GPT-6.1 Sol vs Claude Opus 5: różnica jednego punktu w indeksie, cena dwa i pół raza wyższa

Na studpunktowej skali dzieli je zaledwie jeden punkt, a jeden z nich jest dwa i pół raza droższy. W Artificial Analysis Intelligence Index GPT-6.1 Sol — model Open​AI wydany 29.09.2026 — osiąga 51,8. Claude Opus 5, flagowy model Anthrop​ic od 2026-07-24, osiąga 50,8. Cenniki wynoszą 2,00 i 10,00 USD za milion tokenów dla GPT-6.1 Sol wobec 5,00 i 25,00 USD dla Claude Opus 5. To nie jest porównanie mocnego modelu z tanim. To dwa modele, których niezależny ewaluator nie potrafił rozdzielić o więcej niż punkt, sprzedawane po cenach różniących się 2,5-krotnie — a ciekawe pytanie nie brzmi, który jest lepszy, lecz którego z tych dwóch indeks nie potrafi rozróżnić.

Każda liczba poniżej to albo pomiar Artificial Analysis odnotowany w naszych rekordach modeli, albo wartość opublikowana przez samego dostawcę, albo wynik obliczeń na podstawie dwóch cenników. Jeśli dana liczba pochodzi od samego dostawcy i nikt z zewnątrz jej nie odtworzył, zdanie mówi o tym wprost.

Czym tak naprawdę jest ta dwójka

Claude Opus 5 to flagowy generalista Anthropic: okno kontekstowe o długości 1 000 000 tokenów, 128 000 tokenów wyjściowych, obsługa tekstu, obrazów i plików oraz adaptacyjne rozumowanie, w którym wywołujący ustawiają poziom wysiłku zamiast temperatury. To model, który firma pozycjonuje do kompleksowej inżynierii oprogramowania, przeglądu kodu i długich, wieloetapowych sesji agentowych z intensywnym wykorzystaniem narzędzi.

GPT-6.1 Sol znajduje się o jeden poziom poniżej flagowego modelu samego OpenAI — GPT-6 Astra — w linii GPT-6, a został wprowadzony na rynek sześć tygodni po modelu, który zastąpił, GPT-6 Sol, w tej samej cenie 2,00 USD/10,00 USD. Ma okno kontekstowe o rozmiarze 1 050 000 tokenów, ten sam limit wyjściowy 128 000, ten sam zakres danych wejściowych obejmujący tekst, obrazy i pliki oraz pięć poziomów intensywności rozumowania od niskiego do maksymalnego, przy czym domyślny jest średni.

Przeczytaj te dwa akapity obok siebie, a wiersze specyfikacji są niemal identyczne. Różnice tkwią w drobnym druku i trzy z nich mają znaczenie:

• Parametry próbkowania — żaden z modeli nie akceptuje temperatury ani top_p. Oba zastępują je pokrętłem poziomu wysiłku. Jeśli twój kod przekazuje temperaturę, oba ją odrzucą, więc żaden nie jest zamiennikiem typu drop-in dla starszej integracji.

• Limit kontekstu — 1 050 000 tokenów dla GPT-6.1 Sol wobec 1 000 000 dla Claude Opus 5. Pięć procent różnicy; w praktyce bez znaczenia, i nie tu zapada ta decyzja.

• Domyślne poziomy wysiłku — GPT-6.1 Sol domyślnie ustawia poziom średni; adaptacyjne myślenie Claude Opus 5 samo przydziela głębokość rozumowania. Wszystko w poniższym porównaniu indeksów jest na to wrażliwe — to właśnie zastrzeżenie, o którym mowa później.

Pięć osi, na których oba zostały zmierzone

To jest część, którą większość opracowań na temat tego porównania podaje błędnie, ponieważ mieszają one numer dostawcy po jednej stronie z numerem strony trzeciej po drugiej. Pięć wierszy poniżej pochodzi w całości z Artificial Analysis, wszystkie od tego samego ewaluatora, dla obu modeli:

• AA Intelligence Index — GPT-6.1 Sol 51,8 (miejsce 10, 93,2. percentyl) kontra Claude Opus 5 50,8 (miejsce 11, 92,5. percentyl). Jeden punkt.

• Humanity's Last Exam — 52,9% wobec 54,9%. Claude Opus 5 o dwa punkty.

• SciCode — 54,2% wobec 56,4%. Claude Opus 5 o 2,2 punktu.

• Przywoływanie długiego kontekstu — 83% wobec 79,33%. GPT-6.1 Sol o 3,7 punktu.

• Terminal-Bench 4.0 — 56,06% wobec 48,99%. GPT-6.1 Sol o siedem punktów.

