GPT-5.5 vs Claude Opus 5: Kodningsracet som ingen kan bedöma rättvist

GPT-5.5 och Claude Opus 5 är de två modeller som de flesta team faktiskt menar när de säger "frontier-kodare", och på papper ligger de tillräckligt nära varandra för att beslutet vanligtvis fattas utifrån en benchmark-tabell. Det är ett misstag i år av en anledning som inte har något att göra med någon av modellernas förmåga: GPT-5.5 fasas ut från ChatGPT, ChatGPT Work och Codex den 14 oktober 2026, och Codex är den yta där en stor andel av dess kodningsanvändare faktiskt arbetar. Claude Opus 5 försvinner inte. Så den första frågan i den här jämförelsen är inte vilken modell som skriver bättre kod – det är vilken av dem som fortfarande svarar på den begäran du är på väg att skicka i november.

Det omformulerar jämförelsen, men det avgör den inte. Om du anropar GPT-5.5 via API:et eller via en Codex-session som autentiserats med din egen API-nyckel, berör avvecklingen dig inte, och kapacitetsfrågan är precis lika aktuell som den var i april. Det som följer är den ärliga versionen av den frågan, inklusive den del som de flesta jämförelsesidor hoppar över: båda modellernas rubriksiffror mäts på sätt som smickrar den som kör testet.

Ettradssvaret

Om du behöver den kortaste försvarbara versionen: Claude Opus 5 är det säkrare standardvalet för produktionskodarbete i slutet av 2026, eftersom det är billigare på utdata, oberoende benchmarkat och inte håller på att tas bort från verktyget du förmodligen använder det i. GPT-5.5 är fortfarande det starkare valet på specifika områden – terminalnative agentiska arbeten, långkontexthämtning och token-effektivitet på svåra uppgifter – och på API-vägen behåller det allt detta. Allt nedan är resonemanget bakom den uppdelningen, och de förbehåll som gör den mindre okomplicerad än den låter.

Två flaggskepp som lanserades i olika världar

GPT-5.5 lanserades den 23 april 2026 som OpenAI:s frontmodell för komplexa professionella arbetsbelastningar, byggd på GPT-5.4 med starkare resonemangsförmåga, bättre tillförlitlighet och – det påstående som OpenAI lyfte fram först – förbättrad token-effektivitet vid svåra uppgifter. Den tar emot text, bild och fil som indata, erbjuder ungefär 922K indatatoken och 128K utdatatoken och prissätts till $5.00 per miljon indatatoken och $30.00 per miljon utdatatoken, med cachade läsningar till $0.50 och en högre avgift över 272 000 indatatoken.

Claude Opus 5 är Anthropics flaggskepp för krävande resonemang, kodning och långsiktigt agentiskt arbete, och det är inställt för en specifik svaghet som har plågat agentisk kodning: att förbli sammanhängande över mycket långa sessioner med många steg och tung verktygsanvändning. Det hanterar en kontext på 1M tokens med upp till 128K utdata, tar emot text-, bild- och filindata och kostar $5.00 för indata och $25.00 för utdata, med cachade läsningar också för $0.50. Det ersätter samplingsparametrar som temperature och top_p med ett reglage för resonemangsansträngning, vilket är en verklig skillnad i hur man ställer in det men inte i vad det kan göra.

Spec-kontrast

• Pris — GPT-5.5 $5.00/$30.00 per 1 miljon tokens jämfört med Claude Opus 5 $5.00/$25.00 per 1 miljon; identiska för input, Claude Opus 5 cirka 17 % billigare för output

• Cachad indata – både $0,50 per 1 miljon tokens och en rabatt på 90 % på indatapriset

• Kontext — GPT-5.5 ~922K indata / 128K utdata vs Claude Opus 5 1M indata / 128K utdata

• Indatamodaliteter — GPT-5.5 text, bild, fil mot Claude Opus 5 text, bild, fil; de två är likvärdiga här

• Justering — GPT-5.5:s inställningar för resonemangsansträngning från none till xhigh mot Claude Opus 5:s adaptiva resonemang via en ratt för ansträngningsnivå, ingen temperatur eller top_p

• Tillgänglighet — GPT-5.5 lämnar ChatGPT, ChatGPT Work och Codex den 14 oktober 2026, men inte API:et vs Claude Opus 5 på alla Anthropic-ytor utan aviserad pensionering

Där benchmarkpåståenden upphör att vara jämförbara

Börja med den oberoende bilden, eftersom det är den enda delen av detta som vem som helst kan kontrollera. Artificial Analysis ger Claude Opus 5 51 poäng på sitt Intelligence Index. Det ger GPT-5.5 39 poäng på det aktuella v4.3-indexet — och, mer talande, har det flaggat GPT-5.5 som föråldrat och skruvat tillbaka sin utvärdering till standardarbetsbelastningar på 10 000 tokens. Det förtjänar en noggrann läsning. Den oberoende dokumentationen för GPT-5.5 är inte bara svagare; den är på väg att upphöra, och när den väl upphör är varje siffra som fortfarande cirkulerar för den modellen en leverantörssiffra.

