Claude Opus 5.5 vs Gemini 4 Carbon: um teto de 12% e um terço da conta

Claude Opus 5.5 e Gemini 4 Carbon são os dois melhores modelos do novo benchmark GDPx da SemiAnalysis, e a diferença entre eles é de pouco mais de um ponto: 12,0% para o Opus 5.5, 10,9% para o Carbon. O número mais útil está por baixo da pontuação. O Carbon chegou lá por US$ 16,29 por tarefa; o Opus 5.5 precisou de US$ 51,41. Essa é a decisão inteira em uma linha, com uma ressalva que o ranking não consegue mostrar. O Opus 5.5 está disponível para o público em geral desde 22 de setembro de 2026. O Carbon foi anunciado em 28 de outubro e ainda está restrito a parceiros de ciberdefesa por meio do programa Fairwind do Google, sem ID público de modelo. Um terço da conta só é vantagem se você conseguir fazer o pedido.

O GDPx v1.0 é um novo benchmark, lançado esta semana, e é a primeira avaliação independente a pontuar esses dois modelos nas mesmas tarefas com o mesmo harness e a relatar quanto custou cada execução. Esse momento importa mais do que o ranking. Seis semanas após o lançamento do Opus 5.5, e dias depois do anúncio do Carbon, finalmente há uma comparação baseada em medições, em vez de duas tabelas de fornecedores colocadas lado a lado.

O que cada modelo é, antes da tabela

O Claude Opus 5.5 é o atual carro-chefe da Anthropic para codificação agêntica e trabalho de conhecimento de longa duração. Ele substituiu o Opus 5 com um corte de preço de 20% e uma janela de contexto documentada de 1 milhão de tokens, e é o modelo que a Anthropic posiciona para o Claude Code e os aplicativos Claude.

• Preço — US$ 4 por milhão de tokens de entrada, US$ 20 por milhão de saída. Solicitações em lote têm 50% de desconto, a US$ 2 / US$ 10.

• Contexto e saída — 1M tokens de entrada, 128K de saída na API síncrona, 300K de saída na Batch API com o cabeçalho beta de saída estendida.

• Cache — uma gravação de cache de cinco minutos custa US$ 5 por milhão de tokens, uma gravação de uma hora custa US$ 8, e uma leitura de cache custa US$ 0,20.

• Pensamento — o pensamento adaptativo está sempre ativo e não pode ser desativado; o nível de esforço padrão é médio, e o limite de conhecimento confiável é junho de 2026.

• Onde — a Claude API em claude-opus-5-5, Amazon Bedrock, Google Cloud por meio dos caminhos gerenciados pelo Google e gerenciados pela Anthropic, Microsoft Foundry e a Claude Platform na AWS.

O Gemini 4 Carbon é o mais novo modelo de fronteira do Google, anunciado por Koray Kavukcuoglu em 28 de outubro como o modelo mais forte da empresa para cibersegurança, agentes de longo horizonte e engenharia de software complexa. O anúncio do Google traz três afirmações principais e uma omissão notável: nenhuma janela de contexto é publicada. As alegações de benchmark são do próprio Google — SEC-bench Pro 88,2% para descoberta de vulnerabilidades, ExploitGym 54,8% para exploração e CWE-bench 71,0% para correção — e devem ser lidas como relatos do fornecedor, não reproduzidas de forma independente.

• Preço — US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída durante um período introdutório, com entrada em cache com 95% de desconto; a tarifa padrão será posteriormente de US$ 4 / US$ 20, e o Google não informou quando o preço introdutório termina.

• Acesso — somente Fairwind, a um subconjunto de ciberdefensores e parceiros confiáveis, com acesso mais amplo para desenvolvedores, empresas e consumidores prometido "o mais breve possível" e sem data.

• Endpoint — nenhum público. A API Gemini ainda expõe gemini-4-argon, não Carbon.

• Contexto — não declarado no anúncio. Resultados de recuperação de contexto longo circularam na cobertura da semana de lançamento, mas a janela em si não é uma especificação publicada.

Essa assimetria é a primeira coisa a entender sobre este confronto. Um modelo é um produto que você pode chamar hoje a partir da API Claude, de quatro plataformas de nuvem e de uma dúzia de SDKs. O outro é uma demonstração de capacidade com lista de espera. Tudo o que segue os compara como modelos; apenas um deles é atualmente uma opção de implantação.

GDPx: 206 tarefas, um teto de 12% e uma diferença de custo de 3,2x

A SemiAnalysis criou o GDPx como sucessor do GDPval da OpenAI, com 14 parceiros de dados e 206 tarefas distribuídas por 11 domínios profissionais: finanças, jurídico, biologia, ciência dos materiais, design de chips, design de hardware, cibersegurança, engenharia de software, alinhamento, negociação quantitativa e autoaperfeiçoamento recursivo. Cada tarefa recebe um orçamento padrão de oito horas, três execuções são calculadas em média e os domínios têm peso igual. Apenas 13 dos 20 modelos testados aparecem no painel público.

