Текущая линейка моделей Anthropic и Claude делает простое сравнение цен неинформативным. В данном обзоре модели Claude Opus 5.5, Claude Opus 5 и Claude Fable 5.1 проходят тестирование с использованием одних и тех же пяти запросов, после чего приводятся результаты выполнения задач, время выполнения локально, данные о количестве токенов, затраченных на маршрутизацию, а также ограничения каждого наблюдения.
Практическое отличие прослеживается в карточках с заданиями. Opus 5.5 оказался самым быстрым и экономичным среди протестированных программ; Fable 5.1 сгенерировал наименьшее количество выходных токенов и дал самый «чистый» ответ в формате китайского языка, а Opus 5 затратил больше всего времени, в то время как Opus 5.5 использовал наибольшее количество выходных токенов. В обзоре кодирования сделано важное уточнение: более короткий результат не всегда означал лучший результат.
Мы скопировали пять запросов из предыдущего обзора Claude Opus 5.5 и запустили каждый запрос по одному разу для каждой модели. Настройки запросов были одинаковыми: ограничение в 8 192 токена, высокая степень усилия, одно сообщение пользователя и отсутствие инструментов. Маршрут вернул HTTP 200 и конец хода для всех 15 запросов.
Краткий ответ
- Самый быстрый в этом наборе из пяти заданий: В тесте Claude Opus 5.5 время локального прохождения от начала до конца для пяти последовательных запросов составило 47,725 секунд. В тесте Claude Fable 5.1 это время составило 53,290 секунд, а в тесте Claude Opus 5 — 61,470 секунд.
- Оценка минимальной цены по прейскуранту: По пяти запросам по официальным курсам токенов показатель Opus 5.5 составил примерно $0.0818, за ним следует Opus 5 с показателем $0.0962 и Fable 5.1 с показателем $0.1415. Это арифметические расчёты, а не тарифы платформы.
- Качественный результат: Все три программы вернули приземлённый результат с извлечением пяти пуль, анализируемый JSON-файл и правильный математический ответ. Результаты кода различались по обработке пограничных случаев, при этом Fable 5.1 наиболее аккуратно выполнила инструкцию из двух абзацев, написанную в китайском формате.
- Примечание по поводу API: Opus 5.5 не является простой заменой, которую можно без проблем применить ко всем интеграциям Opus 5. В руководстве по миграции указано, что функцию «thinking» отключить нельзя, а некоторые старые инструменты и шаблоны «thinking» требуют изменений.
- Не придавайте рейтингу чрезмерного значения: Это один согласованный прогон для каждого задания по одному маршруту. При этом оцениваются конкретные параметры поведения, затраченное время и заявленные показатели использования, а не общий балл модели.
Сколько стоят эти три модели и что они из себя представляют
Согласно текущей документации по модели Anthropic, все три API используют общее контекстное окно объемом 1 млн токенов и имеют максимальный объем вывода 128 тыс. Их единицы расчёта и статус различаются: Opus 5.5 — это новейшая версия маршрута Opus, Opus 5 обозначена как устаревшая, а Fable 5.1 имеет самую высокую стандартную скорость ввода-вывода.
| Модель | Официальный статус | Идентификатор модели API | Ввод / вывод | Контекст / максимальная мощность | Стандартная нагрузка | Чтение из кэша |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | Последние | Клод, опус 5, № 5 | $4 / $20 на MTok | 1 М / 128 К | Средний | $0.20 / MTok |
| Claude Opus 5 | Активные, устаревшие | claude-opus-5 | $5 / $25 на MTok | 1 М / 128 К | Высокий | $0.50 / MTok |
| Claude Fable 5.1 | Последние | claude-fable-5-1 | $10 / $50 на MTok | 1 М / 128 К | Высокий | $0.25 / MTok |
В качестве простого примера без использования кэша: обработка 100 000 входных токенов и 20 000 выходных токенов обходится в $0.80 на Opus 5.5, $1,00 на Opus 5 и $2,00 на Fable 5.1 по указанным тарифам. У Fable 5.1 скорость чтения из кэша ниже, чем у Opus 5, поэтому для рабочих нагрузок агентов, интенсивно использующих кэш, требуется отдельный расчёт.
Что показывает официальная таблица тестовых результатов
Anthropic Объявление о выпуске Claude Opus 5.5 включает все три модели в одну и ту же таблицу сравнения поставщиков. Opus 5.5 возглавляет перечень, однако речь идет о результатах, предоставленных поставщиками, полученных с использованием тестовых наборов и настроек нагрузки, характерных для конкретных тестов. В самом объявлении содержится предупреждение о том, что небольшие различия в результатах тестов на данном уровне производительности являются менее надежным ориентиром для оценки реальных различий в работе.
| Сравнительный анализ поставщиков | Опус 5.5 | Fable 5.1 | Опус № 5 | Что измеряется |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | Программирование с использованием агентной модели в командной строке |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | Будут ли внесены изменения в код агента |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | Неоднозначные задачи кодирования нескольких файлов |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | Профессиональная интеллектуальная деятельность в 44 профессиях |
| AutomationBench | 40.0% | 31.4% | 26.9% | Сквозные бизнес-процессы |
| Последний экзамен человечества | 67.7% с помощью инструментов | 65.6% с инструментами | 63,61 TP40T с инструментами | Междисциплинарное мышление |
| OSWorld 2.0 | 81.8% частичный | 80,71 TP40T частичный | 74.0% частичный | Задания, связанные с использованием компьютера |
Эта таблица помогает определить заявленную границу производительности провайдера. Она не заменяет приведенные ниже сопоставленные карточки: в нашем тесте используются короткие одноразовые подсказки, высокая степень вовлеченности, отсутствие инструментов и маршрут, контролируемый третьей стороной.
Те же подсказки, те же настройки запроса
Мы скопировали пять запросов из предыдущего тестового набора Opus 5.5 и отправили каждый из них по одному разу каждой модели. Заказчик чередовал порядок моделей по задачам, использовал JSON в кодировке UTF-8 и измерял время от начала запроса до полного считывания тела ответа. Все 15 запросов вернули статус HTTP 200 и конец хода. Более подробное обоснование и описание воспроизводимого рабочего процесса см. в Как GlobalGPT тестирует модели искусственного интеллекта.
Сравнение времени и токенов
| Маршрут | Прошло 5 раундов | Среднее значение / задача | Вводные токены | Выходные токены | Мышление, основанное на маршруте | Ориентировочная цена по прейскуранту* |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | 47,725 с | 9,545 с | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61,470 с | 12,294 с | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53,290 с | 10,658 с | 700 | 2,690 | 1,122 | $0.1415 |
*Расчет основан на данных о входных и выходных токенах, указанных в отчете по маршруту, а также на стандартных тарифах API, приведенных в Anthropic. В эту сумму не входят сборы за кэширование, кредиты платформы, налоги и наценка. Время выполнения — это местное время от начала до конца после отправки запроса, а не задержка со стороны провайдера или количество токенов в секунду. “Мышление” — это поле использования, сообщаемое маршрутом, а не независимо измеряемый скрытый процесс рассуждений.
Агрегатные показатели варьируются в зависимости от используемой метрики. Opus 5.5 продемонстрировал самое быстрое общее время и самую низкую расчетную стоимость, Fable 5.1 — наименьшее количество выходных токенов, а Opus 5 — самое медленное общее время в этой группе. Более краткий ответ не всегда является лучшим: таблица кода показывает, почему по-прежнему необходимо изучать содержание вывода и обработку крайних случаев.
Пять пар карточек с заданиями
Могут ли эти модели восстановить функцию дедупликации смешанного типа?
Настройка задачи: В задании требовалось предоставить исправленную функцию, а также два лаконичных теста, сравнение строк без учета регистра, сохранение первоначального написания и отсутствие сбоев при передаче значений, не являющихся строками.
| Модель | Время / использование | Полученный результат |
|---|---|---|
| Claude Opus 5,5 | 15,844 с (локальное время) · 145 входных / 1478 выходных · 700 на обдумывание · end_turn | Использует преобразование регистра с добавлением резервного варианта в виде списка; в docstring указано «тождество», тогда как в коде используется оператор равенства. |
| Claude Opus 5 | 16,845 с (локальное время) · 143 входов / 1109 выходов · 312 секунд на обдумывание · end_turn | Добавляет ключи с типовыми метками и резервный вариант для сравнения на равенство, а также указывает на некорректный однострочный синтаксис Python. |
| Claude Fable 5.1 | 12,778 с (локальное время) · 145 входных / 783 выходных · 0 времени на обдумывание · end_turn | Использует repr(item) для значений, которые нельзя преобразовать в хеш; этот подход проходит проверку на приведенных примерах, но может приводить к коллизиям при работе с разными типами. |
Результаты сравнения: Этот крайний случай представляет собой наблюдение на уровне конкретной задачи, а не утверждение, касающееся всех рабочих нагрузок, связанных с программированием.