Bland de siffror som leverantörerna själva rapporterar placerar OpenAI:s egna siffror GPT-5.5 på 82,7 % på Terminal-Bench 2.0, 82,6 % på SWE-bench Verified och 58,6 % på SWE-bench Pro. Anthropics siffror för Claude Opus 5 inkluderar 90,2 på Terminal-Bench 2.1, 74,7 på SWE-bench Pro och 68,0 på JobBench. Det frestande draget är att ställa dem sida vid sida och utropa en vinnare. Gör inte det — och notera att de flesta jämförelsesidor gör det ändå.

Terminal-Bench-raden är det tydligaste exemplet. GPT-5.5:s 82,7 % gäller Terminal-Bench 2.0; Claude Opus 5:s 90,2 gäller Terminal-Bench 2.1. Det är olika benchmarkversioner med olika uppsättningar uppgifter, och en jämförelse mellan versioner är inte en jämförelse. SWE-bench Pro-raderna gäller åtminstone samma svit, och där är Claude Opus 5:s 74,7 mot GPT-5.5:s 58,6 en genuin och bred skillnad — men båda siffrorna är leverantörsrapporterade från båda håll, och ingen av dem har reproducerats under identiska testbetingelser.

Seleproblemet, som är den verkliga historien

Om det finns ett rön värt att ta med sig från den här matchen, så är det att valet av harness påverkar dessa modeller mer än gapet mellan dem gör. En utvärdering på arXiv visade att GPT-5.5 presterade starkast under Claude Code och sedan sjönk 21,8 punkter när den flyttades till OpenHands, medan Claude Opus 4.8 – jämförelsepunkten i den studien – bara föll 5,5 punkter vid samma förändring. En svängning på 21 punkter enbart från scaffolding är större än de flesta publicerade skillnader i direkt jämförelse mellan de två flaggskeppen.

Det finns en praktisk version av detta som OpenAI:s egen framställning medger: GPT-5.5 når 83,4 % på Terminal-Bench med sin nativa Codex CLI-harness, mot 72,1 % med en standardharness. Om din utvärdering kör GPT-5.5 utanför Codex mäter du en annan modell än den i lanseringstabellen.

Detta spelar roll för avvecklingen på ett sätt som är lätt att missa. Om dina GPT-5.5-siffror togs fram i Codex via en ChatGPT-inloggning, och den vägen stängs den 14 oktober, förlorar du inte bara en modell — du förlorar det testramverk som ditt benchmark är kalibrerat mot. Gör en ny baslinje på API-vägen innan du drar några slutsatser om vad efterträdaren kostar dig.

Kostnad per uppgift, inte kostnad per token

Jämförelsen per token är enkel och lutar en aning till fördel för Claude Opus 5: samma $5,00 för indata, $25,00 mot $30,00 för utdata. Den intressanta jämförelsen är kostnad per slutförd uppgift, och där vänds bilden, eftersom OpenAI:s centrala påstående om GPT-5.5 handlade om token-effektivitet – ungefär 40 % färre tokens på likvärdiga uppgifter enligt flera utvecklares redogörelser. Om en modell utför samma jobb med 40 % färre utdatatokens kan en utdatataxa på $30 ge en lägre räkning än en taxa på $25 för en mer ordrik modell. Det påståendet är leverantörsvinklat och har inte oberoende reproducerats, så behandla det som en hypotes att testa på din egen arbetsbelastning snarare än som ett fastställt faktum.

Båda modellerna finns i vår katalog, vilket gör att testet är billigt att köra ordentligt i stället för anekdotiskt. Båda ligger bakom en och samma nyckel till leverantörens listpris med 0 % påslag, så ett rakt A/B på din egen trafik är en modellsträng i förfrågningskroppen, inte ett andra avtal — och eventuella prisändringar från leverantörer landar på vår sida samma dag som de meddelas. Routing-DSL:en är den användbara delen här: dela live-trafiken mellan de två, håll fördelningen vid vilket förhållande din felbudget tolererar, och låt siffrorna för kostnad per uppgift komma från produktionen i stället för från en benchmark-sida.

Vad detta innebär för de kommande sex veckorna

För ett team som väljer idag har beslutet en asymmetri som en ren kapacitetsbedömning skulle dölja. Claude Opus 5 är det mindre riskfyllda valet: oberoende poängsatt, billigare på output, och inte schemalagd för borttagning från produkterna som den säljs i. GPT-5.5 är inte en dålig modell — det är en stark sådan med en genuin fördel inom terminalnära agentiskt arbete — men att välja den via prenumerationsvägen innebär att välja en modell med ett känt utgångsdatum sex veckor framåt, och via API-vägen innebär att acceptera ett tunnare och krympande oberoende underlag.

Den försvarbara ståndpunkten är att behålla GPT-5.5 där den bevisligen vinner och där du kontrollerar vägen – API:et, en Codex-session med API-nyckel – och att göra Claude Opus 5 till standard överallt annars. Det som bör få dig att ändra uppfattning åt endera hållet är inte någon av modellernas marknadsföring: det är den första neutrala direktkörningen under ett enda fast ramverk, och vad OpenAI än publicerar om huruvida API-vägen för GPT-5.5 överlever efter att produkten har avvecklats.

Båda sidorna i den här matchen ligger bakom en enda nyckel: GPT-5.5och Claude Opus 5 skiljer sig bara åt med en modellsträng, med automatisk redundansväxling mellan dem.