GPT-5.5 vs Claude Opus 5: A Corrida de Programação que Ninguém Consegue Pontuar de Forma Justa

GPT-5.5 e Claude Opus 5 são os dois modelos a que a maioria das equipes realmente se refere quando diz "programador de fronteira", e, no papel, eles são próximos o suficiente para que a decisão normalmente seja tomada com base em uma tabela de benchmarks. Isso é um erro este ano por um motivo que não tem nada a ver com a capacidade de qualquer um dos dois modelos: o GPT-5.5 será descontinuado do ChatGPT, do ChatGPT Work e do Codex em 14 de outubro de 2026, e o Codex é o ambiente no qual uma grande parte de seus usuários de codificação realmente trabalha. O Claude Opus 5 não vai a lugar nenhum. Portanto, a primeira pergunta neste confronto não é qual modelo escreve código melhor — é qual deles ainda responderá à solicitação que você está prestes a enviar em novembro.

Isso reformula a comparação, mas não a resolve. Se você chama o GPT-5.5 por meio da API ou de uma sessão do Codex autenticada com sua própria chave de API, a descontinuação não o afeta, e a questão da capacidade está tão em aberto quanto estava em abril. O que segue é a versão honesta dessa questão, incluindo a parte que a maioria das páginas de comparação pula: os números de destaque de ambos os modelos são medidos de formas que favorecem quem está executando o teste.

A resposta de uma linha.

Se você precisa da versão mais curta e defensável: Claude Opus 5 é a opção padrão mais segura para trabalho de programação em produção no final de 2026, porque é mais barato na saída, tem benchmark independente e não está sendo retirado da ferramenta na qual você provavelmente o usa. O GPT-5.5 continua sendo a escolha mais forte em frentes específicas — trabalho agêntico nativo de terminal, recuperação de contexto longo e eficiência de tokens em tarefas difíceis — e, no caminho da API, mantém todas essas vantagens. Tudo abaixo é o raciocínio por trás dessa divisão, e as ressalvas que a tornam menos limpa do que parece.

Dois carros-chefe lançados em mundos diferentes

O GPT-5.5 chegou em 23 de abril de 2026 como o modelo de fronteira da OpenAI para cargas de trabalho profissionais complexas, construído sobre o GPT-5.4 com raciocínio mais forte, melhor confiabilidade e — a alegação que a OpenAI destacou — eficiência de tokens aprimorada em tarefas difíceis. Ele aceita entrada de texto, imagem e arquivo, atende aproximadamente 922 mil tokens de entrada e 128 mil tokens de saída, e custa US$ 5,00 por milhão de tokens de entrada e US$ 30,00 por milhão de tokens de saída, com leituras em cache a US$ 0,50 e uma tarifa mais alta acima de 272.000 tokens de entrada.

O Claude Opus 5 é o carro-chefe da Anthropic para raciocínio exigente, programação e trabalho agêntico de longo horizonte, e foi ajustado para uma fraqueza específica que vem assombrando a programação agêntica: manter a coerência ao longo de sessões muito longas e com muitas etapas e uso intenso de ferramentas. Ele oferece um contexto de 1M tokens com até 128K de saída, aceita entrada de texto, imagem e arquivos, e custa US$ 5,00 de entrada e US$ 25,00 de saída, com leituras em cache também a US$ 0,50. Ele substitui parâmetros de amostragem como temperature e top_p por um controle de esforço de raciocínio, o que é uma diferença real na forma de ajustá-lo, mas não no que ele é capaz de fazer.

O contraste da especificação

• Preço — GPT-5.5 $5,00/$30,00 por 1M de tokens vs Claude Opus 5 $5,00/$25,00 por 1M; idêntico na entrada, Claude Opus 5 cerca de 17% mais barato na saída

• Entrada em cache — ambos a US$ 0,50 por 1M de tokens, um desconto de 90% sobre a tarifa de entrada

• Contexto — GPT-5.5 ~922K de entrada / 128K de saída vs Claude Opus 5 1M de entrada / 128K de saída

• Modalidades de entrada — GPT-5.5 texto, imagem, arquivo vs Claude Opus 5 texto, imagem, arquivo; os dois estão em paridade aqui

• Ajuste — configurações de esforço de raciocínio do GPT-5.5, de nenhum a xhigh, vs. raciocínio adaptativo do Claude Opus 5 por meio de um dial de esforço, sem temperatura ou top_p

• Disponibilidade — GPT-5.5 sai do ChatGPT, ChatGPT Work e Codex em 14 de outubro de 2026, mas não da API vs. Claude Opus 5 em todas as superfícies da Anthropic sem aposentadoria anunciada

Onde as alegações de benchmark deixam de ser comparáveis

Comece pelo quadro independente, porque é a única parte disto que qualquer pessoa consegue verificar. A Artificial Analysis atribui ao Claude Opus 5 uma pontuação de 51 no seu Intelligence Index. Atribui ao GPT-5.5 uma pontuação de 39 no índice atual v4.3 — e, mais revelador ainda, sinalizou o GPT-5.5 como obsoleto e reduziu a sua avaliação de volta a cargas de trabalho padrão de 10.000 tokens. Vale a pena ler isto com atenção. O histórico independente do GPT-5.5 não é apenas mais fraco; está a encerrar-se e, assim que parar, todos os números que ainda circulam para esse modelo são números de fornecedor.

Do lado dos números divulgados pelos fornecedores, os próprios dados da OpenAI colocam o GPT-5.5 em 82,7% no Terminal-Bench 2.0, 82,6% no SWE-bench Verified e 58,6% no SWE-bench Pro. Os números da Anthropic para o Claude Opus 5 incluem 90,2 no Terminal-Bench 2.1, 74,7 no SWE-bench Pro e 68,0 no JobBench. A tentação é colocar esses números lado a lado e declarar um vencedor. Não faça isso — e note que a maioria das páginas de comparação faz exatamente isso mesmo assim.

A linha do Terminal-Bench é o exemplo mais claro. Os 82,7% do GPT-5.5 são no Terminal-Bench 2.0; os 90,2 do Claude Opus 5 são no Terminal-Bench 2.1. Essas são versões diferentes do benchmark, com conjuntos de tarefas diferentes, e uma comparação entre versões não é uma comparação. As linhas do SWE-bench Pro são, ao menos, da mesma suíte, e aí os 74,7 do Claude Opus 5 contra os 58,6 do GPT-5.5 representam uma diferença real e ampla — mas ambos os números são relatados pelos fornecedores de ambos os lados, e nenhum deles foi reproduzido sob condições idênticas de harness.

O problema do harness, que é a verdadeira história

Se há uma conclusão que vale a pena levar desta comparação, é que a escolha do harness move esses modelos mais do que a diferença entre eles. Uma avaliação do arXiv constatou que o GPT-5.5 teve o melhor desempenho no Claude Code e depois caiu 21,8 pontos quando foi transferido para o OpenHands, enquanto o Claude Opus 4.8 — o ponto de comparação nesse estudo — caiu apenas 5,5 pontos na mesma mudança. Uma variação de 21 pontos só por causa do scaffolding é maior do que a maioria das diferenças frente a frente publicadas entre os dois modelos de ponta.

Existe uma versão prática disso que o próprio enquadramento da OpenAI admite: o GPT-5.5 alcança 83,4% no Terminal-Bench usando seu harness nativo do Codex CLI, contra 72,1% em um harness padrão. Se sua avaliação executa o GPT-5.5 fora do Codex, você está medindo um modelo diferente daquele que aparece na tabela de lançamento.

Isso importa para a descontinuação de uma forma fácil de passar despercebida. Se os seus números do GPT-5.5 foram produzidos dentro do Codex com um login do ChatGPT, e esse caminho se encerra em 14 de outubro, você não está apenas perdendo um modelo — está perdendo a estrutura de execução para a qual seu benchmark está calibrado. Estabeleça uma nova linha de base no caminho da API antes de concluir qualquer coisa sobre o que o sucessor vai lhe custar.

Custo por tarefa, não custo por token

A comparação por token é direta e favorece ligeiramente o Claude Opus 5: mesma entrada de US$ 5,00, US$ 25,00 contra US$ 30,00 na saída. A comparação interessante é o custo por tarefa concluída, e aí o cenário se inverte, porque a principal alegação da OpenAI sobre o GPT-5.5 era a eficiência de tokens — cerca de 40% menos tokens em tarefas equivalentes, segundo vários relatos de desenvolvedores. Se um modelo conclui o mesmo trabalho com 40% menos tokens de saída, uma tarifa de saída de US$ 30,00 pode gerar uma fatura menor do que uma tarifa de US$ 25,00 em um modelo mais verboso. Essa alegação é formulada pelo fornecedor e não foi reproduzida de forma independente, então trate-a como uma hipótese a ser testada em sua própria carga de trabalho, e não como um fato estabelecido.

Ambos os modelos estão no nosso catálogo, o que torna esse teste barato de rodar corretamente em vez de anedoticamente. Ambos ficam atrás de uma única chave ao preço de tabela do provedor com 0% de markup, então um A/B direto no seu próprio tráfego é uma string de modelo no corpo da requisição, não um segundo contrato — e qualquer reajuste de preço do fornecedor recai sobre nós no mesmo dia em que é anunciado. A DSL de roteamento é a parte útil aqui: divida o tráfego ao vivo entre os dois, mantenha a divisão na proporção que seu orçamento de erro tolerar, e deixe os números de custo por tarefa virem da produção em vez de uma página de benchmark.

O que isso significa para as próximas seis semanas

Para uma equipe que escolhe hoje, a decisão tem uma assimetria que uma leitura puramente de capacidades esconderia. O Claude Opus 5 é a escolha de menor risco: com pontuação independente, com saída mais barata e sem remoção agendada dos produtos em que é vendido. O GPT-5.5 não é um modelo ruim — é um modelo forte, com uma vantagem real em trabalho agêntico nativo de terminal —, mas escolhê-lo pela via da assinatura significa escolher um modelo com data de expiração conhecida daqui a seis semanas, e pela via da API significa aceitar um histórico independente mais escasso e cada vez menor.

A posição defensável é manter o GPT-5.5 onde ele comprovadamente vence e onde você controla o caminho — a API, uma sessão do Codex com chave de API — e tornar o Claude Opus 5 o padrão em todo o resto. O que deveria mudar sua opinião, em uma direção ou outra, não é o marketing de nenhum dos modelos: é a primeira avaliação comparativa direta e neutra sob um único harness fixo, e o que quer que a OpenAI publique sobre se o caminho da API para o GPT-5.5 sobrevive após a descontinuação do produto.

Ambos os lados deste confronto ficam atrás de uma única chave: GPT-5.5 e o Claude Opus 5 diferem por apenas uma string de modelo, com failover automático entre eles.