Cartão de título gerado para Claude Opus 5.5 vs GPT-6.2 Sol com três cartões de estatísticas com os dizeres "1,8 ponto de índice de diferença", "10x o custo por tarefa" e "3x o tempo total decorrido", e um rodapé citando o índice Artificial Analysis v5.0.1 e o lançamento do GPT-6.2 Sol em 17 de novembro de 2026. Logotipo da OrcaRouter no canto inferior direito.
Guides & Insights

Claude Opus 5.5 vs GPT-6.2 Sol: dois pontos, três vezes a espera

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Pergunte a um desenvolvedor qual destes dois modelos usar e a resposta normalmente chega na forma de uma posição no ranking. Pergunte a alguém que precisa entregar uma funcionalidade até sexta-feira e a pergunta é outra: quanto tempo leva uma resposta e quanto custa obtê-la. Nas medições da Artificial Analysis no momento em que escrevo, Claude Opus 5.5 marca 59,1 no Intelligence Index e GPT-6.2 Sol marca 57,3 — uma diferença de 1,8 ponto, menos do que o ruído entre execuções em muitos conjuntos de testes. No tempo de relógio por tarefa do Index, o mesmo par apresenta 24,6 minutos contra 8,0. Um modelo é três vezes mais rápido por dois pontos a menos, e é essa proporção, e não a posição no ranking, que decide a maioria das implantações reais.

As datas são importantes para a leitura do restante. O Claude Opus 5.5 está disponível de forma geral desde 22 de setembro de 2026, a US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de saída. O GPT-6.2 Sol tem dois dias no momento em que escrevo, lançado pela Open​AI em 17 de novembro de 2026, a US$ 2 e US$ 10, com uma janela de contexto de 1.050.000 tokens — um empate direto de preço com o modelo que substitui, o GPT-6.1 Sol, que mantém US$ 2/US$ 10 desde 29 de setembro. Portanto, não se trata de uma comparação entre um modelo comprovado e um desafiante sem histórico de um lado, e sem mudança de preço do outro; trata-se de uma comparação entre um carro-chefe maduro e uma atualização de mesmo preço que, em grande parte, mudou o modelo por baixo.

De onde vem o valor de latência três vezes maior

Não é a velocidade de saída. Medida em tokens por segundo, os dois estão mais próximos do que a manchete sugere: o GPT-6.2 Sol produz 85 tok/s, contra os 117 do Claude Opus 5.5. Na verdade, o Opus 5.5 é o gerador mais rápido. A diferença surge na quantidade de tokens que cada modelo decide produzir antes de parar.

Headless capture of Artificial Analysis's GPT-6.2 Sol model page, showing the model's summary panel with its Intelligence Index score of 57, its release date of 17 November 2026, output speed of 85 tokens per second, and pricing of $2.00 per million input and $10.00 per million output tokens.

Em toda a suíte Index, o Artificial Analysis registrou 218M tokens de saída para o Claude Opus 5.5 e 60,9M para o GPT-6.2 Sol — uma diferença de 3,6× no total de tokens gerados para o mesmo conjunto de tarefas. Multiplique isso pela razão de velocidade e você chega aos 24,6 versus 8,0 minutos por tarefa. Em outras palavras, o Opus 5.5 não é lento porque sua inferência é lenta. Ele é lento porque pensa por mais tempo e, neste harness, o raciocínio extra rende 1,8 ponto no índice.

Esse é um problema fundamentalmente diferente de um modelo que está simplesmente subprovisionado. Você não consegue corrigi-lo mudando para um provedor mais rápido ou para uma alocação maior de GPU; os tokens são uma propriedade da configuração de esforço do modelo. O que você pode fazer é alterar a configuração de esforço, e a descrição honesta da posição do Opus 5.5 é que seus números publicados são obtidos com esforço máximo — a configuração que maximiza a pontuação e piora a latência simultaneamente.

