de meeste teams eigenlijk bedoelen wanneer ze "frontier coder" zeggen, en op papier liggen ze dicht genoeg bij elkaar dat de beslissing meestal wordt genomen op basis van een benchmarktabel. Dat is dit jaar een vergissing, om een reden die niets te maken heeft met de capaciteiten van beide modellen: GPT-5.5 wordt op 14 oktober 2026 teruggetrokken uit ChatGPT, ChatGPT Work en Codex, en Codex is de interface waarin een groot deel van zijn gebruikers die code schrijven daadwerkelijk werkt. Claude Opus 5 gaat nergens heen. De eerste vraag in deze vergelijking is dus niet welk model betere code schrijft — maar welk model in november nog steeds het verzoek beantwoordt dat je op het punt staat te versturen.

Dat plaatst de vergelijking in een ander kader, maar beslecht die niet. Als je GPT-5.5 aanroept via de API of via een Codex-sessie die met je eigen API-sleutel is geauthenticeerd, raakt de pensionering jou niet, en is de vraag naar de capaciteiten precies zo actueel als in april. Wat volgt is de eerlijke versie van die vraag, inclusief het deel dat de meeste vergelijkingspagina's overslaan: de belangrijkste cijfers van beide modellen worden gemeten op manieren die degene die de test uitvoert, bevoordelen.

Het antwoord in één regel

Als je de kortste verdedigbare versie nodig hebt: Claude Opus 5 is de veiligere standaard voor productie-codeerwerk eind 2026, omdat het goedkoper is op output, onafhankelijk gebenchmarkt is en niet wordt uitgefaseerd uit de tool waarin je het waarschijnlijk gebruikt. GPT-5.5 blijft de sterkere keuze op specifieke fronten — terminal-native agentisch werk, retrieval met lange context en token-efficiëntie bij moeilijke taken — en op het API-pad behoudt het al die sterke punten. Alles hieronder is de redenering achter die tweedeling, en de kanttekeningen die het minder eenduidig maken dan het klinkt.

Twee vlaggenschepen die in verschillende werelden werden gelanceerd

GPT-5.5 verscheen op 23 april 2026 als het frontiermodel van OpenAI voor complexe professionele workloads, gebouwd op GPT-5.4 met sterker redeneervermogen, betere betrouwbaarheid en — de claim waarmee OpenAI vooropliep — verbeterde token-efficiëntie bij moeilijke taken. Het accepteert tekst-, beeld- en bestandsinvoer, ondersteunt ongeveer 922K invoer- en 128K uitvoertokens, en kost $5,00 per miljoen invoertokens en $30,00 per miljoen uitvoertokens, met gecachte reads tegen $0,50 en een hoger tarief boven 272.000 invoertokens.

Claude Opus 5 is Anthropics vlaggenschip voor veeleisend redeneren, coderen en langdurig agentisch werk, en het is afgestemd op een specifieke zwakte die agentisch coderen al lang achtervolgt: coherent blijven gedurende zeer lange sessies met meerdere stappen en intensief toolgebruik. Het biedt een context van 1M tokens met maximaal 128K output, accepteert tekst-, afbeeldings- en bestandsinvoer, en de prijzen zijn $5,00 voor invoer en $25,00 voor uitvoer, waarbij lezen uit cache ook $0,50 kost. Het vervangt bemonsteringsparameters zoals temperatuur en top_p door een draaiknop voor redeneerinspanning, wat een echt verschil is in hoe je het afstelt, maar niet in wat het kan.

Het specificatiecontrast

• Prijs — GPT-5.5 $5,00/$30,00 per 1 miljoen tokens versus Claude Opus 5 $5,00/$25,00 per 1 miljoen; identiek bij input, Claude Opus 5 ongeveer 17% goedkoper bij output

• Gecachte invoer — beide $ 0,50 per 1 miljoen tokens, een korting van 90% op het invoertarief

• Context — GPT-5.5 ~922K invoer / 128K uitvoer vs Claude Opus 5 1M invoer / 128K uitvoer

Invoermodaliteiten — GPT-5.5 tekst, afbeelding, bestand vs Claude Opus 5 tekst, afbeelding, bestand; de twee zijn hier gelijkwaardig

• Afstelling — GPT-5.5-instellingen voor reasoning-effort van none tot xhigh vs. adaptieve reasoning van Claude Opus 5 via een effort-dial, geen temperatuur of top_p

• Beschikbaarheid — GPT-5.5 verdwijnt op 14 oktober 2026 uit ChatGPT, ChatGPT Work en Codex, maar niet uit de API, tegenover Claude Opus 5 op alle Anthropic-oppervlakken zonder aangekondigde stopzetting

Waar de benchmarkclaims niet meer vergelijkbaar zijn

Begin met het onafhankelijke beeld, want dat is het enige onderdeel hiervan dat wie dan ook kan controleren. Artificial Analysis geeft Claude Opus 5 een score van 51 op zijn Intelligence Index. Het geeft GPT-5.5 een score van 39 op de huidige v4.3-index — en, nog veelzeggender, heeft het GPT-5.5 als verouderd gemarkeerd en de evaluatie teruggeschroefd naar standaardworkloads van 10.000 tokens. Dat is de moeite waard om zorgvuldig te lezen. De onafhankelijke gegevensreeks voor GPT-5.5 is niet alleen zwakker; ze loopt ten einde, en zodra ze stopt, is elk getal dat nog voor dat model circuleert, een leveranciersgetal.

