Claude Opus 5 против GPT-5.6 Sol (2026): бенчмарки и реальный счёт

Коротко. Claude Opus 5 и GPT-5.6 Sol, это две передовые модели с ценами, которые различаются в пределах погрешности округления, и «дешевле» та, которая зависит от места покупки. По прайсу вендора они совпадают по вводу ($5/M) и кешу ($0.50/M) и различаются только по выводу: $25/M у Opus 5 против $30/M у Sol, так что по прайсу Opus 5 примерно на 17% дешевле. На ofox по состоянию на 27 июля 2026 Sol идёт по промо -20% ($4/$24/$0.40), тогда как Opus 5 стоит по прайсу, и это переворачивает картину: на ofox Sol сейчас дешевле по каждой строке. На единственном стороннем бенчмарке, где обе модели прогоняются на одном стенде, Artificial Analysis Intelligence Index v4.1, Opus 5 ведёт на два очка (61 vs 59 при max effort). Все прочие стартовые цифры заявлены вендорами на разных стендах и не выстраиваются в один ряд. Sol стримит токены примерно в 1.4 раза быстрее (75.9 vs 52.8 tok/s); Opus 5 доходит до первого токена примерно в 1.9 раза быстрее (69.7s vs 129.5s). Обе живут на одном ключе ofox, так что честный способ выбрать, это однострочный A/B на своих задачах. Этот пост даёт вам цифры, которые реальны, помечает те, которые нет, и вручает вам стенд.

Коротко: что выбрать?

Одним предложением: Opus 5 выигрывает единственный сравнимый бенчмарк и стартует быстрее; Sol быстрее стримит, держит потолок по тяжёлым вычислениям и на ofox дешевле, пока идёт его промо. Эти две настолько близки, что решает ваша собственная нагрузка, так что держите обе на одном ключе и гоняйте A/B.

Быстрое сравнение характеристик

Обе модели, это актуальные флагманы, обе вышли в течение трёх недель одна за другой (Sol в GA 9 июля, Opus 5 24 июля). В таблице ниже цена по прайсу вендора и цена ofox указаны отдельно, потому что они различаются: ofox гоняет Sol по промо -20%. Все цифры сверены со страницей каждой модели на ofox 27 июля 2026.

На бумаге эти две почти совпадают: одинаковый контекст, одинаковый потолок вывода и одинаковый прайсовый ввод $5. Реально разводят их два места: цена (в прайсе идентична, кроме вывода, но сейчас перетасована промо ofox на Sol) и то, к какому нативному API вы тянетесь ради управления reasoning. Секция про цены ниже прогоняет обе цены через реальный счёт.

Единственная цифра, которую действительно можно сравнить

Вот ловушка в каждом посте «GPT-5.6 против Opus 5», который вы прочитаете на этой неделе: они строят большую таблицу, где в одной строке Terminal-Bench, в следующей CursorBench, а ниже цифра SWE-Bench, будто эти значения сняты одной линейкой. Это не так. Anthropic прогнала Opus 5 на стенде Anthropic. OpenAI прогнала Sol на своём. Название бенчмарка, это не общий замер.

Единственное место, где обе модели оценены одной и той же третьей стороной, на одних задачах, с одним грейдером, это Artificial Analysis Intelligence Index v4.1. Этот индекс, это взвешенный композит из девяти оценок, включая GDPval-AA v2, Terminal-Bench v2.1, SciCode, Humanity’s Last Exam, GPQA Diamond и AA-LCR, с весами примерно 34% на агентов, 24% на кодинг, 24% на научный reasoning и 18% на общий интеллект. Поскольку Artificial Analysis сам прогоняет обе модели, на собственном стенде, его композит, это самое близкое к сравнению один-в-один, что есть прямо сейчас, а состав оценок смещён ровно к той агентской и кодинговой работе, ради которой большинство и выбирает между этими двумя.

Источник: страница сравнения Artificial Analysis, снято 27 июля 2026. Opus 5 оценивается в Adaptive Reasoning при max effort; Sol при max. AA, это скользящий бенчмарк, так что точные цифры могут сдвинуться, перечитайте страницу в день публикации.

Opus 5 ведёт на два очка при max effort. Это реальный, воспроизводимый результат на одном стенде, и это самый сильный единичный факт в этом сравнении. Он же и небольшой. Для контекста: тот же индекс ставит Claude Fable 5 на 60 (max), а значит композит AA оценивает Opus 5 на волосок выше собственного более крупного флагмана Anthropic, а Sol на волосок ниже него. Прочтите это внимательно, прежде чем переоценивать. Зазор в два очка на композите из девяти оценок, это не нокаут. Он говорит вам, что Opus 5 как минимум ровня Sol на широком нейтральном тесте, и, вероятно, чуть лучше, но он не говорит, кто из них лучше на вашем рефакторе, вашей миграции или вашем агентском цикле. Для этого и нужен A/B в конце.

Почему стартовые бенчмарки не выстраиваются в ряд

Оба вендора опубликовали стартовые цифры. Их стоит читать, но только как две отдельные маркетинговые презентации, и никогда как общую таблицу. Разведём по источнику:

Цифры Opus 5 от Anthropic (внутренние, непроверенные, из анонса Opus 5):

Цифры GPT-5.6 Sol от OpenAI (собственный стенд OpenAI, из запуска GA):

Одну таблицу нельзя вычесть из другой. Заметьте, что выходит при попытке: собственная строка SWE-Bench Pro у OpenAI даёт Sol 64.6%, тогда как Anthropic сообщает про Fable 5 80% на одноимённом бенчмарке, что намекало бы, что семейство Claude заметно впереди на этом тесте. Но эти две цифры тоже сняты в разных прогонах стендов, так что даже это сравнение шаткое. Честная позиция: стартовые презентации устанавливают, что каждая модель, это frontier-класс в тестах своего вендора, и не более того. Ещё два момента, которые стоит держать в порядке, потому что вольные пересказы уже расходятся:

• 91.9%, это Ultra, а не base. Заголовок по Terminal-Bench, который цитируют как «GPT-5.6 берёт 91.9%», это Sol в тяжёлом вычислительном режиме Ultra, архитектуре с параллельными сабагентами, которая не является дефолтом и стоит намного больше за задачу. Базовый Sol, это 88.8%. Прирост Ultra в 3.1 очка редко окупается вне самых тяжёлых агентских задач.
• Строчка «вдвое дешевле Fable 5», это про Opus 5, а не про Sol, и это заявление Anthropic. Питч Opus 5, это интеллект уровня почти Fable 5 при половине цены Fable. Не приклеивайте это к GPT-5.6.

Для более полного разбора того, как флагманский уровень Claude реально ложится на кодинговые задачи, разбор Fable 5 vs Opus 4.8 vs GPT-5.5 на SWE-Bench разводит стенды тем же образом, что и этот пост.

Математика цен: прайс говорит Opus 5, ofox сейчас переворачивает

Здесь две цены, и они расходятся, так что держите их порознь.

Прайс вендора. Anthropic указывает Opus 5 по $5 ввод / $25 вывод / $0.50 кеш за миллион токенов. OpenAI указывает Sol по $5 / $30 / $0.50. Ввод и кеш совпадают в точности, так что по прайсу единственная различающаяся строка, это вывод, и весь долларовый разрыв, это ваш объём вывода по ровным $5/M. По прайсу Opus 5, это более дешёвая модель, на 17% по выводу и ни на что больше. Artificial Analysis, смешивая по своему профилю кеш/ввод/вывод, согласен: около $3.85 за 1M у Opus 5 против $4.35 у Sol.

Цена ofox сегодня. Вот где всё переворачивается. По состоянию на 27 июля 2026 ofox гоняет GPT-5.6 Sol со скидкой 20%, $4 ввод / $24 вывод / $0.40 кеш, против его прайса $5/$30/$0.50. Opus 5 стоит по прайсу, $5/$25/$0.50, без промо. Так что на ofox прямо сейчас Sol дешевле по каждой без исключения строке: ввод $4 < $5, вывод $24 < $25, кеш $0.40 < $0.50. Прайсовый вердикт инвертируется. Промо меняются, так что перепроверяйте обе страницы моделей в день, когда закрепляете маршрут.

Приложим реальные цифры ofox. Флот кодинг-агентов на 100,000 запросов в день, по 4K ввода и 2K вывода на запрос:

Включите реалистичные 70% попаданий в кеш ввода, и порядок сохранится, только плотнее. Эффективная ставка ввода Opus 5 падает примерно до $1.85/M, а Sol примерно до $1.48/M, приводя Opus 5 к почти $172,000/месяц, а Sol к почти $162,000, разница около $10K/месяц. Разрыв сужается при кешировании, потому что более дешёвый ввод Sol значит меньше, когда большая часть ввода уже в кеше, но на ofox Sol остаётся впереди, пока промо живо.

Так что у ответа по стоимости есть срок годности. По прайсу вендора выигрывает Opus 5; на ofox в конце июля промо на Sol делает его дешевле в лоб. Если покупаете через ofox, считайте цену очком в пользу Sol, пока скидка не кончится, а вести пусть будут отрыв в AA index, раскладка по задержке и форма API, вот что реально разводит эти две.

Две добавки, которые прячет базовая ставка, и они не компенсируют друг друга ровно. Вызов инструмента веб-поиска тарифицируется за запрос, и он не равен: на ofox Sol берёт $0.035 за поиск против $0.015 у Opus 5, так что агенты с активным поиском кренятся обратно к Opus 5. И надбавки за скорость, это отдельные строки: Fast Mode у Opus 5 гоняет ту же модель на скорости вывода до 2.5x за двойную базовую ставку, а режимы Pro и Ultra у Sol стоят больше токенов за задачу. Заложите их в свои цифры, а не в базовую таблицу.

Скорость и задержка: они выигрывают разные гонки

Стоимость почти равна и зависит от места покупки. Скорость, это настоящий раскол, и то, какая модель «быстрее», целиком зависит от того, что вы измеряете. Artificial Analysis замерил обе под нагрузкой (снято 27 июля 2026; это скользящие цифры):

Sol стримит примерно в 1.4 раза быстрее, как только начал выдавать токены, так что для длинного сгенерированного ответа, который пользователь смотрит в стриме, Sol заканчивает раньше. Opus 5 доходит до первого токена примерно в 1.9 раза быстрее, так что для коротких интерактивных ходов, циклов вызова инструментов и всего, где важна воспринимаемая отзывчивость, Opus 5 ощущается шустрее. (Обе цифры времени до первого токена большие, потому что это reasoning-модели под тестом с тяжёлым effort; суть в порядке, а не в абсолютных секундах.) Если у вас интерактивный кодинг-ассистент, низкая задержка первого токена обычно бьёт сырую пропускную способность, что кренит к Opus 5. Если у вас пакетная генерация длинных документов, выигрывает пропускная способность, что кренит к Sol.

Реальность API: что на самом деле ломается при переключении

Бенчмарки почти равны; формы API нет. Вот где эти две модели ощущаются по-настоящему разными, и это часть, которую большинство сравнительных постов пропускает. Если вы мигрируете реальную кодовую базу, вот вещи, которые действительно съедят у вас полдня.

Управление reasoning живёт в разных местах. Opus 5 использует модель Anthropic: adaptive thinking включён по умолчанию, а глубину вы рулите лестницей effort от low до max (дефолт high). Sol использует параметр OpenAI reasoning_effort, который принимает от none до xhigh на /v1/chat/completions; режимы Pro и Ultra OpenAI маршрутизирует, а max effort рекомендует, через Responses API. Так что вывести Opus 5 на максимум reasoning, это изменение в одно слово, тогда как самые тяжёлые режимы Sol обычно означают переход на второй эндпоинт.

Opus 5 включает thinking по умолчанию; это может вас обрезать. На Opus 4.8 запрос без поля thinking шёл без размышления. На Opus 5 тот же запрос рассуждает, и поскольку max_tokens ограничивает размышление и видимый вывод вместе, нагрузка, настроенная под молчаливую 4.8, может обрезаться. Задайте thinking: {"type": "disabled"}, чтобы вернуть старое поведение, или поднимите max_tokens. Одна деталь, которая удивляет людей: на Anthropic API отключение thinking разрешено только при effort high или ниже, так что disabled плюс xhigh/max вернёт 400.

Sol отдаёт 404 на голом ID. На ofox openai/gpt-5.6 не резолвится; надо передать openai/gpt-5.6-sol (или -terra/-luna). Если гоняете A/B заменой строки в поле model, указывайте уровень явно, иначе потратите десять минут на отладку ошибки not-found. Наш гайд по уровням GPT-5.6 покрывает весь раскол Sol/Terra/Luna, если хотите более дешёвые уровни в той же таблице маршрутизации.

Полный чек-лист миграции на Opus 5, включая падение минимума кеша до 512 токенов и отклонения sampling-параметров, перешедшие с 4.8, разбирает гайд по API Opus 5, шаг за шагом по каждому изменению.

Когда выбирать Claude Opus 5

Тянитесь к Opus 5, когда:

• Вы покупаете по прайсу вендора, и вывод доминирует в счёте. Агентский кодинг, длинная генерация кода, многословные циклы вызова инструментов. По прайсу скидка 17% на вывод, это реальные деньги на масштабе и предсказуемо моделируется. (На ofox учтите, что промо на Sol сейчас перебивает это; см. секцию про цены.)
• Вам нужен максимальный нейтральный балл. Opus 5 ведёт в AA Intelligence Index 61 vs 59 при max effort. Отрыв в два очка, но это единственный отрыв на одном стенде, который у кого-либо есть.
• Важна задержка первого токена. Интерактивные ассистенты и агенты с вызовом инструментов ощущаются живее при ~69.7s TTFT против ~129.5s.
• Вы уже на Claude Code или протоколе Anthropic. Opus 5, это замена строки модели с 4.8 «на месте», тот же прайс $5/$25, и он встаёт в anthropic/claude-opus-5 на ofox без нового SDK.
• В скоупе computer use и автоматизация рабочего стола. Позиционирование Anthropic на OSWorld 2.0 и AutomationBench, это самая сильная часть её презентации (по-прежнему заявлено вендором, так что проверяйте).

Когда выбирать GPT-5.6 Sol

Тянитесь к Sol, когда:

• Вы покупаете на ofox и хотите наименьший счёт прямо сейчас. Пока держится промо ofox -20%, Sol дешевле Opus 5 по каждой ценовой строке ($4/$24/$0.40). Перепроверьте перед выбором, ведь промо истекают.
• Вы стримите длинные ответы, и пропускная способность, это узкое место. 75.9 tok/s против 52.8, это отрыв в 1.4x на устойчивой генерации.
• Вам нужен Pro или Ultra с тяжёлыми вычислениями. У режима Ultra с параллельными сабагентами, который выдал 91.9% на Terminal-Bench, нет эквивалента у Opus 5. Если ваши самые тяжёлые агентские задачи реально выигрывают от этого режима, он живёт только на Sol.
• Ваш стек уже OpenAI-нативный. Если вы глубоко в Responses API, схемах инструментов и экосистеме OpenAI, Sol, это апгрейд без трения, и путь к max effort уже проложен.
• Вам нужна гибкость уровней в одном семействе. Sol, Terra и Luna делят одно поколение, так что можно спуститься на Terra за полцены для массового трафика и держать Sol на тяжёлом хвосте, всё на одном ключе.

Когда НЕ выбирать ни одну

Некоторым нагрузкам вообще не стоит платить по флагманским ставкам. Если ваша задача, это высокообъёмная классификация, маршрутизация, короткая чат-склейка или что угодно, где ограниченный, чётко заданный промпт получает короткий ответ, обе эти модели избыточны и переоценены. Отправьте такой трафик на бюджетный уровень: на ofox GPT-5.6 Luna идёт примерно по $0.80/$4.80 за M, а Claude Sonnet 5 примерно по $2/$10, а Opus 5 или Sol держите на тяжёлом reasoning-хвосте. Самая дорогая ошибка в продакшн-маршрутизации LLM, это гонять каждый запрос через флагман, потому что одному тяжёлому случаю это понадобилось. Маршрутизируйте по сложности, а не по умолчанию. Если хотите структурированный способ выбрать, Лучшая ИИ-модель для кодинга 2026 и Лучшая ИИ-модель для агентов 2026 раскладывают всё тиерингование целиком.

Вот то же решение в виде таблицы маршрутизации:

Попробуйте обе через ofox: A/B за 10 строк кода

Единственное сравнение, которое всё решает, это то, что вы гоняете на своих задачах, и обычно людей останавливает именно трение запуска. На ofox обе модели сидят на одном OpenAI-совместимом эндпоинте под одним ключом, так что A/B, это цикл по двум строкам моделей. Тот же SDK, та же строка биллинга, без второго аккаунта. Два ID, это anthropic/claude-opus-5 и openai/gpt-5.6-sol.

Python: A/B обеих моделей в одном цикле

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key="your-ofox-key")

MODELS = ["anthropic/claude-opus-5", "openai/gpt-5.6-sol"]
task = "Refactor this module for testability and explain the two riskiest changes:\n\n<paste your real code>"

for model in MODELS:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": task}],
    )
    usage = r.usage
    print(f"\n=== {model} ===")
    print(r.choices[0].message.content)
    print(f"[in={usage.prompt_tokens} out={usage.completion_tokens}]")

Прогоните по 20-30 своим реальным задачам, а не одному игрушечному промпту, и логируйте completion_tokens на модель. Умножьте это число на ставку вывода каждой модели (ту цену, что реально платите, прайс или текущее промо ofox), и вы измеряете качество и стоимость в одном цикле.

Node: та же форма

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.ofox.ai/v1", apiKey: "your-ofox-key" });

const models = ["anthropic/claude-opus-5", "openai/gpt-5.6-sol"];
const task = "Find the race condition in this service and propose a fix:\n\n<paste your real code>";

for (const model of models) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: task }],
  });
  console.log(`\n=== ${model} ===`);
  console.log(r.choices[0].message.content);
  console.log(`[in=${r.usage.prompt_tokens} out=${r.usage.completion_tokens}]`);
}

Чтобы задействовать adaptive thinking у Opus 5 или reasoning_effort у Sol, направьте нативные вызовы Anthropic на https://api.ofox.ai/anthropic с моделью claude-opus-5, а вызовы Sol с max-effort на OpenAI Responses API. Для простого A/B по качеству и стоимости цикла chat/completions выше достаточно, и это самый быстрый способ заменить спор о стартовых бенчмарках цифрой из вашей собственной нагрузки.

Честный вердикт

Снимите шум стартовой недели, и картина узкая. На единственном бенчмарке, который меряет обе модели одинаково, Opus 5 на два очка впереди при max effort (61 vs 59). По цене ответ зависит от места покупки: по прайсу вендора Opus 5 примерно на 17% дешевле по выводу, но на ofox прямо сейчас промо на Sol -20% делает его дешевле по каждой строке. По задержке Opus 5 стартует быстрее (~1.9x до первого токена); по пропускной способности Sol стримит быстрее (~1.4x). Всё остальное, цифры CursorBench, 91.9% на Terminal-Bench, заявления «обходит Fable 5», заявлено вендором на приватном стенде и должно сдвигать ваше решение примерно ни на сколько, пока вы это не воспроизведёте.

Это делает выбор по-настоящему близким, а не разгромным. У Opus 5 устойчивые преимущества: отрыв на нейтральном композите, более низкая задержка первого токена и путь «на месте» с Claude Code и Opus 4.8. Sol парирует более быстрым стримингом, режимами Pro и Ultra с тяжёлыми вычислениями, у которых нет аналога у Claude, и, пока идёт промо, более дешёвым счётом ofox. Ни одна не должна разбирать ваш массовый трафик классификации или маршрутизации; это дело бюджетного уровня.

Зазор в два очка по индексу, это сам по себе не повод мигрировать продакшн-маршрут, как и промо, которое может истечь на следующей неделе. И то, и другое, это повод прогнать A/B, потому что аргумент за любую из моделей собран из мелких, реальных преимуществ, и единственное, что превращает это в решение, это ваша собственная оценка. Обе модели в одной строке друг от друга на одном ключе. Потратьте полдня.

Источники

• Artificial Analysis: сравнение Claude Opus 5 vs GPT-5.6 Sol
• Artificial Analysis: GPT-5.6 has landed
• Anthropic: анонс Claude Opus 5
• OpenAI: документация модели GPT-5.6 Sol
• Simon Willison: GPT-5.6 (заметки к GA 9 июля 2026)
• Страница модели ofox: Claude Opus 5
• Страница модели ofox: GPT-5.6 Sol

По теме: Гайд по API Claude Opus 5, цены, изменения 4.8→5 и как вызывать. Уровни GPT-5.6: Sol, Terra, Luna, какой уровень для какой задачи. GPT-5.6 Terra vs GPT-5.5, средний уровень за полцены. Fable 5 vs Opus 4.8 vs GPT-5.5 на SWE-Bench, флагманский уровень Claude на кодинге.