GPT-5.6 Sol vs Claude Fable 5: подробное сравнение флагманов (кодинг, автономность, цена)

Тогдашний флагман OpenAI GPT-5.6 «Sol» (общедоступен с 9 июля 2026 г.) и Claude Fable 5 (релиз 9 июня), который Anthropic на момент выхода называла «сильнейшей моделью за всю историю общедоступных выпусков». Если сравнение с Opus 4.8 было «прямой дуэлью в одной ценовой категории», то здесь главной темой становится компромисс между стоимостью и мощью: «универсал Sol за полцены» против «Fable 5 высшего класса, но вдвое дороже».

Если сразу к выводу — в кодинге производственного уровня и длительной автономности Fable 5 явно впереди, а по цене и широте агентных возможностей впереди Sol. Разрыв в SWE-bench Pro здесь ещё больше, чем в дуэли с Opus 4.8. В этой статье мы разберём, как распределять роли между этими двумя асимметричными лидерами, опираясь на официальные заявления обеих компаний и независимые бенчмарки.

1. Позиционирование обеих моделей — «универсал за полцены» vs «мастер высшего класса»

Claude Fable 5 — всё поставлено на «способность добежать длинную дистанцию»

Fable 5 — это модель, которая открывает рядовым пользователям и разработчикам возможности уровня сильнейшей frontier-модели Anthropic «Mythos» (по сути она идентична Mythos 5, отличаются лишь предохранительные механизмы). Её девиз — «создана для длительной и сложной работы». В SWE-Bench Pro она набрала 80.0%, измеряющем исправление реальных GitHub-репозиториев, значительно оторвавшись от Opus 4.8 (69.2%) и предыдущего поколения GPT-5.5 (58.6%) (по системной карте Anthropic; 80.3% в таблице анонса стоят в общем с Mythos 5 столбце — это более высокий результат Mythos 5). Она сохраняет концентрацию на протяжении миллионов токенов и может работать автономно дольше любой предыдущей модели Claude; есть пример, когда Stripe за один день завершил миграцию 50 млн строк Ruby-кода (источник: официальный анонс Anthropic).

GPT-5.6 Sol — «универсал за полцены»

Sol — высший класс в линейке GPT-5.6 (Luna/Terra/Sol). Он занял первое место по общей агентной мощи: 88.8% в TerminalBench 2.1, где автономно управляет терминалом, и 53.6 в Agents' Last Exam, оценивающем длительную практическую работу, а эффективность токенов в кодинге выросла на 54%. И прежде всего, его главное оружие — цена: примерно вдвое дешевле Fable 5 ($5/$30 против $10/$50). Он занимает позицию «не самый сильный, но берущий соотношением цена/качество» (источник: официальные заявления OpenAI, Vellum, Artificial Analysis).

2. Краткая таблица характеристик

* Цены и характеристики основаны на официальных заявлениях компаний (Fable 5 — 9 июня 2026 г., GPT-5.6 — 9 июля 2026 г.). Условия измерения, сроки и harness у бенчмарков различаются между компаниями, поэтому это не строгое сравнение на одном поле. Значения для сравнения двух моделей (SWE-Bench Pro 80.0% против 64.6%, TerminalBench 2.1 83.1% против 88.8%, Agents' Last Exam 40.5 против 53.6, Coding Agent Index 77.2 против 80) взяты из таблицы оценок в анонсе GPT-5.6 от OpenAI, где есть обе модели (53.6 у Sol в Agents' Last Exam — значение из текста анонса, в таблице на той же странице указано 52.7%; Coding Agent Index — показатель Artificial Analysis). В таблице из анонса самой Anthropic у Fable 5 указаны 80.3% в SWE-Bench Pro и 88.0% в TerminalBench 2.1, но оба значения стоят в общем с Mythos 5 столбце и являются большим из двух результатов (по системной карте у одной Fable 5 — 80.0% и 84.3%), а к TerminalBench 2.1 Anthropic добавила примечание: из-за переключения запросов защитными механизмами на другую модель результат Fable 5 ближе к Opus 4.8 (82.7% в той же таблице). Значения 86.0% нет ни в одной из таблиц.

3. Подробное сравнение бенчмарков

Ни «Fable 5 побеждает во всём», ни «Sol побеждает во всём». Всё чётко делится по типу кодинга.

Суть в различии «того, что измеряет бенчмарк». SWE-bench Pro измеряет генерацию патчей для реальных задач GitHub, то есть способность исправлять существующую кодовую базу, и здесь Fable 5 с 80.0% опережает Sol с 64.6% более чем на 15 пунктов. С другой стороны, TerminalBench 2.1 — это автономная работа с командной строкой, где Sol с 88.8% превосходит Fable 5 с 83.1%. Кроме того, в общих агентных Agents' Last Exam и Coding Agent Index лидирует Sol. Получается чёткое разделение ролей: «глубина, чтобы довести реальный код до конца — Fable, широта работы с терминалом и агентами — Sol».

4. «Проблема закрытых бенчмарков» — скрытые показатели и оспоренный SWE-bench Pro

И в этом сравнении требует внимания то, что части показателей в таблице оценок OpenAI нет. Сразу после релиза независимый анализ (Vellum) отметил, что OpenAI не опубликовала SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2 и FrontierMath. Однако в таблице оценок на странице анонса OpenAI, проверенной 22 сентября 2026 года, есть GPQA Diamond (Sol 94.6%, Fable 5 92.6%) и FrontierMath (Tier 1–3: Sol 89%, Fable 5 87%; Tier 4: Sol 83%, Fable 5 87.8%). Нет SWE-bench Verified, AIME и MMLU, а значение Sol в ARC-AGI-2 (92.5%) впервые появилось в таблице анонса GPT-6 Astra 3 сентября. Значение SWE-bench Pro «64.6%» в этой статье тоже взято из таблицы оценок, которую OpenAI опубликовала вместе с GPT-5.6. Однако одновременно OpenAI опубликовала анализ, по которому около 30% задач SWE-bench Pro некорректны (на это обратил внимание Simon Willison).

5. Длительная автономность — стихия Fable 5

Истинная ценность Fable 5 — не столько в баллах бенчмарков, сколько в «способности добежать длинную дистанцию». Anthropic объясняет, что модель сохраняет концентрацию на протяжении миллионов токенов и может работать автономно дольше любой предыдущей модели Claude (верхний предел в часах не называется). В качестве реального примера приводится случай, когда Stripe за один день завершил миграцию 50 млн строк Ruby-кода (вручную это заняло бы более двух месяцев). Сразу после релиза пользователь также рассказал в блоге Ten Past Tomorrow, что модель по одному заданию проработала самостоятельно более 12 часов. В бенчмарке длительного анализа Hex также сообщалось о первом в истории результате выше 90%.

Sol тоже лидирует в Agents' Last Exam по длительной практической работе (53.6), но это бенчмарк, измеряющий «широкие рабочие процессы». А вот в «глубокой способности добежать» — довести до конца исправление единой огромной кодовой базы — преимущество у Fable 5. Таково качественное различие между ними. Для крупных миграций, длительных исследований и автономных кодинг-агентов в роли основной силы лучше подходит Fable 5.

6. Реальная стоимость — как оценивать двукратную цену

Цена за единицу — у Fable 5 $10/$50, у Sol $5/$30. По входу вдвое, по выходу в 1.67 раза, Fable 5 примерно вдвое дороже Sol (около 2.5 раза, пока у Sol действует промотариф $4/$20). Именно здесь проходит развилка выбора.

• Ценовое преимущество Sol: цена за единицу вдвое ниже, а в кодинге эффективность токенов выросла на 54%. При одной и той же работе расход токенов тоже меньше, поэтому для задач «взять объёмом» общая стоимость оказывается значительно ниже, чем у Fable 5.
• Ценность Fable 5: цена за единицу выше, но высок процент успеха «сделать правильно с первого раза» (SWE-bench Pro около 80% в таблицах обеих компаний). Если учесть затраты на переделки, ревью и ручные доработки, то на сложных задачах она бывает «дорогой, но в итоге дешёвой». Если можно за один день мигрировать 50 млн строк, то в пересчёте на расходы на персонал это баснословно выгодно.

То есть смотреть надо не на «цену за токен», а на «стоимость за выполненную задачу». Повседневные конвейерные задачи и работа с терминалом — за Sol (а если акцент ещё сильнее на стоимости — GPT-5.6 Terra или Luna), а крупные и длительные задачи, где ошибка обходится дорого — за Fable 5. Такое разделение ролей разумно и с точки зрения оптимизации стоимости.

* Поскольку компании не публикуют сравнение выходных токенов при одинаковых условиях, конкретный «множитель реальной стоимости» утверждать нельзя. Рекомендуем на своих типовых задачах замерить процент успеха и число выходных токенов и сравнить с учётом затрат на переделки.

7. Карта сильных и слабых сторон

8. Как выбирать по сценариям использования

Итоги

• Claude Fable 5: в топе по исправлению реального кода (SWE-Bench Pro около 80%) и длительной автономности. Её стихия — «способность добежать» в крупных миграциях и сложных задачах. Но цена за единицу примерно вдвое выше, чем у Sol.
• GPT-5.6 Sol: первое место по работе с терминалом (TerminalBench 88.8%) и общей агентной мощи, лучшая цена/качество за счёт полцены + эффективности токенов +54%. Тремя моделями легко оптимизировать под задачи.
• Разрыв в SWE-bench Pro больше, чем в дуэли с Opus 4.8 (80.0 vs 64.6 в таблице OpenAI, более 15 пунктов). Но стоит помнить, что OpenAI также опубликовала анализ, по которому около 30% задач SWE-bench Pro некорректны.
• Стоимость надо смотреть не по «цене за токен», а «за выполненную задачу». Конвейер и терминал — за Sol, крупные и длительные задачи, где ошибка обходится дорого — за Fable 5.
• Реальное решение — двойная эксплуатация. Оптимально распределять роли: повседневное — за Sol (или Terra), а решающие крупные задачи — за Fable 5.