Wat de door leveranciers gerapporteerde cijfers betreft: de eigen cijfers van OpenAI plaatsen GPT-5.5 op 82,7% op Terminal-Bench 2.0, 82,6% op SWE-bench Verified en 58,6% op SWE-bench Pro. De cijfers van Anthropic voor Claude Opus 5 omvatten 90,2 op Terminal-Bench 2.1, 74,7 op SWE-bench Pro en 68,0 op JobBench. De verleidelijke zet is om die naast elkaar te zetten en een winnaar uit te roepen. Doe dat niet — en merk op dat de meeste vergelijkingspagina's het toch doen.

De Terminal-Bench-regel is het duidelijkste voorbeeld. De 82,7% van GPT-5.5 is op Terminal-Bench 2.0; de 90,2 van Claude Opus 5 is op Terminal-Bench 2.1. Dat zijn verschillende benchmarkversies met verschillende takenpakketten, en een vergelijking tussen versies is geen vergelijking. De SWE-bench Pro-rijen betreffen ten minste dezelfde suite, en daar is de 74,7 van Claude Opus 5 tegenover de 58,6 van GPT-5.5 een echte en grote kloof — maar beide cijfers zijn aan beide kanten door de leverancier gerapporteerd, en geen van beide is gereproduceerd onder identieke harness-omstandigheden.

Het harnasprobleem, dat het echte verhaal is

Als er één bevinding is die de moeite waard is om uit deze matchup mee te nemen, dan is het dat de keuze van de harness deze modellen meer beïnvloedt dan het verschil tussen hen. Een arXiv-evaluatie stelde vast dat GPT-5.5 het sterkst presteerde onder Claude Code en vervolgens 21,8 punten zakte toen het naar OpenHands werd overgezet, terwijl Claude Opus 4.8 — het vergelijkingspunt in dat onderzoek — bij dezelfde wijziging slechts 5,5 punten daalde. Een schommeling van 21 punten puur door scaffolding is groter dan de meeste gepubliceerde directe onderlinge verschillen tussen de twee topmodellen.

Er is een praktische versie hiervan die de eigen framing van OpenAI toegeeft: GPT-5.5 bereikt 83,4% op Terminal-Bench met zijn native Codex CLI-harness, tegenover 72,1% met een standaardharness. Als je evaluatie GPT-5.5 buiten Codex laat draaien, meet je een ander model dan het model in de lanceringstabel.

Dit is op een makkelijk te missen manier van belang voor de buitengebruikstelling. Als je GPT-5.5-cijfers zijn geproduceerd binnen Codex met een ChatGPT-login, en dat pad sluit op 14 oktober, verlies je niet alleen een model — je verliest het harnas waarvoor je benchmark is gekalibreerd. Bepaal je baseline opnieuw via het API-pad voordat je iets concludeert over wat de opvolger je kost.

Kosten per taak, niet per token

De vergelijking per token is eenvoudig en valt licht in het voordeel van Claude Opus 5 uit: dezelfde $5,00 input, $25,00 versus $30,00 op output. De interessante vergelijking is de kosten per voltooide taak, en daar keert het beeld om, omdat de centrale claim van OpenAI over GPT-5.5 token-efficiëntie betrof — volgens verschillende ontwikkelaars ongeveer 40% minder tokens bij gelijkwaardige taken. Als een model dezelfde klus klaart met 40% minder output-tokens, kan een outputtarief van $30 een lagere rekening opleveren dan een tarief van $25 bij een uitgebreider model. Die claim is door de leverancier geformuleerd en is niet onafhankelijk gereproduceerd, dus behandel die als een hypothese om op je eigen workload te testen, niet als een vaststaand feit.

Beide modellen staan in onze catalogus, wat die test goedkoop maakt om degelijk uit te voeren in plaats van op anekdotische basis. Beide zitten achter één sleutel tegen de list rate van de provider met 0% markup, dus een directe A/B op je eigen verkeer is een model string in de request body, niet een tweede contract — en elke prijsherziening van een leverancier komt dezelfde dag dat die wordt aangekondigd aan onze kant terecht. De routing DSL is hier het nuttige onderdeel: verdeel live verkeer tussen de twee, houd de verdeling op de verhouding die je error budget toelaat, en laat de cost-per-task cijfers uit productie komen in plaats van van een benchmarkpagina.

Wat dit betekent voor de komende zes weken

Voor een team dat vandaag kiest, heeft de beslissing een asymmetrie die een loutere beoordeling van de capaciteiten zou verbergen. Claude Opus 5 is de keuze met het lagere risico: onafhankelijk beoordeeld, goedkoper op output, en niet gepland om te worden verwijderd uit de producten waarin het wordt verkocht. GPT-5.5 is geen slecht model — het is een sterk model met een echte voorsprong in terminal-native agentisch werk — maar wie het kiest via het abonnementspad, kiest een model met een bekende vervaldatum over zes weken, en via het API-pad betekent het accepteren van een dunnere en krimpende onafhankelijke staat van dienst.

De verdedigbare positie is om GPT-5.5 te behouden waar het aantoonbaar wint en waar jij het pad beheerst — de API, een Codex-sessie met API-sleutel — en om Claude Opus 5 overal elders de standaard te maken. Wat je in beide richtingen van gedachten zou moeten doen veranderen, is niet de marketing van een van beide modellen: het is de eerste neutrale head-to-head-testrun onder één vaste testopstelling, en alles wat OpenAI publiceert over de vraag of het API-pad voor GPT-5.5 de buitengebruikstelling van het product overleeft.

Beide kanten van deze confrontatie zitten achter één sleutel: GPT-5.5 en Claude Opus 5 verschillen één modelstring van elkaar, met automatische failover tussen beide.