Сгенерированная титульная карточка с надписью «GPT-6.2 Sol Pro против Claude Opus 5.5: два пункта возможностей, десятикратный счёт», с показателями 57,3 против 59,1 по Индексу интеллекта и стоимостью $1,01 против $10,04 за задачу, а также примечанием, что GPT-6.2 Sol Pro — это gpt-6.2-sol, вызываемая с режимом рассуждения, установленным на pro.
Guides & Insights

GPT-6.2 Sol Pro против Claude Opus 5.5: разрыв в 2 балла и счёт в 10 раз выше

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Если вы выбираете между GPT-6.2 Sol Pro и Claude Opus 5.5 на этой неделе, два главных числа указывают в противоположные стороны, и ни одно из них не ошибочно. В индексе интеллекта Artificial Analysis версии v5.0.1 Claude Opus 5.5 при максимальном усилии набирает 59.1, а GPT-6.2 Sol при максимальном усилии набирает 57.3 — разрыв в 1,8 балла. Стоимость одной задачи индекса для тех же наборов: $10.04 против $1.01. Вас спрашивают, стоят ли два балла возможностей примерно десятикратных затрат, и ответ зависит от того, в каком из пяти измерений ниже фактически находится ваша нагрузка.

Сначала — замечание о названии, потому что от этого зависит, что именно вы сравниваете. GPT-6.2 Sol Pro — не отдельный продукт. Это GPT-6.2 Sol — выпущенная 17 ноября 2026 года модель, которую вызывают с reasoning.mode: pro в Responses API; она тарифицируется по стандартным тарифам базовой модели и просто выполняет больше работы. У Anthropic нет эквивалентного переключателя: Claude Opus 5.5 выполняет расширенное мышление по единой цене. Так что одна сторона этого сравнения — конфигурация, которую можно настраивать, а другая — фиксированный счётчик. В этой асимметрии — суть всей статьи.

Табло с прикреплёнными названиями жгутов

Всё в этом разделе — независимое измерение Artificial Analysis, а не опубликованная таблица кого-либо из вендоров. Обе модели запускались с максимальным уровнем усилий на одном и том же наборе тестов с одинаковой системой оценки — только так это сравнение имеет смысл. Ни один из вендоров не публиковал собственной оценки в pro-режиме.

• Индекс интеллекта — GPT-6.2 Sol 57,3, 5-е место из 58 оценённых записей в рейтинге по состоянию на 18 ноября; у Claude Opus 5.5 — 59,1, 4-е место.

• Стоимость одной задачи Index — $1,01 против $10,04, разница в 9,9×.

• Terminal-Bench 4.0 — 60.1% против 59.6%, фактически равный результат.

• Terminal-Bench Science — 67,6% против 59,0%, самый большой единичный разрыв на всей таблице, причём он направлен в обратную сторону.

• HLE Diamond — 64,0% против 67,9%.

• FrontierCode 2.0 — 44,4% против 46,4%.

• AutomationBench — 71,3% против 69,5%.

• AnalystAgent — 53,8 % против 56,3 %.

• AA-Omniscience — 40,4 при точности 61,6% и уровне галлюцинаций 55,4% против 48,1 при точности 65,5% и уровне галлюцинаций 50,3%.

• Контекст — 1 050 000 токенов при максимуме ввода 922 000 и максимуме вывода 128 000 против 1 000 000 токенов при максимуме вывода 128 000.

• Цена — $2.00 за ввод / $0.10 за кэш / $2.50 за запись в кэш / $10.00 за вывод за миллион против $4.00 / $0.20 / $5.00 / $20.00.

Прочитайте середину этого списка — и проявится закономерность, которую скрывает составной индекс. В терминальной работе две модели неразличимы, а в научной терминальной работе более дешёвая выигрывает почти на девять баллов. В наборах агентной автоматизации она снова побеждает. Opus 5.5 лидирует в задачах с правильным ответом, который нужно вспомнить, а не вывести, — HLE Diamond, FrontierCode — и в понимании того, чего он не знает: там он опережает GPT-6.2 Sol почти на восемь баллов по индексу всезнания и на пять баллов по точности.

A generated two-column comparison scoreboard titled 'GPT-6.2 Sol vs Claude Opus 5.5', with the left column GPT-6.2 Sol at 57.3 on the Intelligence Index, $1.01 cost per task, 60.1 percent on Terminal-Bench 4.0, 67.6 percent on Terminal-Bench Science, 64.0 percent on HLE Diamond and 40.4 on AA-Omniscience, and the right column Claude Opus 5.5 at 59.1, $10.04, 59.6 percent, 59.0 percent, 67.9 percent and 48.1, with a footer attributing all measurements to Artificial Analysis at max effort.

Почему счёт расходится в 10 раз, когда прайс-лист расходится в 2 раза

Соотношение по ценникам — 2×: $4/$20 против $2/$10. Измеренное соотношение — 9,9×. Ещё один пятикратный фактор кроется в том, сколько токенов каждая модель тратит на завершение одной и той же задачи, и это самое полезное число в данном сравнении.

При максимальном уровне усилий Claude Opus 5.5 в среднем расходует 173 313 выходных токенов на задачу Index — из них 120 460 на рассуждения и 52 853 на видимый ответ. GPT-6.2 Sol в среднем расходует 40 360, из которых 22 800 на рассуждения и 17 561 на ответ. Это соотношение токенов 4,3× поверх соотношения цен 2×, и вместе они дают счёт 9,9×, который вы фактически платите. Расширенное мышление Claude Opus 5.5 — не бесплатная функция, прикрученная к модели; это доминирующая строка в счёте, и оно включено по умолчанию в том смысле, что токены мышления тарифицируются как выходные, без отдельного переключателя, который сделал бы их дешевле.

