GPT-6.1 Sol vs Claude Opus 5: En indexpunkt ifrån varandra, två och en halv gånger priset

En poäng på en hundragradig skala skiljer dem åt, och den ena kostar två och en halv gånger så mycket. På Artificial Analysis Intelligence Index, GPT-6.1 Sol — OpenAIs lansering den 29 september 2026 — ligger på 51,8. Claude Opus 5, Anthropics flaggskepp sedan den 24 juli 2026, ligger på 50,8. Prislistorna är $2.00 och $10.00 per miljon tokens för GPT-6.1 Sol mot $5.00 och $25.00 för Claude Opus 5. Det är inte en jämförelse mellan en stark modell och en billig. Det är två modeller som en oberoende utvärderare inte kunde skilja med mer än en poäng, sålda till priser som skiljer sig med en faktor 2,5 — och den intressanta frågan är inte vilken av dem som är bättre, utan vilken av de två som indexet misslyckas med att skilja på.

Varje siffra nedan är antingen en Artificial Analysis-mätning som finns i våra modellregister, en siffra som leverantören själv har publicerat, eller uträkningar på de två prislistorna. När en siffra är leverantörens egen och ingen utomstående har återskapat den, står det i meningen.

Vad de två faktiskt är

Claude Opus 5 är Anthropics främsta generalist: ett kontextfönster på 1 000 000 token, 128 000 utdatatoken, text-, bild- och filinmatning samt adaptivt resonemang där anropare anger en ansträngningsnivå i stället för en temperatur. Det är modellen som företaget positionerar för end-to-end-mjukvaruutveckling, kodgranskning och långa flerstegets agentiska sessioner med omfattande verktygsanvändning.

GPT-6.1 Sol ligger en nivå under OpenAI:s egen flaggskeppsmodell – GPT-6 Astra – i GPT-6-serien, och den lanserades sex veckor efter modellen som den ersatte, GPT-6 Sol, till samma pris på 2,00/10,00 USD. Den har ett kontextfönster på 1 050 000 token, samma tak för utdata på 128 000, samma indatayta för text, bild och fil, och fem nivåer för resonemangsansträngning från låg till max, med medium som standard.

Läs de två styckena sida vid sida och specifikationsraderna är nästan identiska. Skillnaderna finns i det finstilta, och tre av dem spelar roll:

• Samplingsparametrar — ingen av modellerna accepterar temperature eller top_p. Båda ersätter dem med en ansträngningsratt. Om din kod skickar en temperature kommer båda att avvisa den, så ingen av dem är en direkt ersättning för en äldre integration.

• Kontexttak — 1 050 000 tokens för GPT-6.1 Sol mot 1 000 000 för Claude Opus 5. En skillnad på fem procent; irrelevant i praktiken, och inte där detta beslut hör hemma.

• Standard för ansträngning — GPT-6.1 Sol använder medium som standard; Claude Opus 5:s adaptiva tänkande fördelar djup på egen hand. Allt i indexjämförelsen nedan är känsligt för detta, vilket är förbehållet som kommer senare.

Båda mättes på de fem axlarna

Det här är den del som de flesta genomgångar av det här paret får fel, eftersom de blandar ett leverantörsnummer på ena sidan med ett tredjepartsnummer på den andra. De fem raderna nedan är alla Artificial Analysis, alla från samma utvärderare, för båda modellerna:

• AA Intelligence Index — GPT-6.1 Sol 51,8 (rang 10, 93,2:a percentilen) mot Claude Opus 5 50,8 (rang 11, 92,5:e percentilen). En poäng.

• Humanity's Last Exam — 52,9 % mot 54,9 %. Claude Opus 5 med två procentenheter.

• SciCode — 54,2 % mot 56,4 %. Claude Opus 5 med 2,2 punkter.

• Återkallelse i långa kontexter — 83 % mot 79,33 %. GPT-6.1 Sol med 3,7 poäng.

• Terminal-Bench 4.0 — 56,06 % mot 48,99 %. GPT-6.1 Sol med sju punkter.

