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

Флагман высшего класса от OpenAI GPT-5.6 «Sol» (общедоступен с 9 июля 2026 г.) и Claude Fable 5 (релиз 9 июня), который Anthropic называет «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 80.3%, измеряющем исправление реальных GitHub-репозиториев, значительно оторвавшись от Opus 4.8 (69.2%) и предыдущего поколения GPT-5.5 (58.6%). Она способна концентрироваться на миллионах токенов и выполнять до 12 часов непрерывной автономной работы; есть пример, когда Stripe за один день завершил миграцию 50 млн строк Ruby-кода (источник: официальные заявления Anthropic и различные публикации).

GPT-5.6 Sol — «универсальный флагман 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. SWE-bench Pro у Sol — оценочное значение (см. раздел 4).

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 80.3% опережает Sol с 64.6% (оценка) 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 86.0%. 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» — SWE-bench Pro у Sol является оценкой

И в этом сравнении требует внимания то, что OpenAI официально не публикует SWE-bench Pro для Sol. Значение «64.6%» в этой статье — сводная оценка независимых трекеров. Независимый анализ (Vellum) отмечает, что OpenAI также не публикует SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2, FrontierMath и другие.

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 концентрируется на миллионах токенов и выполняет до 12 часов непрерывной автономной работы, приводя в пример случай, когда Stripe за один день завершил миграцию 50 млн строк Ruby-кода (вручную это заняло бы более двух месяцев). 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. 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 80.3%). 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 80.3%) и длительной автономности до 12 часов. 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 (80.3 vs 64.6, более 15 пунктов). Но у Sol это оценочное значение, и стоит помнить, что OpenAI официально его не публикует.
• 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 80.3% опережает Sol с 64.6% (оценка) 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 86.0%. 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. Почему SWE-bench Pro у Sol — «оценка»?

Потому что OpenAI официально не публикует SWE-bench Pro для Sol. 64.6% — сводная оценка независимых трекеров. GPQA, AIME, MMLU, ARC-AGI-2, FrontierMath и другие тоже не публикуются, поэтому прямое сравнение общих рассуждений затруднено. По широте раскрытия легче оценивать Fable 5.

Q4. Какая модель лучше для длительных автономных задач?

Fable 5. Она концентрируется на миллионах токенов и самостоятельно работает до 12 часов подряд; 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, но при акценте на стоимости Terra ($2.50/$15) предлагает уровень GPT-5.5 за полцены. 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) — высший класс с 80.3% 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 высшего класса
• GPT-5.6 — полный разбор релиза — три модели Luna/Terra/Sol
• Claude Opus 4.8 — полный разбор релиза — практичная модель ценового сегмента