Это также объясняет разницу по реальному времени. Opus 5.5 при максимальном уровне усилий в среднем тратит 1 475 секунд на задачу, тогда как профиль максимальных усилий GPT-6.2 Sol расходует четверть выходных токенов. Долгосрочный агент, выполняющий двадцать таких операций на тикет, не просто платит в десять раз больше — он держит поток открытым по двадцать пять минут на каждую задачу.

Ничто из этого не делает Opus 5.5 дорогим по ошибке. Anthropic продаёт модель, которая дольше думает и осторожнее в том, что утверждает, и этот разрыв в «всезнании» — именно то, за что платят эти деньги. Вопрос в том, сможет ли ваша рабочая нагрузка получить от этого отдачу.

Screenshot of the Artificial Analysis page for Claude Opus 5.5, showing the model listing with its Intelligence Index, pricing of $4 input and $20 output per million tokens, a 1,000,000-token context window with 128,000 maximum output, and the site's model comparison charts.

В чём каждый из них оправдывает свою цену

Берите GPT-6.2 Sol, если работу можно проверить. Агенты для программирования, исправление CI, миграции, автоматизация с активным использованием терминала — всё, где набор тестов или код выхода оболочки показывает, был ли ответ правильным. На таких задачах вы платите за проверяемый результат, разрыв в калибровке ничего вам не стоит, потому что тестовый стенд перехватывает ошибку, а 10-кратная экономия накапливается с каждой повторной попыткой. Результат Terminal-Bench Science — 67,6% против 59,0% — самое сильное в этой статье доказательство того, что более дешёвая модель не является более слабой в эмпирической работе.

Выбирайте Claude Opus 5.5, если работа рассчитана на длительную перспективу, а ошибки остаются незаметными. Проверка договоров, синтез исследований, анализ множества документов — всё, что агент создаёт, а человек читает, не имея возможности сначала прогнать тест. HLE Diamond на уровне 67,9% и индекс всезнания на восемь пунктов выше описывают модель, чьи ошибки устроены иначе, и на непроверенном пути эта разница стоит больше, чем 2× по шкале.

Берите оба и маршрутизируйте по задаче. Честный ответ для большинства продакшн-систем таков: разделение идёт не «модель против модели», а «вызов против вызова». Единая конечная точка с политикой маршрутизации может направлять путь с интенсивной проверкой к дешёвой модели, а путь с молчаливыми ошибками — к более аккуратной; в этом и состоит настоящая задача routing DSL — вы пишете правило один раз, и изменение цены или вывод модели из эксплуатации становится правкой конфигурации, а не миграцией.

Screenshot of the OrcaRouter model page for Claude Opus 5.5, showing the model ID anthropic/claude-opus-5.5, a 1,000,000-token context window with 128,000 maximum output, input pricing of $4.00 and output pricing of $20.00 per million tokens, and a description of the model as Anthropic's flagship.

Это также практический аргумент в пользу того, чтобы держать оба на одном ключе. В OrcaRouter openai/gpt-6.1-sol и anthropic/claude-opus-5.5 оба присутствуют в каталоге по прейскурантной цене провайдера с наценкой 0% — указанные выше $2/$10 и $4/$20 — это то, что платите вы, а не версия с наценкой от шлюза. GPT-6.2 Sol по состоянию на 18 ноября ещё не появился в нашем каталоге, поэтому ничто здесь не должно восприниматься как утверждение, что сегодня его можно вызвать через нас; уровень 6.1, который он заменяет, доступен, и именно с ним соотносит цены это сравнение, когда переключение нужно выполнить сейчас.

Проблема pro-режима, которую не решает ни один бенчмарк

Все приведённые выше числа — это максимальное усилие в стандартном режиме, потому что именно это измеряет независимый тестовый стенд. Никто не публиковал оценку GPT-6.2 Sol в pro-режиме, и причина структурная: pro-режим «агрегирует работу модели, выполненную для получения окончательного ответа», и выставляет счёт за эти токены по стандартным тарифам, поэтому его стоимость зависит от того, сколько дополнительной работы модель решит выполнить над вашей конкретной задачей. В документации нет множителя, на который можно было бы опираться при планировании бюджета.

Последствие этого сравнения асимметрично, что необычно. Стоимость Opus 5.5 можно узнать заранее — фиксированные $4/$20 против количества токенов, которое можно измерить один раз. Стоимость GPT-6.2 Sol поддаётся расчёту в стандартном режиме и не имеет верхнего предела в режиме pro. Если причина, по которой вы выбрали более дешёвую модель, заключалась в предсказуемости затрат, режим pro частично обесценивает эту причину, а разрыв в 9,9× сокращается на величину, которую может определить только ваш собственный трафик. Измерьте на выборке, прежде чем закладывать бюджет.

Решение, изложенное без обиняков

GPT-6.2 Sol отстаёт от Claude Opus 5.5 на 1,8 индексных пункта и примерно в десять раз дешевле в расчёте на выполненную задачу, а также опережает его по трём из восьми оценок, составляющих индекс, — включая оценку научной работы в терминале. Claude Opus 5.5 — лучшая модель для работы, которую никто не проверяет, и её преимущество проявляется именно там, где незаметные ошибки обходятся дорого.

Если вы можете проверить вывод, разрыв в два пункта — это ошибка округления, а десятикратный счёт — нет. Если не можете, десятикратный счёт — это премия, которую вы платите за модель, которая реже уверенно ошибается. Всё остальное — правило маршрутизации.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter