GPT-6.1 Sol vs Claude Opus 5: één indexpunt uit elkaar, tweeënhalf keer de prijs

Eén punt op een schaal van honderd scheidt ze, en een van de twee kost tweeënhalf keer zoveel. Op de Artificial Analysis Intelligence Index staat GPT-6.1 Sol — de release van Open​AI van 2026-09-29 — op 51.8. Claude Opus 5, sinds 2026-07-24 het vlaggenschip van Anthrop​ic, staat op 50.8. De tarieven zijn $2,00 en $10,00 per miljoen tokens voor GPT-6.1 Sol tegenover $5,00 en $25,00 voor Claude Opus 5. Dat is geen vergelijking tussen een sterk model en een goedkoop model. Het zijn twee modellen die een onafhankelijke beoordelaar niet meer dan een punt uit elkaar kon houden, verkocht tegen prijzen die een factor 2,5 verschillen — en de interessante vraag is niet welke van de twee beter is, maar welke van de twee de index nalaat te onderscheiden.

Elk getal hieronder is ofwel een meting van Artificial Analysis die in onze modelgegevens is opgenomen, ofwel een cijfer dat de leverancier zelf heeft gepubliceerd, ofwel een berekening op basis van de twee tariefkaarten. Waar een cijfer van de leverancier zelf afkomstig is en niemand buiten de leverancier het heeft gereproduceerd, vermeldt de zin dat.

Wat de twee eigenlijk zijn

Claude Opus 5 is Anthropics topklasse-generalist: een contextvenster van 1.000.000 tokens, 128.000 uitvoertokens, tekst-, afbeeldings- en bestandsinvoer, en adaptief redeneren waarbij de aanroeper een inspanningsniveau instelt in plaats van een temperatuur. Het is het model dat het bedrijf positioneert voor end-to-end software-engineering, codereview en lange, meerstaps agentische sessies met intensief toolgebruik.

GPT-6.1 Sol staat één tier onder OpenAI's eigen vlaggenschip — GPT-6 Astra — in de GPT-6-lijn, en het werd zes weken na het model dat het verving, GPT-6 Sol, uitgebracht tegen dezelfde prijs van $2,00/$10,00. Het heeft een contextvenster van 1.050.000 tokens, hetzelfde uitvoerplafond van 128.000, hetzelfde invoeroppervlak voor tekst, afbeeldingen en bestanden, en vijf niveaus van redeneerinspanning van laag tot max, met medium als standaard.

Lees die twee alinea's naast elkaar en de specificatierijen zijn bijna identiek. De verschillen zitten in de kleine lettertjes, en drie ervan doen ertoe:

• Sampling-parameters — geen van beide modellen accepteert temperature of top_p. Beide vervangen die door een effort-dial. Als je code een temperature doorgeeft, wijzen beide die af, dus geen van beide is een drop-in voor een legacy-integratie.

• Contextplafond — 1.050.000 tokens voor GPT-6.1 Sol tegenover 1.000.000 voor Claude Opus 5. Een verschil van vijf procent; in de praktijk irrelevant, en niet waar deze beslissing ligt.

• Standaardinstellingen voor inspanning — GPT-6.1 Sol staat standaard op medium; het adaptieve denken van Claude Opus 5 bepaalt zelf de diepgang. De hele onderstaande indexvergelijking is hier gevoelig voor, en dat is de kanttekening die later nog volgt.

De vijf assen waarop beide werden gemeten

Dit is het onderdeel waarop de meeste verslagen over deze combinatie de fout ingaan, doordat ze aan de ene kant een leveranciersgetal met aan de andere kant een getal van een derde partij vermengen. De vijf rijen hieronder zijn allemaal Artificial Analysis, allemaal van dezelfde beoordelaar, voor beide modellen:

• AA Intelligence Index — GPT-6.1 Sol 51,8 (rang 10, 93,2e percentiel) tegen Claude Opus 5 50,8 (rang 11, 92,5e percentiel). Eén punt.

• Humanity's Last Exam — 52,9% tegen 54,9%. Claude Opus 5 met twee punten.

• SciCode — 54,2% tegen 56,4%. Claude Opus 5 met 2,2 punten.

• Recall bij lange context — 83% tegen 79,33%. GPT-6.1 Sol met 3,7 punten.

• Terminal-Bench 4.0 — 56,06% tegenover 48,99%. GPT-6.1 Sol met zeven punten voorsprong.

Drie tegen twee, met marges tussen één en zeven punten, tegen 2,5 keer de prijs. Er is een zesde as die alleen door Claude Opus 5 wordt bezet — GPQA Diamond op 93,2% — en een zevende die alleen door Claude Opus 5 in omgekeerde richting wordt bezet: Artificial Analysis kent Claude Opus 5 een 78 toe op zijn Coding Index, 98,6e percentiel, rang 2. GPT-6.1 Sol staat op die as helemaal niet vermeld in onze gegevens, dus er is geen getal om ernaast te zetten, en er een verzinnen op basis van een presentatie van een leverancier is precies de zet die deze blog niet maakt.

Waar de premium nog verdedigbaar is

Een verschil van één punt in de index zou een magere reden zijn om 2,5 keer zoveel te betalen als dat het hele verhaal was. Dat is het niet, en er zijn drie gevallen waarin Claude Opus 5 de betere aankoop is, ongeacht wat de index zegt.

De eerste is de Coding Index-rij hierboven. Rang 2 van 138 modellen op de eigen samengestelde score van de evaluator, op het 98,6e percentiel, is een concrete claim over een specifiek soort werk, en het is het soort werk dat de meeste teams die in dit prijssegment kopen, doen. Onze OrcaRouter-modelpagina voor anthropic/claude-opus-5 vermeldt "Ranking #1" tegenover de Codex-benchmark en een gemiddelde kostprijs van $1,09 per taak — onze eigen serveergegevens, geen leveranciersclaim, en een herinnering dat de prijs per token niet de prijs per taak is.

Het tweede is batch. Claude Opus 5 heeft een batchkorting van 50 procent, waardoor het uitkomt op $2,50 voor invoer en $12,50 voor uitvoer, en het staat 300.000 uitvoertokens toe in batchmodus, tegenover 128.000 op het interactieve pad. Bij $2,50/$12,50 is het niet langer tweeënhalf keer de prijs van GPT-6.1 Sol voor invoer — het is 25 procent meer. Voor elke workload die een wachtrij tolereert — offline indexering, bulkclassificatie, het genereren van tests 's nachts — wordt het hele betoog van dit artikel een stuk kleiner, en het wordt kleiner in het voordeel van Anthropic.

De derde is de bescheiden multimodale multiplier. De eigen gepubliceerde cijfers van Anthropic plaatsen Claude Opus 5 op 70,6% op OSWorld 2.0 en 96,0% op SWE-bench Verified, met 79,2% op SWE-bench Pro. Dat zijn door de leverancier gerapporteerde cijfers voor een model dat in juli is aangekondigd; niemand buiten de leverancier heeft ze hier gereproduceerd, en de assen overlappen niet met de rijen van Artificial Analysis hierboven — dus ze kunnen niet aan die scorekaart worden toegevoegd. Ze zijn alleen de moeite waard als indicatie dat Anthropic specifiek sterkte claimt op het gebied van computergebruik en engineering op repositoryschaal, wat precies de koper is voor wie dit model is geprijsd.

De tariefkaarten, inclusief de rij die alleen een van hen heeft.

Claude Opus 5 rekent $5,00 en $25,00 vast over zijn hele venster van een miljoen tokens, met cachereads tegen $0,50 en cachewrites tegen $10,00. GPT-6.1 Sol rekent $2,00 en $10,00 tot 272.000 prompttokens, en herprijst daarboven het hele verzoek tegen $4,00 en $15,00, waarbij cachereads van $0,10 naar $0,20 gaan en cachewrites van $2,50 naar $5,00. De inversie die dat oplevert, is het praktische gevolg van het kopen van lange context bij een van beide modellen:

• Een prompt van 250.000 tokens — GPT-6.1 Sol zit nog steeds in het eerste tariefniveau, met $2,00/$10,00 tegenover $5,00/$25,00. Dit is de goedkoopste aanvraag met een grote context in de vergelijking.

• Een prompt van 300.000 tokens — GPT-6.1 Sol is naar $4,00/$15,00 gegaan, en Claude Opus 5 is niet veranderd. Het verschil krimpt van 2,5× naar 1,25× bij input en 1,67× bij output.

• Cachelezingen — $0,10 per miljoen voor GPT-6.1 Sol tegen $0,50 voor Claude Opus 5, binnen de eerste tariefniveaus van beide modellen. Bij een lange agentische sessie die dezelfde prefix opnieuw leest, draagt deze rij meer bij aan de rekening dan de hoofdtarieven.