FAQ

Q1. Кто сильнее в кодинге — GPT-5.6 Sol или Claude Fable 5?

Зависит от показателя. В SWE-Bench Pro, измеряющем исправление багов в реальных репозиториях, Fable 5 с 80.0% опережает Sol с 64.6% более чем на 15 пунктов. С другой стороны, в TerminalBench 2.1 по автономной работе с терминалом Sol с 88.8% превосходит Fable 5 с 83.1% (оба значения — из таблицы оценок OpenAI; в системной карте Anthropic у Fable 5 в SWE-Bench Pro тоже 80.0%). Практичное разделение ролей: «довести реальный код до конца — Fable, широта работы с терминалом и агентами — Sol».

Q2. Стоит ли платить вдвое больше?

Зависит от задачи. Для повседневного конвейера и работы с терминалом достаточно Sol за полцены (а для лёгкой работы — Terra/Luna). Однако на задачах, где «переделка после провала обходится дорого» — крупные миграции, исправление сложных багов — более надёжная Fable 5 в итоге выходит дешевле. Судите не по цене за токен, а по «стоимости за выполненную задачу».

Q3. Значение «64.6%» у Sol в SWE-bench Pro — официальное?

Да. Это значение из таблицы оценок, которую OpenAI опубликовала вместе с GPT-5.6. Одновременно OpenAI опубликовала анализ, по которому около 30% задач SWE-bench Pro некорректны, тем самым поставив под сомнение сам бенчмарк. GPQA Diamond и FrontierMath, которые Vellum сразу после релиза назвал неопубликованными, в таблице оценок по состоянию на 22 сентября 2026 года есть (GPQA: Sol 94.6%, Fable 5 92.6%). В таблице нет SWE-bench Verified, AIME и MMLU.

Q4. Какая модель лучше для длительных автономных задач?

Fable 5. Она сохраняет концентрацию на протяжении миллионов токенов и, по словам Anthropic, может работать автономно дольше любой предыдущей модели Claude; есть подтверждённый результат, когда Stripe за один день завершил миграцию 50 млн строк Ruby. «Способность добежать» — довести до конца исправление единой огромной кодовой базы — это стихия Fable 5.

Q5. Чем Fable 5 отличается от Mythos 5?

Начинка (способности) идентична, отличаются лишь предохранительные механизмы. Общедоступной является Fable 5, и она обладает дизайном безопасности с 3 классификаторами, откатывающимся на Opus 4.8 только при обнаружении риска (срабатывает менее чем в 5% сессий, более 95% времени работает самостоятельно).

Q6. Как в этом сравнении участвует «Terra» из GPT-5.6?

GPT-5.6 — это три модели Luna/Terra/Sol. В этой статье мы взяли Sol как флагман против флагмана на момент написания, но при акценте на стоимости Terra ($2/$12) предлагает уровень GPT-5.5 за 40% тарифа Sol (после снижения цен 30 июля 2026 г.). Комбинация «Fable 5 для сложных задач, Terra для конвейера» тоже сильна на практике. Подробнее см. полный разбор релиза GPT-5.6.

Q7. Opus 4.8 или Fable 5 — с чем сравнивать Sol?

Выбирайте по задаче и бюджету. Opus 4.8 ($5/$25) находится в одной ценовой категории с Sol и предлагает выгодный кодинг с SWE-bench Pro 69.2%. Fable 5 ($10/$50) — тогдашний высший класс с 80.0% и несравнимой способностью довести до конца, но дорогая. Реалистичен трёхступенчатый подход: повседневное — Opus 4.8/Sol, решающие задачи — Fable 5. См. также сравнение Sol vs Opus 4.8.

Похожие статьи

• GPT-5.6 Sol vs Claude Opus 4.8 — подробное сравнение — прямая дуэль в одной ценовой категории
• Claude Fable 5 — подробный разбор релиза — детали модели, бывшей на момент выхода высшим классом
• GPT-5.6 — полный разбор релиза — три модели Luna/Terra/Sol
• Claude Opus 4.8 — полный разбор релиза — практичная модель ценового сегмента
• Насколько ИИ снижает трудозатраты? Данные 2026 — данные агентной эпохи о сокращении трудозатрат на разработку