Tre mot två, med marginaler mellan en och sju punkter, till 2,5 gånger priset. Det finns en sjätte axel som Claude Opus 5 innehar ensam — GPQA Diamond på 93,2 % — och en sjunde som den innehar ensam åt andra hållet: Artificial Analysis ger Claude Opus 5 78 på sitt Coding Index, 98,6:e percentilen, rang 2. GPT-6.1 Sol finns inte listad på den axeln alls i våra register, så det finns ingen siffra att sätta bredvid den, och att hitta på en från en leverantörsdeck är precis det grepp som den här bloggen inte tar.

Där merpriset fortfarande är försvarbart

En indexskillnad på en punkt skulle vara ett klent skäl att betala 2,5 gånger så mycket om det vore hela bilden. Det är det inte, och det finns tre punkter där Claude Opus 5 är det bättre köpet oavsett vad indexet säger.

Den första är Coding Index-raden ovan. Rang 2 av 138 modeller i utvärderarens eget sammansatta mått, vid 98,6:e percentilen, är ett konkret påstående om en specifik typ av arbete, och det är den typ av arbete som de flesta team som köper i den här prisklassen ägnar sig åt. Vår modellsida på OrcaRouter för anthropic/claude-opus-5 anger "Ranking #1" mot Codex-benchmarken och en genomsnittlig kostnad på 1,09 $ per uppgift — våra egna driftdata, inte ett leverantörspåstående, och en påminnelse om att priset per token inte är priset per jobb.

Det andra är batch. Claude Opus 5 har 50 procents batchrabatt, vilket tar den till 2,50 dollar för indata och 12,50 dollar för utdata, och den tillåter 300 000 utdatatoken i batchläge mot 128 000 på den interaktiva vägen. Vid 2,50/12,50 dollar är det inte längre två och en halv gånger priset för GPT-6.1 Sol på indata – det är 25 procent mer. För alla arbetsbelastningar som tolererar en kö – offline-indexering, massklassificering, testgenerering över natten – blir hela argumentet i den här artikeln mycket mindre, och det blir mindre till Anthrop​ics fördel.

Den tredje är den blygsamma multimodala multiplikatorn. Anthropics egna publicerade siffror placerar Claude Opus 5 på 70,6 % på OSWorld 2.0 och 96,0 % på SWE-bench Verified, med 79,2 % på SWE-bench Pro. Det är leverantörsrapporterade siffror för en modell som tillkännagavs i juli, ingen utomstående har reproducerat dem här, och axlarna överlappar inte med Artificial Analysis-raderna ovan — så de kan inte läggas till i det resultatkortet. De är bara värda att läsa som en indikation på att Anthropic hävdar styrka specifikt inom datoranvändning och ingenjörsarbete i repositoriskala, vilket är den köpare som modellen är prissatt för.

Priskorten, inklusive raden som bara en av dem har

Claude Opus 5 tar $5.00 och $25.00 platt över hela sitt fönster på en miljon token, med cacheläsningar till $0.50 och cacheskrivningar till $10.00. GPT-6.1 Sol tar $2.00 och $10.00 upp till 272 000 prompt-token och prissätter sedan om hela begäran till $4.00 och $15.00 över den gränsen, med cacheläsningar som flyttas från $0.10 till $0.20 och cacheskrivningar från $2.50 till $5.00. Inversionen som detta ger upphov till är den praktiska konsekvensen av att köpa lång kontext från endera modellen:

• En prompt på 250 000 tokens — GPT-6.1 Sol ligger fortfarande i sin första prisnivå, med $2.00/$10.00 mot $5.00/$25.00. Detta är den billigaste förfrågan med stor kontext i jämförelsen.

• En prompt på 300 000 token — GPT-6.1 Sol har stigit till $4,00/$15,00, och Claude Opus 5 har inte rört sig. Gapet krymper från 2,5× till 1,25× på indata och 1,67× på utdata.

