GPT-6.1 Sol против Claude Opus 5: разница в один пункт индекса, цена в два с половиной раза выше

Одно очко по стобалльной шкале разделяет их, и один из них стоит в два с половиной раза дороже. В индексе Artificial Analysis Intelligence Index, GPT-6.1 Sol — выпущенный Open​AI 29 сентября 2026 года — имеет 51. Claude Opus 5, флагман Anthrop​ic с 24 июля 2026 года, имеет 50,8. Тарифы составляют $2.00 и $10.00 за миллион токенов для GPT-6.1 Sol против $5.00 и $25.00 для Claude Opus 5. Это не сравнение между сильной моделью и дешёвой. Это две модели, которые независимый оценщик не смог бы разделить более чем на одно очко, продаваемые по ценам, отличающимся в 2,5 раза — и интересный вопрос не в том, какая из них лучше, а в том, какую из двух индекс не может различить.

Каждое число ниже — это либо измерение Artificial Analysis, зафиксированное в наших записях о моделях, либо цифра, опубликованная самим поставщиком, либо результат арифметических расчётов по двум тарифным картам. Там, где цифра принадлежит самому поставщику и никто извне её не воспроизвёл, в предложении это указано.

Что эти двое на самом деле собой представляют

Claude Opus 5 — флагманская модель общего назначения от Anthropic: контекстное окно на 1 000 000 токенов, 128 000 выходных токенов, ввод текста, изображений и файлов, а также адаптивное рассуждение, при котором вызывающая сторона задаёт уровень усилий, а не температуру. Именно эту модель компания позиционирует для сквозной разработки программного обеспечения, ревью кода и длительных многошаговых агентных сессий с интенсивным использованием инструментов.

GPT-6.1 Sol находится на один уровень ниже флагмана самой Open​AI — GPT-6 Astra — в линейке GP​T-6, и он был выпущен через шесть недель после модели, которую заменил, GPT-6 Sol, по той же цене — $2.00/$10.00. У него контекстное окно на 1 050 000 токенов, тот же потолок вывода в 128 000, те же возможности ввода текста, изображений и файлов и пять уровней усилий рассуждения — от низкого до максимального, причём средний установлен по умолчанию.

Прочитайте эти два абзаца рядом друг с другом, и строки спецификации почти идентичны. Различия кроются в мелком шрифте, и три из них важны:

• Параметры сэмплирования — ни одна из моделей не принимает temperature или top_p. Обе заменяют их регулятором усилий. Если ваш код передаёт temperature, обе его отклонят, так что ни одна из них не является готовой заменой для существующей интеграции.

• Потолок контекста — 1 050 000 токенов у GPT-6.1 Sol против 1 000 000 у Claude Opus 5. Разница в пять процентов; на практике несущественная, и решение принимается не здесь.

• Значения усилия по умолчанию — GPT-6.1 Sol по умолчанию использует средний уровень; адаптивное мышление Claude Opus 5 самостоятельно распределяет глубину. Всё в приведённом ниже сравнении индексов чувствительно к этому — именно это та оговорка, о которой речь пойдёт позже.

Пять осей, по которым измерялись оба

Именно здесь большинство материалов об этом сравнении ошибаются, потому что смешивают показатель вендора с одной стороны с показателем третьей стороны с другой. Пять строк ниже — все относятся к Artificial Analysis, все получены от одного и того же оценщика, для обеих моделей:

• AA Intelligence Index — GPT-6.1 Sol 51,8 (10-е место, 93,2-й процентиль) против Claude Opus 5 50,8 (11-е место, 92,5-й процентиль). Один пункт.

• Humanity's Last Exam — 52,9% против 54,9%. Claude Opus 5 опережает на два пункта.

• SciCode — 54,2% против 56,4%. Claude Opus 5 опережает на 2,2 пункта.

• Воспроизведение в длинном контексте — 83% против 79,33%. GPT-6.1 Sol — на 3,7 пункта.

• Terminal-Bench 4.0 — 56,06% против 48,99%. GPT-6.1 Sol на семь пунктов.

Три — два, с разрывом от одного до семи пунктов, при цене в 2,5 раза выше. Есть шестая ось, на которой Claude Opus 5 стоит в одиночестве, — GPQA Diamond с 93,2 %, — и седьмая, где он тоже один, но с обратным знаком: Artificial Analysis оценивает Claude Opus 5 в 78 баллов по своему Coding Index — 98,6-й процентиль, 2-е место. GPT-6.1 Sol на этой оси в наших записях вообще не значится, так что рядом с ним нечего поставить, а придумать число из вендорской презентации — ровно тот ход, которого этот блог не делает.

Где премиальная надбавка всё ещё оправдана

Разрыв в один пункт по индексу был бы слабым основанием платить в 2,5 раза больше, если бы этим всё исчерпывалось. Но это не так, и есть три случая, когда Claude Opus 5 — более выгодная покупка, независимо от того, что говорит индекс.

Первый — это строка Coding Index выше. 2-е место из 138 моделей по собственному составному показателю оценщиков, на 98,6-м процентиле, — это конкретное утверждение о конкретном типе работы, и именно такой работой занимается большинство команд, покупающих в этом ценовом сегменте. Наша страница модели OrcaRouter для anthropic/claude-opus-5указывает «Ranking #1» относительно бенчмарка Codex и среднюю стоимость $1.09 за задачу — это наши собственные данные обслуживания, а не заявление вендора, и напоминание о том, что цена за токен — это не цена за задачу.

Второй — пакетный режим. Claude Opus 5 даёт 50-процентную скидку за пакетную обработку, что снижает цену до $2.50 за вход и $12.50 за выход, и допускает 300 000 выходных токенов в пакетном режиме против 128 000 на интерактивном пути. При $2.50/$12.50 это уже не в два с половиной раза дороже GPT-6.1 Sol по входу — это на 25 процентов дороже. Для любой нагрузки, которая допускает очередь — офлайн-индексация, массовая классификация, ночная генерация тестов — весь аргумент этой статьи значительно слабеет, и слабеет он в пользу Anthropic.

Третий — это скромный мультимодальный множитель. Опубликованные самой Anthrop​ic цифры показывают, что Claude Opus 5 набирает 70,6% в OSWorld 2.0 и 96,0% в SWE-bench Verified, с 79,2% в SWE-bench Pro. Это заявленные производителем цифры для модели, анонсированной в июле, никто извне их здесь не воспроизвёл, и оси не пересекаются со строками Artificial Analysis выше — поэтому их нельзя добавить в ту оценочную таблицу. Их стоит воспринимать лишь как указание на то, что Anthrop​ic заявляет о своей силе именно в компьютерном использовании и инженерии масштаба репозитория, а именно на такого покупателя эта модель и рассчитана.

Тарифные карты, включая строку, которая есть только у одной из них.

Claude Opus 5 взимает $5.00 и $25.00 по единой ставке на всём своём окне в миллион токенов, при этом чтение кэша стоит $0.50, а запись в кэш — $10.00. GPT-6.1 Sol взимает $2.00 и $10.00 вплоть до 272 000 токенов подсказки, а затем пересчитывает цену всего запроса на $4.00 и $15.00 выше этого порога, при этом чтение кэша меняется с $0.10 на $0.20, а запись в кэш — с $2.50 на $5.00. Возникающая инверсия — практическое следствие покупки длинного контекста у любой из этих моделей:

• Запрос на 250 000 токенов — GPT-6.1 Sol всё ещё находится на первом тарифном уровне: $2,00/$10,00 против $5,00/$25,00. Это самый дешёвый запрос с большим контекстом в этом сравнении.

• Промпт на 300 000 токенов — GPT-6.1 Sol поднялся до $4.00/$15.00, а Claude Opus 5 не сдвинулся с места. Разрыв сокращается с 2,5× до 1,25× на входе и до 1,67× на выходе.

• Чтение из кэша — $0.10 за миллион для GPT-6.1 Sol против $0.50 для Claude Opus 5, в пределах первых тарифных уровней обеих моделей. В долгой агентной сессии, где один и тот же префикс перечитывается снова и снова, эта строка влияет на итоговый счёт сильнее, чем заявленные тарифы.

