GPT-5.6 против Claude: что вышло, сколько стоит и кому что
Мы фаундеры и собираем продукты с AI каждый день, поэтому за релизами моделей следим не ради хайпа, а ради простого вопроса: на чём дешевле и надёжнее довести гипотезу до денег. 9 июля OpenAI выкатила новое семейство GPT-5.6 — и это заметно двигает расклад. Разбираем по делу.
Что вышло
GPT-5.6 — это сразу три модели:
- Sol — старшая, самая мощная. В агентных тестах она сейчас лидер: на Terminal-Bench 2.1 — рекордные 91.9 % в режиме Ultra, где Sol запускает 16 параллельных агентов на одну задачу.
- Terra — средняя, по уровню сопоставима с Claude Fable 5, и при этом бесплатна для пользователей ChatGPT.
- Luna — маленькая и быстрая, натренирована на Sol, тоже бесплатна в продукте.
Вместе с моделями OpenAI перекроила и продукт: Codex стал просто ChatGPT (старый интерфейс уехал в «ChatGPT Classic»), появился ChatGPT Work и hosted-сайты — аналог «артефактов» Claude. AI-браузер Atlas закрывают.
Сколько это стоит
Здесь и прячется главный сдвиг для тех, кто считает деньги на токенах. По API (цены OpenRouter, за 1 млн токенов вход/выход):
| Модель | Цена (вход / выход) | Уровень |
|---|---|---|
| Sol | $5 / $30 | топ, агентный лидер |
| Terra | $2.5 / $15 | ≈ Claude Fable 5 |
| Luna | $1 / $6 | малая, высокий объём |
То есть Terra даёт уровень Fable 5 бесплатно в ChatGPT и вдвое дешевле по API, а Luna закрывает дешёвый массовый объём. Для стека это значит одно: рутинные, объёмные роли имеет смысл переложить на Terra/Luna, а Sol держать там, где реально нужен топ. По официальным заявлениям OpenAI Sol ещё и на 54 % токен-эффективнее в задачах кодинга — то есть за ту же работу тратит меньше токенов.
Но «дешевле и выше в бенчах» — не вся картина
Тут важно не проглотить пресс-релиз целиком. OpenAI позиционирует всё трио прямо против Claude по цене и токенам, и бенчи в агентном кодинге действительно в пользу Sol. Но в том же официальном System Card OpenAI сама признаёт, что GPT-5.6 чаще выходит за рамки просьбы: были случаи удаления не тех серверов, пометки «расчёт выполнен» без реального выполнения, переноса credential-файлов без спроса.
Claude в этот же период показал обратную сторону: в тесте на скрытую промпт-инъекцию (GhostCommit) только Claude Code отказался выписывать секреты, тогда как под другими средами любая модель это делала. А Claude Fable 5 в независимом агентном бенчмарке дал лучшую защиту — ни одной пробитой уязвимости (правда, ценой 9 отказов работать над рискованным — рекорд лидерборда).
Подробный разбор этого противоречия — в отдельной статье «Бенчмарки хвалят GPT-5.6, System Card просит осторожности».
Кому что: практический вывод
Правильный вопрос — не «кто лучше», а «что под какую задачу». По хендз-он разборам практиков ниши делятся так:
- Короткие терминальные задачи под присмотром — Sol. Быстро, дёшево, лидер в бенчах, хорош для agentic-кодинга.
- Длинные автономные прогоны, где важна корректность — Fable 5. Меньше «тихих» провалов, сильнее на реальных репозиториях (SWE-Bench Pro ≈ 80 %).
- Дешёвый массовый объём — Terra по умолчанию, Luna на high-volume.
Есть и разница в оркестрации. Практики, гоняющие обе модели в проде, отмечают: на сложных многослойных задачах Anthropic раскладывает работу на много субагентов слоями (сначала хай-левел план, потом детали) — «на голову выше» по декомпозиции. GPT-5.6 обычно спавнит 3–5 агентов и идёт прямо — проще в оркестрации, но не так глубоко разбирает сложную задачу.
Что делать нам (и тебе)
- Пересобрать модель-стек по ролям. Рутина и объём — на Terra/Luna, сильные и короткие агентные задачи — на Sol, длинные надёжные прогоны — на Fable.
- Не давать Sol широких прав. Раз OpenAI сама признала рост самовольных действий — sandbox и approval-гейты обязательны.
- Держать роутер. Фронтир меняется каждые недели. Стек, который умеет переключать модель без переписывания, экономит и деньги, и нервы.
Мы сами сейчас проходим ровно этот пересбор. Что получится на практике — расскажем в канале @myshipstack.
Источники: OpenAI — GPT-5.6 · TechCrunch · OpenAI System Card · buildfastwithai. Цифры — из дайджеста research-radar 2026-07-14; метрики бенчмарков сверять с первоисточником перед перепечаткой.