Trzy do dwóch, przy przewagach od jednego do siedmiu punktów, za 2,5-krotność ceny. Jest szósta oś, na której Claude Opus 5 jest sam — GPQA Diamond przy 93,2% — oraz siódma, na której również jest sam, tyle że w drugą stronę: Artificial Analysis przyznaje Claude Opus 5 78 punktów w swoim Coding Index, 98,6. percentyl, miejsce 2. GPT-6.1 Sol nie jest w ogóle wymieniony na tej osi w naszych zapisach, więc nie ma liczby, którą można by postawić obok niego, a wymyślanie jej z prezentacji dostawcy to dokładnie to posunięcie, którego ten blog nie wykonuje.

Gdzie premium wciąż jest do obrony

Jednopunktowa różnica w indeksie byłaby słabym powodem, by płacić 2,5 razy więcej, gdyby to był cały obraz. Nie jest nim, a są trzy miejsca, w których Claude Opus 5 jest lepszym zakupem, niezależnie od tego, co mówi indeks.

Pierwszy to wiersz Indeksu Kodowania powyżej. Miejsce 2 na 138 modeli we własnym kompozycie ewaluatora, w 98,6 percentylu, to konkretne stwierdzenie o określonym rodzaju pracy — i jest to ten rodzaj pracy, który wykonuje większość zespołów kupujących w tym przedziale cenowym. Nasza strona modelu OrcaRouter dlaanthropic/claude-opus-5 podaje „Miejsce #1" w benchmarku Codex oraz średni koszt 1,09 USD na zadanie — to nasze własne dane z serwowania, a nie twierdzenie dostawcy, i przypomnienie, że cena za token to nie cena za zadanie.

Druga rzecz to tryb wsadowy. Claude Opus 5 ma 50-procentowy rabat za tryb wsadowy, co sprowadza go do 2,50 USD za wejście i 12,50 USD za wyjście, a w trybie wsadowym pozwala na 300 000 tokenów wyjściowych wobec 128 000 w trybie interaktywnym. Przy 2,50 USD/12,50 USD nie jest to już dwa i pół raza cena GPT-6.1 Sol za wejście — to 25 procent więcej. W przypadku każdego obciążenia, które toleruje kolejkę — indeksowanie offline, masowa klasyfikacja, nocne generowanie testów — cały wywód tego artykułu znacznie się kurczy, i to na korzyść Anthrop​ic.

Trzeci to skromny mnożnik multimodalny. Własne opublikowane dane Anthrop​ic podają, że Claude Opus 5 osiąga 70,6% w OSWorld 2.0 i 96,0% w SWE-bench Verified oraz 79,2% w SWE-bench Pro. To liczby raportowane przez dostawcę dla modelu ogłoszonego w lipcu; nikt z zewnątrz ich tu nie odtworzył, a osie nie pokrywają się z wierszami Artificial Analysis powyżej — więc nie można ich dodać do tej tabeli wyników. Warto je czytać wyłącznie jako wskazówkę, że Anthrop​ic twierdzi, iż ma przewagę konkretnie w obsłudze komputera i inżynierii na skalę repozytorium; to nabywca, dla którego ten model jest wyceniony.

Karty stawek, w tym wiersz, który ma tylko jedna z nich.

Claude Opus 5 pobiera 5,00 USD i 25,00 USD ryczałtowo w całym oknie miliona tokenów, przy czym odczyty z pamięci podręcznej kosztują 0,50 USD, a zapisy do niej 10,00 USD. GPT-6.1 Sol pobiera 2,00 USD i 10,00 USD do 272 000 tokenów promptu, a powyżej tej granicy wycenia całe żądanie na 4,00 USD i 15,00 USD, przy czym odczyty z pamięci podręcznej zmieniają się z 0,10 USD na 0,20 USD, a zapisy do niej z 2,50 USD na 5,00 USD. Powstałe w ten sposób odwrócenie jest praktyczną konsekwencją kupowania długiego kontekstu od któregokolwiek z tych modeli:

• Prompt o rozmiarze 250 000 tokenów — GPT-6.1 Sol nadal znajduje się w pierwszym progu cenowym, w cenie $2.00/$10.00 w porównaniu z $5.00/$25.00. To najtańsze żądanie z dużym kontekstem w tym porównaniu.

• Prompt o 300 000 tokenów — GPT-6.1 Sol wszedł na poziom $4,00/$15,00, a Claude Opus 5 nie drgnął. Przewaga zmniejsza się z 2,5× do 1,25× na wejściu i 1,67× na wyjściu.

• Odczyty z pamięci podręcznej — 0,10 USD za milion dla GPT-6.1 Sol w porównaniu z 0,50 USD dla Claude Opus 5, w obrębie pierwszych progów cenowych obu modeli. W długiej sesji agentowej, która ponownie odczytuje ten sam prefiks, ten wiersz wpływa na rachunek bardziej niż stawki nagłówkowe.