Os benchmarks em que a diferença de dois pontos se inverte

O índice composto esconde uma divisão genuína, e essa divisão segue uma linha que a maioria das equipes consegue identificar em seu próprio backlog. Todos os números são medições independentes da Artificial Analysis no mesmo conjunto de testes, com ambos os modelos no esforço máximo.

• Índice de Inteligência — 59,1 vs 57,3, na revisão v5.0.1.

• Custo por tarefa no Index — US$ 10,04 vs US$ 1,01, uma diferença de 9,9×.

• Tempo por tarefa do Index — 24,6 min vs 8,0 min.

• Terminal-Bench 4.0 — 59,6% vs 60,1%, efetivamente empatados, com o modelo mais novo ligeiramente à frente.

• Terminal-Bench-Science 0.1 — 59,0% vs 67,6%, uma vitória de 8,6 pontos para o GPT-6.2 Sol, e a maior diferença isolada neste artigo.

• FrontierCode-AA 2.0 — 46,4% vs 44,4%.

• HLE-Diamond — 67,9% vs. 64,0%.

• AnalystAgent — 56,3% vs 53,8%.

• AutomationBench-AA — 69,5% vs 71,3%, uma vitória apertada da Sol.

• AA-Omniscience — 48,1 com 65,5% de precisão vs. 40,4 com 61,6% de precisão.

• Contexto e saída — 1M de tokens com 128K de saída vs 1.050.000 tokens com entrada máxima de 922K e 128K de saída.

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GPT-6.2 Sol - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, time per task 24.6 min, Terminal-Bench Science 59.0%, HLE-Diamond 67.9%, price $4 / $20. Right column GPT-6.2 Sol rows: Intelligence Index 57.3, cost per task $1.01, time per task 8.0 min, Terminal-Bench Science 67.6%, HLE-Diamond 64.0%, price $2 / $10. Footer: both per Artificial Analysis index v5.0.1 at max effort. OrcaRouter logo bottom-right.

Lendo as linhas do terminal em conjunto, emerge um quadro específico. No trabalho terminal agêntico comum, os dois modelos são intercambiáveis — uma diferença de meio ponto em qualquer direção não é um sinal. No trabalho terminal científico, o GPT-6.2 Sol vence por quase nove pontos e, no AutomationBench, por dois. Onde o Opus 5.5 se destaca é na recuperação e na análise com forte dependência de referências: HLE-Diamond por 3,9, o composto de omnisciência por 7,7.

Se seus agentes executam código em um terminal, a escolha entre esses dois se resume a se esse código é lógica de aplicação ou computação. Lógica de aplicação: empate. Computação com núcleo científico ou numérico: o modelo mais barato e rápido também é o mais capaz, o que é o resultado mais raro neste mercado e o argumento isolado mais forte a favor do GPT-6.2 Sol.

Por que a conta é 10× quando o preço é 2×

A proporção nos preços de etiqueta é de 2×: $4/$20 contra $2/$10. A proporção medida é de 9,9×. Dois fatores se multiplicam para chegar a isso — o preço de 2× e a proporção de tokens de 3,6× — e o motivo de explicitar isso é que uma equipe comparando listas de preços orçaria para uma diferença de 2× e receberia uma de 10×.

Concretamente: 10.000 tarefas de agentes no perfil medido do Opus 5.5 ficam perto de US$ 100.000. As mesmas 10.000 tarefas no GPT-6.2 Sol ficam perto de US$ 10.000. Essa é uma decisão sobre quadro de pessoal, não sobre otimização. É também a maior alavanca isolada disponível para qualquer um que execute agentes em volume, e é uma que a Anthropic já acionou uma vez — o próprio Opus 5.5 cortou 20% do preço de tabela do Opus 5 e 60% das leituras de cache.

O comportamento de cache é onde o argumento de preços fica sutil. A leitura de cache do Opus 5.5 é $0,20 por milhão; a do GPT-6.2 Sol é $0,10. Mas o custo por tarefa do Opus 5.5 é determinado pelos tokens gerados, não pela entrada, e entrada em cache não faz nada por um modelo que gasta seu orçamento pensando. A verbosidade é o custo, e o único controle sobre ela é o nível de esforço — que reduz a pontuação pela qual você está pagando.

