GPT-5.5 против Claude Opus 5: гонка в программировании, которую никто не может оценить честно

GPT-5.5 и Claude Opus 5 — это две модели, которые большинство команд на самом деле имеют в виду, когда говорят «передовой кодер», и на бумаге они настолько близки, что решение обычно принимается по таблице бенчмарков. В этом году это ошибка по причине, не имеющей никакого отношения к способностям ни одной из моделей: GPT-5.5 выводят из ChatGPT, ChatGPT Work и Codex 14 октября 2026 года, а Codex — это среда, в которой фактически работает значительная доля его пользователей-программистов. Claude Opus 5 никуда не денется. Так что первый вопрос в этом противостоянии не в том, какая модель пишет код лучше, — а в том, какая из них всё ещё ответит на запрос, который вы собираетесь отправить в ноябре.

Это меняет рамки сравнения, но не решает вопрос окончательно. Если вы вызываете GPT-5.5 через API или через сессию Codex, аутентифицированную с помощью вашего собственного API-ключа, вывод из эксплуатации вас не касается, и вопрос о возможностях остаётся ровно настолько же актуальным, как в апреле. Далее следует честная версия этого вопроса, включая ту часть, которую пропускает большинство страниц со сравнениями: ключевые показатели обеих моделей измеряются так, что это льстит тому, кто проводит тест.

Краткий ответ

Если вам нужна самая короткая версия, которую можно отстоять: Claude Opus 5 — более безопасный выбор по умолчанию для разработки в продакшене в конце 2026 года, потому что он дешевле по выходным токенам, независимо протестирован в бенчмарках и его не убирают из инструмента, в котором вы, вероятно, его используете. GPT-5.5 остаётся более сильным выбором в отдельных аспектах — терминально-нативная агентная работа, извлечение информации из длинного контекста и эффективность использования токенов на сложных задачах — и на пути через API он сохраняет все эти преимущества. Всё ниже — это обоснование такого разделения и оговорки, которые делают его менее однозначным, чем кажется.

Два флагмана, вышедшие в разных мирах

GPT-5.5 появилась 23 апреля 2026 года как передовая модель OpenAI для сложных профессиональных задач, созданная на базе GPT-5.4, с более мощными возможностями рассуждения, лучшей надёжностью и — на чём OpenAI делала главный акцент — повышенной эффективностью работы с токенами на сложных задачах. Она принимает на вход текст, изображения и файлы, обслуживает примерно 922 тыс. входных и 128 тыс. выходных токенов, а её цена составляет $5,00 за миллион входных и $30,00 за миллион выходных токенов, при этом кэшированные чтения стоят $0,50, а при превышении 272 000 входных токенов действует повышенный тариф.

Claude Opus 5 — флагманская модель Anthropic для требовательных задач рассуждения, программирования и длительной агентной работы, и она настроена на конкретную слабость, которая долго преследовала агентное программирование: сохранение связности на протяжении очень длинных многошаговых сессий с интенсивным использованием инструментов. Она поддерживает контекст объёмом 1 млн токенов с выводом до 128K, принимает на вход текст, изображения и файлы, а её цена составляет $5.00 за вход и $25.00 за выход, при этом кэшированные чтения также стоят $0.50. Она заменяет параметры сэмплирования, такие как temperature и top_p, регулятором усилия рассуждения — это действительно меняет способ её настройки, но не то, на что она способна.

Контраст спецификации

• Цена — GPT-5.5: $5,00/$30,00 за 1 млн токенов против Claude Opus 5: $5,00/$25,00 за 1 млн; одинаково на входе, Claude Opus 5 примерно на 17% дешевле на выходе

• Кэшированный ввод — оба по $0.50 за 1 млн токенов, скидка 90% на стоимость ввода

• Контекст — GPT-5.5 ~922K на входе / 128K на выходе против Claude Opus 5: 1M на входе / 128K на выходе

• Модальности ввода — GPT-5.5 текст, изображение, файл против Claude Opus 5 текст, изображение, файл; здесь они на одном уровне

• Настройка — параметры усилия рассуждений GPT-5.5 от none до xhigh в сравнении с адаптивным рассуждением Claude Opus 5 через регулятор усилия, без temperature или top_p

• Доступность — GPT-5.5 покидает ChatGPT, ChatGPT Work и Codex 14 октября 2026 года, но не API — в отличие от Claude Opus 5, доступного во всех интерфейсах Anthropic без объявленного прекращения поддержки

Где заявления о бенчмарках перестают быть сопоставимыми

Начнём с независимой картины, потому что это единственная часть всего этого, которую кто угодно может проверить. Artificial Analysis оценивает Claude Opus 5 в 51 балл по своему Intelligence Index. GPT-5.5 она оценивает в 39 баллов по текущему индексу v4.3 — и, что показательнее, пометила GPT-5.5 как устаревшую и откатила её оценку к стандартным рабочим нагрузкам на 10 000 токенов. Это стоит внимательно изучить. Независимая история GPT-5.5 не просто слабее; она подходит к концу, и как только она остановится, все числа, всё ещё гуляющие по этой модели, будут вендорскими.

Если говорить о данных, которые сообщают сами вендоры, собственные цифры OpenAI ставят GPT-5.5 на 82,7% в Terminal-Bench 2.0, 82,6% в SWE-bench Verified и 58,6% в SWE-bench Pro. Показатели Anthropic для Claude Opus 5 включают 90,2 в Terminal-Bench 2.1, 74,7 в SWE-bench Pro и 68,0 в JobBench. Заманчивый ход — поставить их рядом и объявить победителя. Не делайте этого — и заметьте, что большинство страниц со сравнениями всё равно так поступает.

Линейка Terminal-Bench — самый наглядный пример. 82.7% у GPT-5.5 относится к Terminal-Bench 2.0; 90.2 у Claude Opus 5 — к Terminal-Bench 2.1. Это разные версии бенчмарка с разными наборами задач, и сравнение между версиями — не сравнение. Строки SWE-bench Pro по крайней мере относятся к одному и тому же набору, и там 74.7 у Claude Opus 5 против 58.6 у GPT-5.5 — это реальный и большой разрыв, — но обе цифры сообщены вендорами с обеих сторон, и ни одна из них не была воспроизведена в идентичных условиях тестового стенда.

Проблема харнесса, которая и есть настоящая история

Если из этого противостояния стоит вынести хотя бы один вывод, то он таков: выбор харнесса влияет на эти модели сильнее, чем разрыв между ними. В одном исследовании на arXiv выяснилось, что GPT-5.5 показывал лучшие результаты в Claude Code, а затем терял 21,8 пункта при переходе на OpenHands, тогда как Claude Opus 4.8 — точка сравнения в том исследовании — при том же изменении терял лишь 5,5 пункта. Колебание в 21 пункт, обусловленное одним лишь скаффолдингом, больше, чем большинство опубликованных различий при очном сравнении этих двух флагманов.

У этого есть практическая интерпретация, которую допускает даже собственная формулировка OpenAI: GPT-5.5 достигает 83,4% на Terminal-Bench, используя свою нативную обвязку Codex CLI, против 72,1% на стандартной обвязке. Если ваша система оценки запускает GPT-5.5 вне Codex, вы измеряете не ту модель, которая указана в таблице запуска.

Это важно для вывода из эксплуатации — и это легко упустить. Если ваши показатели GPT-5.5 были получены внутри Codex при входе через ChatGPT, а этот путь закрывается 14 октября, вы теряете не просто модель — вы теряете обвязку, под которую откалиброван ваш бенчмарк. Заново снимите базовые показатели при работе через API, прежде чем делать какие-либо выводы о том, во что вам обойдётся преемник.

Стоимость за задачу, а не за токен

Сравнение по токенам прямолинейно и немного в пользу Claude Opus 5: одинаковый ввод за $5.00, $25.00 против $30.00 за вывод. Интересное сравнение — это стоимость за выполненную задачу, и здесь картина переворачивается, потому что ключевое заявление OpenAI о GPT-5.5 касалось эффективности использования токенов — примерно на 40% меньше токенов при эквивалентных задачах, согласно нескольким отчётам разработчиков. Если модель выполняет ту же работу, используя на 40% меньше выходных токенов, ставка $30 за вывод может дать меньший счёт, чем ставка $25 у более многословной модели. Это заявление сформулировано вендором и не было независимо воспроизведено, поэтому относитесь к нему как к гипотезе, которую следует проверить на вашей собственной рабочей нагрузке, а не как к установленному факту.

Обе модели есть в нашем каталоге, поэтому такой тест дёшево провести как следует, а не на основе разрозненных наблюдений. Обе доступны через один ключ по тарифу из прайс-листа провайдера с наценкой 0%, так что прямое A/B-сравнение на вашем собственном трафике — это строка модели в теле запроса, а не второй контракт; а любое изменение цен вендором отражается на нашей стороне в тот же день, когда о нём объявлено. Полезная часть здесь — DSL маршрутизации: разделите живой трафик между двумя моделями, удерживайте разделение в любой пропорции, которую допускает ваш бюджет ошибок, и пусть показатели стоимости за задачу берутся из продакшена, а не со страницы с бенчмарками.

Что это значит для следующих шести недель

Для команды, выбирающей сегодня, в этом решении есть асимметрия, которую скрыл бы взгляд, основанный лишь на возможностях. Claude Opus 5 — выбор с меньшим риском: независимо оценён, дешевле на выходе и не запланирован к удалению из продуктов, в которых продаётся. GPT-5.5 — не плохая модель: это сильная модель с настоящим преимуществом в агентной работе, нативной для терминала, — но выбрать её на подписочном пути означает выбрать модель с известной датой истечения через шесть недель, а на пути через API — согласиться на более скудную и сокращающуюся независимую историю оценок.

Оправданная позиция — сохранить GPT-5.5 там, где она убедительно выигрывает и где вы контролируете путь — API, сессия Codex с API-ключом, — а Claude Opus 5 сделать вариантом по умолчанию во всех остальных случаях. Изменить ваше мнение в ту или иную сторону должно не то, как продвигают модели, а первый нейтральный очный прогон в рамках единого фиксированного тестового стенда и то, что OpenAI опубликует о том, сохранится ли API-путь для GPT-5.5 после вывода продукта.

Обе стороны этого противостояния стоят за одним ключом: GPT-5.5 и Claude Opus 5 отличаются лишь строкой модели, а между ними работает автоматическое переключение при сбое.