• Запись в кэш — $2.50 против $10.00. То же направление, тот же порядок величины.

Это реальный и прозаичный факт: показатель 2,5× из заголовка достигается только на коротких промптах. Как только рабочая нагрузка превышает 272 000 токенов, GPT-6.1 Sol тоже тарифицируется как премиальная модель, и честное сравнение превращается в «премиальную модель с гораздо более дешёвым кэшем» против «премиальной модели с фиксированным тарифом».

Почему одна точка не должна решать это в одиночку

Приведённые выше строки индекса не были собраны в один и тот же день, и здесь это важнее, чем в большинстве сравнений. Запись GPT-6.1 Sol в Artificial Analysis содержит дату оценки 2026-09-28. Запись Claude Opus 5 — 2026-07-23, на девять недель раньше, на харнессе, который за это время пересматривался.

У этого есть наглядный симптом в наших собственных записях. В более ранних материалах Claude Opus 5 получал 61 балл в Intelligence Index и возглавлял таблицу лидеров. В записи каталога, которую мы прочитали сегодня, та же модель имеет 50,8 и 11-е место. Оба утверждения могут быть верны: индекс был пересмотрен, а сводный балл чувствителен к усилию рассуждений, которое выбирает оценщик, — Claude Opus 5 достиг максимума при максимальном усилии, а в имеющейся у нас записи настройка усилия вообще не указана. Показатель GPT-6.1 Sol — 51,8 — несёт ту же неоднозначность.

То, что это означает для решения о покупке, — узкий, но важный момент. Разрыв в один пункт между двумя моделями, оценёнными с разницей в девять недель, по изменяющемуся сводному показателю, при неуказанных настройках усилий, не доказывает, что одна модель умнее другой. Что пять строк действительно показывают, так это то, что они находятся в одном диапазоне, — а результат в одном диапазоне при цене в 2,5 раза выше — это факт закупки, а не факт производительности.

Какой маршрутизировать

Возьмите модель, которую собирались купить, и протестируйте её против другой. Это звучит как банальность, но это единственный ход, который здесь действительно подтверждается фактами, и обе модели доступны из одной конечной точки, совместимой с OpenAI, — openai/gpt-6.1-sol и anthropic/claude-opus-5 на OrcaRouter, — так что тест — это смена строки модели, а не второй контракт и не переписывание. Цены — это прайс-листовая ставка провайдера с наценкой 0%: $2.00/$10.00 с тарифом свыше 272K, применяемым ровно так, как устанавливает OpenAI, и $5.00/$25.00 со скидкой за пакетную обработку, применяемой ровно так, как устанавливает Anthropic, что также означает, что изменение цены поставщика вступает в силу у нас в тот же день, а не в следующем расчётном цикле. Там, где маршрутизируются обе, под этим заложено автоматическое переключение при сбое, и это стоит иметь, когда именно более дешёвая из двух держит продакшен-путь.

Если вам нужно значение по умолчанию, пока у вас нет собственных цифр, то разделение, которое подтверждают данные, выглядит так. Выбирайте GPT-6.1 Sol, когда рабочая нагрузка связана с длинными промптами, сильно опирается на кэш или имеет форму терминала и инструментов — строки Long-Context Recall и Terminal-Bench 4.0 показывают два самых широких отрыва в сравнении, а чтения из кэша по $0.10 — большой рычаг для агентных сессий, которые повторно читают префикс. Выбирайте Claude Opus 5, когда рабочая нагрузка — это программирование в масштабе репозитория, когда допустим пакетный режим или когда промпт укладывается в 128 000 токенов, а стоимость за задачу, которую наш собственный playground измеряет как $1.09, — это число, уже одобренное вашей финансовой командой.

Вердикт, который получает эта пара, уже, чем хотелось бы любому из производителей. По независимым измерениям эти двое фактически идут вровень; по цене — нет, а цена — это та ось, по которой одному из них не отговориться.