O que a configuração de esforço realmente proporciona

O próprio material de lançamento da Anthropic informa Terminal-Bench 4.0 em 66,4% para o Opus 5.5, contra 52,3% para o Opus 5, e esses 66,4% vêm da configuração xhigh, em vez do padrão do modelo, que é medium. O número independente no mesmo benchmark, 59,6%, é ainda menor e reflete a configuração própria da Artificial Analysis. Três números, um benchmark, três configurações — é por isso que cada pontuação neste artigo traz o harness que a produziu.

A consequência prática é que a vantagem de 1,8 ponto no índice é uma vantagem obtida com esforço máximo, e a configuração padrão não é esforço máximo. Uma equipe que implanta o Opus 5.5 no nível médio recupera mais da latência e obtém menos da pontuação, e não há tabela publicada que mostre onde isso fica. Se a diferença de dois pontos é o motivo para você escolher o Opus 5.5, certifique-se de que a configuração de esforço que a produz seja a que você realmente vai usar.

Executando ambos sem escolher

A razão pela qual esta comparação é menos consequente do que parece é que os dois modelos não são realmente substitutos. Um é um modelo de raciocínio profundo que você direciona lentamente a problemas difíceis; o outro é um modelo rápido e barato que você direciona a volume. Isso é uma configuração de roteamento, não uma decisão arquitetural, e ambos ficam atrás de uma única chave no OrcaRouter — anthropic/claude-opus-5.5 pela tarifa do próprio fornecedor com 0% de markup, e a rota da Open​AI ao lado dela.

A versão disso que realmente funciona em produção: envie a etapa de planejamento para o Opus 5.5 e as etapas de execução e verificação para o GPT-6.2 Sol, porque a divisão dos benchmarks indica que é aí que cada um se destaca. Combine os dois em uma única chamada com a DSL de roteamento, para que a troca seja invisível para a aplicação, e coloque failover automático na rota do Opus — um modelo cujo tempo por tarefa é medido em dezenas de minutos é exatamente aquele que você não quer que fique travado por uma indisponibilidade de um único provedor. O custo combinado fica muito abaixo de qualquer uma das configurações puras, e o perfil de latência acompanha o modelo rápido na maioria das etapas.

Headless capture of OrcaRouter's model page for anthropic/claude-opus-5.5, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

O que observar, e o que mudaria a resposta

O GPT-6.2 Sol tem dois dias, e a recepção na semana de lançamento não foi uniformemente calorosa — a cobertura do lançamento do Astra e do Sol em 17 de novembro relatou reclamações veementes de usuários avançados, especialmente sobre o lado Astra. Trate os números independentes acima como o sinal confiável e o sentimento dos fóruns como ruído até que chegue um segundo ciclo de medição. O que realmente mudaria essa comparação seria uma pontuação publicada do GPT-6.2 Sol em uma configuração de esforço menor, que diria se sua vantagem de velocidade sobrevive quando lhe pedem para pensar tanto quanto o Opus 5.5.

A outra coisa a observar é o preço. A Open​AI manteve a tabela de preços do Sol inalterada de 6.1 para 6.2, enquanto reduziu a do Astra em 20%, o que sugere que o nível Sol está sendo posicionado com base em volume, e não em capacidade. Se isso se mantiver, a diferença de 10× por tarefa é estrutural e não temporária, e a resposta de roteamento acima passa a ser o padrão, e não uma otimização inteligente.

Por ora: se você está escolhendo um modelo e seu trabalho é computação científica, execução agêntica em alto volume ou qualquer coisa sensível à latência, o GPT-6.2 Sol é a melhor compra por uma margem ampla, e o déficit de 1,8 ponto não é real o suficiente para justificar uma conta 10× maior. Se seu trabalho é análise profunda, em que um fato lembrado vale mais do que uma resposta rápida, a onisciência e as margens no HLE do Opus 5.5 são as que devem ser ponderadas — e você deve prever no orçamento que ele levará três vezes mais tempo.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente