
Claude Opus 5.5 против GPT-6.2 Sol: два пункта, втрое дольше ждать
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 184 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 215 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Спросите разработчика, какую из этих двух моделей использовать, и ответ обычно будет местом в рейтинге. Спросите того, кому нужно выпустить функцию к пятнице, и вопрос будет другим: сколько времени занимает один ответ и сколько стоит его получить. По измерениям Artificial Analysis на момент написания, Claude Opus 5.5 набирает 59,1 балла в Intelligence Index, а GPT-6.2 Sol набирает 57,3 балла — разрыв в 1,8 балла, меньше, чем разброс от запуска к запуску во многих наборах тестов. Если смотреть на фактическое время на одну задачу Intelligence Index, та же пара показывает 24,6 минуты против 8,0. Одна модель в три раза быстрее, но на два балла слабее, и именно это соотношение, а не позиция в рейтинге, определяет выбор в большинстве реальных внедрений.
Даты важны для понимания остального. Claude Opus 5.5 находится в общем доступе с 22 сентября 2026 года по цене $4 за миллион входных токенов и $20 за миллион выходных. GPT-6.2 Sol на момент написания существует всего два дня: он выпущен OpenAI 17 ноября 2026 года по цене $2 и $10 при контекстном окне 1 050 000 токенов — это точное совпадение по цене с моделью, которую он заменяет, GPT-6.1 Sol, удерживающей $2/$10 с 29 сентября. Так что это не сравнение проверенной модели с претендентом, у которого нет ни послужного списка, ни изменения цены; это сравнение зрелого флагмана и обновления по той же цене, в котором в основном сменилась лежащая в основе модель.
Откуда взялась цифра трёхкратной задержки
Дело не в скорости вывода. Если измерять в токенах в секунду, эти две модели ближе друг к другу, чем можно предположить по заголовкам: GPT-6.2 Sol выдаёт 85 ток/с против 117 у Claude Opus 5.5. На самом деле Opus 5.5 — более быстрый генератор. Разрыв возникает в том, сколько токенов каждая модель решает произвести, прежде чем остановиться.

По всему набору тестов Index Artificial Analysis зафиксировала 218 млн выходных токенов для Claude Opus 5.5 и 60,9 млн для GPT-6.2 Sol — разница в 3,6× по общему числу сгенерированных токенов для одного и того же набора задач. Умножьте это на соотношение скоростей — и получите 24,6 против 8,0 минут на задачу. Иными словами, Opus 5.5 работает медленно не потому, что медленный его инференс. Он медленный потому, что думает дольше, и в этом стенде дополнительные размышления дают 1,8 балла индекса.
Это принципиально иная проблема, чем у модели, которой просто не хватает ресурсов. Вы не можете решить её, перейдя к более быстрому провайдеру или увеличив выделение GPU; токены — это свойство настройки усилий модели. Что вы можете сделать — изменить настройку усилий, и честное описание положения Opus 5.5 состоит в том, что его опубликованные показатели получены при максимальных усилиях — настройке, которая одновременно максимизирует оценку и ухудшает задержку.
Бенчмарки, где разрыв в два пункта инвертируется
Сводный индекс скрывает реальное разделение, и это разделение проходит по линии, которую большинство команд может распознать в собственном бэклоге. Все цифры — это независимые измерения Artificial Analysis на одном и том же наборе тестов, обе модели при максимальном уровне усилий.
• Индекс интеллекта — 59,1 против 57,3 в версии v5.0.1.
• Стоимость одной задачи Index — $10,04 против $1,01, разница в 9,9 раза.
• Время на задачу Index — 24,6 мин против 8,0 мин.
• Terminal-Bench 4.0 — 59,6% против 60,1%, фактически равный результат, при этом более новая модель незначительно впереди.
• Terminal-Bench-Science 0.1 — 59,0% против 67,6%, победа GPT-6.2 Sol с преимуществом 8,6 пункта и самый большой единичный разрыв в этой статье.
• FrontierCode-AA 2.0 — 46,4% против 44,4%.
• HLE-Diamond — 67,9% против 64,0%.
• AnalystAgent — 56,3% против 53,8%.
• AutomationBench-AA — 69,5% против 71,3%, небольшое преимущество Sol.
• AA-Omniscience — 48,1 при точности 65,5% против 40,4 при точности 61,6%.
• Контекст и вывод — 1M токенов с выводом 128K против 1 050 000 токенов с максимальным вводом 922K и выводом 128K.

Если читать строки терминала вместе, вырисовывается конкретная картина. В обычной агентной работе в терминале две модели взаимозаменяемы — разница в полбалла в любую сторону не является сигналом. На научной работе в терминале GPT-6.2 Sol выигрывает почти на девять пунктов, а на AutomationBench — на два. Где Opus 5.5 вырывается вперёд — это полнота и анализ с большим количеством ссылок: HLE-Diamond на 3,9, сводный показатель всезнания на 7,7.
Если ваши агенты выполняют код в терминале, выбор между этими двумя сводится к тому, является ли этот код прикладной логикой или вычислениями. Прикладная логика: ничья. Вычисления с научной или численной основой: более дешёвая и быстрая модель одновременно является и более мощной — это самый редкий исход на этом рынке и самый сильный отдельный аргумент в пользу GPT-6.2 Sol.
Почему счёт в 10 раз больше, если цена в 2 раза больше?
Соотношение по прайс-листу — 2×: $4/$20 против $2/$10. Измеренное соотношение — 9,9×. Оно получается перемножением двух факторов — цены 2× и соотношения токенов 3,6×, — и стоит проговорить это явно потому, что команда, сравнивая прайс-листы, заложила бы в бюджет разницу в 2×, а получила бы 10×.
Конкретно: 10 000 агентских задач при измеренном профиле Opus 5.5 обходятся примерно в $100 000. Те же 10 000 задач на GPT-6.2 Sol — примерно в $10 000. Это решение о численности персонала, а не об оптимизации. Это также самый крупный рычаг, доступный любому, кто запускает агентов в больших объёмах, и Anthropic уже однажды к нему прибегала — сам Opus 5.5 срезал 20% с прейскурантной цены Opus 5 и 60% со стоимости чтений из кэша.
Поведение кэша — вот где ценовой аргумент становится неочевидным. Чтение из кэша у Opus 5.5 стоит $0.20 за миллион; у GPT-6.2 Sol — $0.10. Но стоимость задачи у Opus 5.5 определяется сгенерированными токенами, а не входными, и кэшированный ввод ничего не даёт модели, которая тратит свой бюджет на размышления. Затраты — это многословность, а единственный рычаг управления ею — уровень усилий, который снижает балл, за который вы платите.
Что на самом деле даёт настройка уровня усилий
В собственном материале Anthropic о запуске для Terminal-Bench 4.0 указано 66,4% для Opus 5.5 против 52,3% для Opus 5, и эти 66,4% получены при настройке xhigh, а не при используемом моделью по умолчанию значении medium. Независимый результат на том же бенчмарке — 59,6% — ещё ниже и отражает собственную конфигурацию Artificial Analysis. Три числа, один бенчмарк, три конфигурации — вот почему каждая оценка в этой статье сопровождается указанием харнесса, который её выдал.
Практическое следствие состоит в том, что преимущество по индексу в 1,8 пункта — это преимущество при максимальном усилии, а настройка по умолчанию — не максимальное усилие. Команда, которая развертывает Opus 5.5 со средним уровнем усилий, получает больше выигрыша в задержке и меньше — в балле, и нет опубликованной таблицы, показывающей, к чему это приводит. Если разрыв в два пункта — причина, по которой вы выбираете Opus 5.5, убедитесь, что настройка усилий, которая его обеспечивает, — та самая, которую вы действительно будете использовать.
Запуск обоих без выбора
Причина, по которой это сравнение менее значимо, чем кажется, заключается в том, что эти две модели на самом деле не являются взаимозаменяемыми. Одна — это модель глубокого рассуждения, которую вы медленно нацеливаете на сложные задачи; другая — быстрая и дешёвая модель, которую вы нацеливаете на объёмы. Это конфигурация маршрутизации, а не архитектурное решение, и обе доступны по одному ключу в OrcaRouter — anthropic/claude-opus-5.5 по собственной ставке поставщика с наценкой 0%, а маршрут OpenAI — рядом с ним.
Вариант, который действительно работает в продакшене: отправьте этап планирования в Opus 5.5, а этапы выполнения и проверки — в GPT-6.2 Sol, потому что результаты бенчмарков показывают, что именно в этом каждый из них силён. Объедините оба в один вызов с помощью DSL маршрутизации, чтобы переключение было невидимо для приложения, и включите автоматическое переключение при сбое на маршруте Opus — модель, время выполнения задачи у которой измеряется десятками минут, — это именно та, чью работу вы меньше всего хотите остановить из-за сбоя одного провайдера. Совокупная стоимость оказывается намного ниже любой из чистых конфигураций, а профиль задержек на большинстве шагов соответствует быстрой модели.

За чем наблюдать и что изменило бы ответ
GPT-6.2 Sol вышел всего два дня назад, и приём в неделю запуска не был единодушно тёплым — публикации о выпуске Astra и Sol 17 ноября сообщали о громких жалобах опытных пользователей, в частности на сторону Astra. Считайте независимые цифры выше надёжным сигналом, а настроения на форумах — шумом, пока не завершится второй цикл измерений. Что действительно изменило бы это сравнение, так это опубликованная оценка GPT-6.2 Sol при более низкой настройке усилий, которая показала бы, сохраняется ли его преимущество в скорости, когда его просят думать столько же, сколько Opus 5.5.
Ещё один момент, за которым стоит следить, — цена. OpenAI держала тарифную сетку Sol неизменной с 6.1 по 6.2, одновременно снизив тарифную сетку Astra на 20%, что говорит о том, что уровень Sol позиционируется с расчётом на объём, а не на возможности. Если это сохранится, разрыв в 10× на одну задачу является структурным, а не временным, и приведённый выше вариант маршрутизации становится вариантом по умолчанию, а не хитроумной оптимизацией.
Пока что: если вы выбираете одну модель и ваша работа — это научные вычисления, высоконагруженное агентное выполнение или что-либо чувствительное к задержкам, GPT-6.2 Sol — гораздо более выгодная покупка, и отставание в 1,8 балла недостаточно реально, чтобы оправдать счёт в 10 раз больше. Если ваша работа — это глубокий анализ, где вспомненный факт ценнее быстрого ответа, то вес стоит придавать всезнанию Opus 5.5 и его преимуществам в HLE — и вам следует закладывать в бюджет, что это займёт в три раза больше времени.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