• Claude Opus 5.5 — 12,0%, em primeiro lugar, a US$ 51,41 por tarefa e aproximadamente 548.000 tokens de saída por tarefa.

• Gemini 4 Carbon — 10,9%, segundo, a US$ 16,29 por tarefa e aproximadamente 594.000 tokens de saída por tarefa.

• GPT-6 Astra — 9,6%, terceiro lugar, a US$ 53,99 por tarefa.

• Claude Fable 5.1 — 8,5% a US$ 67,16, o modelo mais caro do ranking.

Duas leituras competem aqui, e ambas estão corretas. A primeira é que {{1}}o Carbon entrega cerca de 91% da pontuação do Opus 5.5{{/1}} por {{2}}cerca de 32% do custo{{/2}}, o que é um argumento genuíno de valor e o que o 9to5Google destacou. A segunda é que {{3}}nenhum dos dois modelos conclui sete de cada oito tarefas profissionais que recebe{{/3}}. Uma vantagem de um ponto em {{4}}12%{{/4}} não é um problema resolvido; é o limite atual do que os agentes conseguem fazer quando o trabalho é longo, aberto e avaliado por um especialista do domínio.

A SemiAnalysis publicou uma segunda visão com cibersegurança, biologia e alinhamento removidos, e a ordenação muda: GPT-6 Astra passa para primeiro, e Carbon cai para abaixo de GPT-6.1 Sol e Claude Sonnet 5.5. A empresa diz que essa visão corresponde melhor às suas impressões subjetivas. O mecanismo são as salvaguardas — um modelo que recusa uma tarefa recebe zero nela, e o comportamento de segurança do Carbon é mais rigoroso exatamente nos domínios em que suas capacidades cibernéticas são maiores. Portanto, o segundo lugar do Carbon é em parte resultado de capacidade e em parte resultado de permissão. Se o seu trabalho se parece com os domínios removidos, a classificação principal não está descrevendo você.

Onde o Carbon está realmente à frente

No Intelligence Index v5.0 da Artificial Analysis, o Carbon está em 59 e o Opus 5.5 em 58. Um ponto, em um composto que foi rebaseado em 27 de outubro, não é uma diferença que justifique migrar um sistema de produção. Mas estabelece que o modelo do Google está na fronteira, e não atrás dela, o que é uma afirmação mais forte do que o lançamento com acesso restrito permite verificar com facilidade.

Os números de cibersegurança são onde o caso da Carbon é mais claro, e também são onde a fundamentação das fontes é mais fraca. O próprio harness do Google a coloca em 54,8% no ExploitGym, 71,0% no CWE-bench e 88,2% no SEC-bench Pro. Essas são alegações grandes e específicas sobre descoberta e correção de vulnerabilidades, e são exatamente o tipo de alegação que precisa de uma reexecução independente antes que uma equipe de segurança faça orçamento com base nela. O domínio de cibersegurança da GDPx é uma entrada para isso, não uma replicação desses três conjuntos de testes.

O preço é a terceira vantagem, com um asterisco. A $2 / $10, a tarifa introdutória do Carbon é metade dos $4 / $20 do Opus 5.5. Na tarifa padrão de $4 / $20, é a mesma. O desconto de 95% para entrada em cache é real, mas diminui no preço de tabela: $0,10 por milhão de tokens em cache na tarifa introdutória, $0,20 na tarifa padrão, contra $0,20 de leitura de cache do Opus 5.5. A vantagem de custo é maior hoje, enquanto o desconto durar, e o Google não disse por quanto tempo isso será.

Onde o Opus 5.5 ainda lidera

O resultado independente mais forte do Opus 5.5 não é a pontuação GDPx, mas o perfil de programação. O Coding Agent Index da Artificial Analysis o coloca em 62 contra 59 do Carbon, e esse índice é construído a partir de execuções de programação agêntica, e não de completações de uma única tentativa. Para um modelo cujo propósito declarado é trabalho de software de longa duração, essa é a medição mais próxima.

Os próprios números de lançamento da Anthropic apontam na mesma direção, e são divulgados pelo fornecedor: Terminal-Bench 4.0 em 66,4%, FrontierCode v1.1 em 54,4%, CursorBench 4.0 em 57,8% e AutomationBench em 40,0%. O harness importa. A Artificial Analysis mediu o mesmo modelo em 59,6% no Terminal-Bench 4.0 com esforço xhigh, e a Vals AI relatou 65,2%. Uma diferença de sete pontos entre o fornecedor e um harness independente é normal para benchmarks agênticos, e é por isso que uma única linha nunca deve decidir uma compra.

A vantagem sem glamour é a disponibilidade. O Opus 5.5 tem uma janela de contexto publicada, um limite de saída documentado, uma camada de lote, um modo rápido a US$ 8 / US$ 40, um guia de migração e seis semanas de uso em produção por trás dele. O Carbon tem uma postagem de blog, um programa de parceiros e uma lista de preços. Para uma equipe que precisa de uma resposta neste trimestre, essa diferença decide mais casos do que 59 contra 58.