• Cacheläsningar — $0,10 per miljon för GPT-6.1 Sol mot $0,50 för Claude Opus 5, inom båda modellernas första nivåer. I en lång agentisk session som återläser samma prefix betyder den här raden mer för kostnaden än vad rubrikpriserna gör.

• Cacheskrivningar — 2,50 $ mot 10,00 $. Samma riktning, samma storleksordning.

Det är en verklig och oglamorös poäng: 2,5×-rubriken nås bara av korta promptar. I samma stund som en arbetsbelastning passerar 272 000 tokens prissätts GPT-6.1 Sol också som en premiummodell, och den ärliga jämförelsen blir "en premiummodell med en mycket billigare cache" mot "en premiummodell med ett fast priskort."

Varför en enda poäng inte bör avgöra detta på egen hand

Indexraderna ovan samlades inte in samma dag, och det spelar större roll här än i de flesta jämförelser. GPT-6.1 Sols Artificial Analysis-post har ett utvärderingsdatum på 2026-09-28. Claude Opus 5:s har 2026-07-23 — nio veckor tidigare, på ett testramverk som har reviderats under den perioden.

Det finns ett synligt symptom på det i våra egna register. Tidigare rapportering om Claude Opus 5 placerade den på 61 i Intelligence Index och högst upp på resultattavlan. Katalogposten vi läste i dag placerar samma modell på 50,8, rang 11. Båda kan vara sanna: indexet har reviderats, och en sammansatt poäng är känslig för den resonemangsansträngning som utvärderaren väljer — Claude Opus 5 nådde högsta nivån vid maximal ansträngning, och posten vi har är inte alls annoterad med en inställning för ansträngning. GPT-6.1 Sols 51,8 bär samma tvetydighet.

Vad det innebär för ett köpbeslut är snävt men viktigt. En enpoängsskillnad mellan två modeller som utvärderats med nio veckors mellanrum, på ett rörligt sammanvägt mått, vid ospecificerade ansträngningsinställningar, visar inte att den ena modellen är smartare än den andra. Vad de fem raderna däremot visar är att de ligger i samma band – och ett resultat i samma band till 2,5 gånger priset är ett upphandlingsfaktum, inte ett prestandafaktum.

Vilken ska dirigeras

Ta modellen du tänkte köpa och testa den mot den andra. Det låter som en floskel, men det är det enda draget som bevisen faktiskt stöder här, och båda modellerna går att nå från en enda OpenAI-kompatibel endpoint — openai/gpt-6.1-sol och anthropic/claude-opus-5 på OrcaRouter — så testet är ett byte av modellsträng, inte ett andra avtal och inte en omskrivning. Priset är leverantörens listpris med 0 % påslag: $2,00/$10,00 med nivån över 272K tillämpad exakt som OpenAI anger den, och $5,00/$25,00 med batchrabatten tillämpad exakt som Anthropic anger den, vilket också innebär att en prisändring från leverantören slår igenom hos oss samma dag i stället för vid nästa faktureringsperiod. Där båda är routade sitter automatisk failover under, vilket är värt att ha när den billigare av de två är den som håller en produktionsväg.

Om du vill ha en standard innan du har egna siffror är den uppdelning som underlaget stöder den här. Välj GPT-6.1 Sol när arbetsbelastningen består av långa prompter, är cache-tung eller har terminal- och verktygsform — raderna för Long-Context Recall och Terminal-Bench 4.0 är de två bredaste marginalerna i jämförelsen, och cachereads för 0,10 USD är en stor hävstång för agentiska sessioner som läser om ett prefix. Välj Claude Opus 5 när arbetsbelastningen är kodning i repositoriskala, när batch är acceptabelt, eller när prompten ryms inom 128 000 tokens och kostnaden per uppgift som vår egen playground mäter till 1,09 USD är den siffra din ekonomiavdelning redan har godkänt.

Domen som detta par får är snävare än vad någon av leverantörerna skulle vilja. I oberoende mätningar är dessa två i praktiken jämbördiga; i pris är de inte det, och priset är den axel som en av dem inte kan argumentera sig ur.