• Cache-writes — $2,50 tegenover $10,00. Zelfde richting, zelfde orde van grootte.

Dat is een reëel en weinig glamoureus punt: de 2,5×-kop wordt alleen gehaald met korte prompts. Zodra een workload de 272.000 tokens overschrijdt, wordt GPT-6.1 Sol ook geprijsd als een premiummodel, en wordt de eerlijke vergelijking "een premiummodel met een veel goedkopere cache" tegenover "een premiummodel met een vaste tariefkaart."

Waarom één punt hier niet alleen over zou moeten beslissen

De indexrijen hierboven zijn niet op dezelfde dag verzameld, en dat is hier belangrijker dan bij de meeste vergelijkingen. Het Artificial Analysis-record van GPT-6.1 Sol vermeldt een evaluatiedatum van 2026-09-28. Dat van Claude Opus 5 vermeldt 2026-07-23 — negen weken eerder, op een harness die in dat venster is herzien.

Er is een zichtbaar symptoom daarvan in onze eigen gegevens. Eerdere berichtgeving over Claude Opus 5 plaatste het op 61 in de Intelligence Index en bovenaan de ranglijst. Het catalogusrecord dat we vandaag hebben gelezen, plaatst hetzelfde model op 50,8, rang 11. Beide kunnen waar zijn: de index is herzien, en een samengestelde score is gevoelig voor de redeneerinspanning die de beoordelaar kiest — Claude Opus 5 kwam uit op maximale inspanning, en het record dat wij hanteren is helemaal niet geannoteerd met een inspanningsinstelling. De 51,8 van GPT-6.1 Sol draagt dezelfde ambiguïteit.

Wat dat betekent voor een aankoopbeslissing is beperkt maar belangrijk. Een verschil van één punt tussen twee modellen die met negen weken ertussen zijn geëvalueerd, op een veranderende samengestelde maatstaf, bij ongespecificeerde instellingen voor inspanning, toont niet aan dat het ene model slimmer is dan het andere. Wat de vijf rijen wél aantonen, is dat ze in dezelfde band zitten — en een resultaat in dezelfde band tegen 2,5 keer de prijs is een inkoopfeit, geen prestatiefeit.

Welke moet er gerouteerd worden

Neem het model dat je van plan was te kopen en test het tegen het andere. Dat klinkt als een cliché, maar het is de enige zet die het bewijs hier daadwerkelijk ondersteunt, en beide modellen zijn bereikbaar vanaf één OpenAI-compatibel eindpunt — openai/gpt-6.1-sol en anthropic/claude-opus-5 op OrcaRouter — dus de test is een wijziging van de model-string, niet een tweede contract en niet een herschrijving. De prijs is het lijsttarief van de provider met 0% opslag: $2,00/$10,00 waarbij de tier boven 272K precies zo wordt toegepast als OpenAI die instelt, en $5,00/$25,00 waarbij de batchkorting precies zo wordt toegepast als Anthropic die instelt, wat ook betekent dat een prijswijziging van een leverancier bij ons dezelfde dag live staat in plaats van bij de volgende factureringscyclus. Waar beide worden gerouteerd, ligt automatische failover eronder, wat de moeite waard is wanneer juist de goedkoopste van de twee een productiepad draagt.

Als je een standaard wilt voordat je je eigen cijfers hebt, is de verdeling die het bewijs ondersteunt deze. Kies GPT-6.1 Sol wanneer de workload met lange prompts, cache-intensief of terminal-en-tool-achtig is — de rijen Long-Context Recall en Terminal-Bench 4.0 zijn de twee grootste marges in de vergelijking, en cachereads van $0,10 zijn een grote hefboom voor agentische sessies die een prefix opnieuw lezen. Kies Claude Opus 5 wanneer de workload coderen op repositoryschaal is, wanneer batch acceptabel is, of wanneer de prompt binnen 128.000 tokens past en de kosten per taak die onze eigen playground meet op $1,09 het getal is dat je financiële team al heeft goedgekeurd.

Het oordeel dat deze combinatie verdient, is beperkter dan beide leveranciers zouden willen. Bij onafhankelijke meting zijn deze twee aan elkaar gewaagd; qua prijs zijn ze dat niet, en prijs is de as waar een van beide zich niet uit kan praten.