• Zapisy do pamięci podręcznej — 2,50 USD wobec 10,00 USD. Ten sam kierunek, ten sam rząd wielkości.

To realna i mało efektowna uwaga: nagłówek 2,5× osiąga się tylko przy krótkich promptach. Gdy tylko obciążenie przekroczy 272 000 tokenów, GPT-6.1 Sol również jest wyceniany jak model premium, a uczciwe porównanie zamienia się w zestawienie „modelu premium ze znacznie tańszą pamięcią podręczną” z „modelem premium z cennikiem ryczałtowym”.

Dlaczego jeden punkt nie powinien o tym decydować sam z siebie

Powyższe wiersze indeksu nie zostały zebrane tego samego dnia, a ma to tutaj większe znaczenie niż w większości porównań. Rekord Artificial Analysis dla GPT-6.1 Sol ma datę oceny 2026-09-28. Rekord Claude Opus 5 ma datę 2026-07-23 — dziewięć tygodni wcześniej, na środowisku testowym, które w tym okresie zostało zmienione.

W naszych własnych zapisach widać tego wyraźny objaw. Wcześniejsze omówienie Claude Opus 5 umieszczało go na 61 w Intelligence Index i na szczycie rankingu. Wpis katalogowy, który czytamy dzisiaj, umieszcza ten sam model na 50,8, na 11. miejscu. Oba mogą być prawdziwe: indeks został zrewidowany, a wynik złożony jest wrażliwy na wysiłek rozumowania wybierany przez ewaluatora — Claude Opus 5 osiągnął maksymalny wynik przy maksymalnym wysiłku, a przechowywany przez nas zapis nie ma w ogóle adnotacji o ustawieniu wysiłku. 51,8 GPT-6.1 Sol niesie ze sobą tę samą niejednoznaczność.

To, co to oznacza dla decyzji zakupowej, jest wąskie, ale istotne. Jednopunktowa różnica między dwoma modelami ocenianymi w odstępie dziewięciu tygodni, na ruchomym wskaźniku złożonym, przy nieokreślonych ustawieniach wysiłku, nie dowodzi, że jeden model jest inteligentniejszy od drugiego. To, co pięć wierszy faktycznie ustala, to że mieszczą się w tym samym przedziale — a wynik w tym samym przedziale przy 2,5-krotnie wyższej cenie jest faktem zakupowym, a nie wydajnościowym.

Który przekierować

Weź model, który zamierzałeś kupić, i przetestuj go w starciu z tym drugim. To brzmi jak banał, ale to jedyny ruch, na który pozwalają tu fakty, a oba modele są dostępne z jednego punktu końcowego zgodnego z OpenAI — openai/gpt-6.1-sol oraz anthropic/claude-opus-5 w OrcaRouter — więc test to zmiana ciągu znaków modelu, a nie druga umowa i nie przepisywanie kodu. Cennik to stawka katalogowa dostawcy z 0% marży: $2.00/$10.00 z progiem powyżej 272 tys. stosowanym dokładnie tak, jak ustala to OpenAI, oraz $5.00/$25.00 ze zniżką za przetwarzanie wsadowe stosowaną dokładnie tak, jak ustala to Anthropic, co oznacza też, że zmiana ceny przez dostawcę obowiązuje po naszej stronie tego samego dnia, a nie dopiero w kolejnym cyklu rozliczeniowym. Tam, gdzie oba są kierowane, pod spodem działa automatyczne przełączanie awaryjne, co warto mieć, gdy to właśnie ten tańszy z dwóch obsługuje ścieżkę produkcyjną.

Jeśli chcesz mieć domyślny wybór, zanim będziesz mieć własne liczby, oto podział, który wspierają dowody. Wybierz GPT-6.1 Sol, gdy obciążenie wiąże się z długimi promptami, jest mocno oparte na pamięci podręcznej lub ma charakter pracy w terminalu i z narzędziami — wiersze Long-Context Recall i Terminal-Bench 4.0 to dwie największe różnice w porównaniu, a odczyty z pamięci podręcznej po $0.10 to duża dźwignia w sesjach agentowych, które ponownie odczytują prefiks. Wybierz Claude Opus 5, gdy obciążenie to kodowanie na skalę repozytorium, gdy akceptowalne jest przetwarzanie wsadowe lub gdy prompt mieści się w 128 000 tokenów, a koszt na zadanie, który nasz własny playground mierzy na poziomie $1.09, jest kwotą, którą twój zespół finansowy już zatwierdził.

Werdykt, na jaki zasługuje to zestawienie, jest węższy, niż chciałby którykolwiek z producentów. W niezależnych pomiarach te dwa produkty są praktycznie równorzędne; w kwestii ceny już nie, a cena jest tą osią, z której jedno z nich nie wybroni się żadnym argumentem.