Quanto uma tarefa realmente custa

Os números de custo da GDPx são o gasto de tokens medido sob um orçamento de oito horas, não preços de tabela, portanto incluem quanto cada modelo escolhe escrever. O Carbon usou cerca de 8% mais tokens de saída por tarefa que o Opus 5.5 e ainda custou um terço disso, porque a tarifa introdutória é metade e é no lado de entrada que execuções longas de agentes se acumulam. Em 1.000 tarefas, a diferença relatada é de aproximadamente US$ 51.000 contra US$ 16.000.

Com o preço de tabela, a aritmética é menos dramática. Uma requisição com 1M de tokens de entrada e 250K de tokens de saída custa US$ 9 no Opus 5.5 a US$ 4 / US$ 20, US$ 4,50 no Carbon à taxa introdutória de US$ 2 / US$ 10, e US$ 9 no Carbon ao seu padrão de US$ 4 / US$ 20. A Batch API do Opus 5.5 com 50% de desconto fica em US$ 2 / US$ 10 — o mesmo que a tarifa introdutória do Carbon — para trabalhos que podem esperar. Quando o período introdutório do Carbon terminar, a diferença na tabela de tarifas desaparece por completo; o que resta é a diferença por tarefa no uso de tokens, que é pequena.

Esta é a parte da comparação com maior probabilidade de ser citada fora de contexto. "Um terço do custo" é verdade para execuções do GDPx com o preço promocional atual. Não é uma propriedade permanente do modelo e não é a proporção que você verá em uma carga de trabalho em lote com tarifas padrão.

A lacuna de disponibilidade é a verdadeira decisão.

O Claude Opus 5.5 está disponível no OrcaRouter como anthropic/claude-opus-5.5 pelo preço de tabela do provedor de US$ 4 / US$ 20, sem nenhuma margem adicionada, junto com mais de 200 modelos em uma única chave. Roteá-lo é apenas uma mudança na string do modelo, e uma fatia ponderada com failover automático é a forma barata de testá-lo contra o seu modelo atual sem apostar um caminho de produção no resultado.

O Gemini 4 Carbon não está no OrcaRouter e não pode estar. O Google não publicou nenhum ID de modelo nem endpoint público, então não há para onde rotear; a única afirmação honesta é que o acesso passa pelo programa Fairwind do Google e, eventualmente, pela própria API do fornecedor. Quando um endpoint público surgir, o modelo de repasse significa que o preço de tabela é o que você paga aqui no dia em que ele mudar, em vez de uma versão com preço reajustado.

Isso deixa uma decisão mais restrita do que a tabela de referência sugere:

• Trabalho de segurança com acesso Fairwind — experimente o Carbon na sua própria fila de triagem e aplicação de patches. Os números cibernéticos do fornecedor são os mais fortes já publicados, mas não foram replicados, e o resultado de reponderação de domínio do GDPx indica que sua vantagem depende do domínio.

• Agentes de programação de longa duração — Opus 5.5. Lidera o índice independente de programação, tem uma janela documentada de 1M de tokens e 128K de saída, e está disponível nas plataformas com as quais a maioria das empresas já tem contrato.

• Trabalho em lote sensível a custos — a Batch API do Opus 5.5 a $2 / $10 iguala a tarifa introdutória da Carbon hoje, e não depende de um desconto que o Google pode encerrar sem aviso.

• Uma aposta direta em capacidade — espere. Uma vantagem de um ponto no Intelligence Index e uma vantagem de 1,1 ponto no GDPx estão dentro do ruído da escolha de harness, e nenhum dos modelos está perto de concluir as tarefas profissionais definidas pelo GDPx.

O que mudaria a resposta

Três coisas merecem atenção, e nenhuma delas é mais um benchmark de fornecedor. A primeira é um endpoint público do Carbon. Até o Google lançar um ID de modelo, qualquer comparação de custos é hipotética para quem está fora da Fairwind, e o preço introdutório é uma promessa, não uma fatura. A segunda é o fim desse período introdutório; a US$ 4 / US$ 20, a tabela de preços do Carbon é idêntica à do Opus 5.5, e o argumento de valor volta a se resumir à eficiência de tokens. A terceira é uma replicação independente dos resultados de cibersegurança. SEC-bench Pro a 88,2% e ExploitGym a 54,8% são os números que justificariam um orçamento de segurança, e atualmente dependem do harness de um único laboratório.

Por enquanto, o resumo honesto é mais estreito do que qualquer um dos fornecedores gostaria. O Opus 5.5 é o melhor modelo para se construir em cima, porque é aquele sobre o qual você pode construir. O Carbon é o modelo mais interessante de se observar, porque iguala a fronteira a um preço menor e ainda não teve permissão para provar isso em público. O teto de 12% pertence aos dois.