Могут ли модели сохранить пять заданных фактов, не добавляя при этом никаких утверждений?
Настройка задачи: Исходными данными послужила краткая заметка о двухнедельном тестировании трёх программ-помощников для написания текстов. Речь идёт о небольшом задании по извлечению информации, а не о тесте в широком контексте.
| Модель | Время / использование | Полученный результат |
|---|---|---|
| Claude Opus 5,5 | 4,374 с (локальное время) · 210 входных / 312 выходных · 101 секунд на обдумывание · end_turn | Вернул пять пронумерованных пуль и не вышел за рамки предоставленных данных; обозначения и порядок слегка отличались. |
| Claude Opus 5 | 4,661 с (локальное время) · 208 входов / 265 выходов · 27 секунд на обдумывание · end_turn | Вернул пять пронумерованных пуль и не вышел за рамки предоставленных данных; обозначения и порядок слегка отличались. |
| Claude Fable 5.1 | 6,305 с (по местному времени) · 210 вход / 223 выход · 0 времени на размышление · end_turn | Вернул пять пронумерованных пуль и не вышел за рамки предоставленных данных; обозначения и порядок слегка отличались. |
Результаты сравнения: Исходный фрагмент был коротким; здесь проверяется извлечение и форматирование на основе контекста, а не обработка контекста объемом в миллион токенов.
Могут ли модели возвращать структуру, точно соответствующую запросу?
Настройка задачи: В задании требовалось использовать только корректный JSON, пять конкретных ключей, два «плюса», два «минуса» и короткие строки. Вымышленное содержание обзора не является доказательством в отношении какой-либо модели.
| Модель | Время / использование | Полученный результат |
|---|---|---|
| Claude Opus 5,5 | 8,276 с (локальное время) · 128 входов / 622 выходов · 390 секунд на обдумывание · end_turn | Вернут JSON, пригодный для анализа, содержащий запрошенные ключи и два плюса/два минуса; сгенерированные отзывы представляют собой тестовый текст, а не фактические сведения о продукте. |
| Claude Opus 5 | 6,344 с (локальное время) · 126 входящих / 238 исходящих · 0 времени на обдумывание · end_turn | Вернут JSON, пригодный для анализа, содержащий запрошенные ключи и два плюса/два минуса; сгенерированные отзывы представляют собой тестовый текст, а не фактические сведения о продукте. |
| Claude Fable 5.1 | 6,626 с (локальное время) · 128 входящих / 203 исходящих · 0 времени на обдумывание · end_turn | Вернут JSON, пригодный для анализа, содержащий запрошенные ключи и два плюса/два минуса; сгенерированные отзывы представляют собой тестовый текст, а не фактические сведения о продукте. |
Результаты сравнения: Строки в формате JSON описывают вымышленную схему отзывов и не должны публиковаться в качестве сведений о продукте.
Могут ли модели проследить за последовательностью округлений до получения окончательного ответа?
Настройка задачи: Последовательность была следующей: 12, затем ещё 25% с округлением в меньшую сторону, распределённые по четырём партиям.
| Модель | Время / использование | Полученный результат |
|---|---|---|
| Claude Opus 5,5 | 3,830 с (местное время) · 89 входит / 257 выходит · 74 думает · end_turn | Были вычислены числа 12, 15, 18, 22 и итого 67; все три варианта заканчивались требуемым отдельно стоящим числом 67. |
| Claude Opus 5 | 5,079 с (локальное время) · 87 входных / 277 выходных · 90 (время на обдумывание) · end_turn | Были вычислены числа 12, 15, 18, 22 и итого 67; все три варианта заканчивались требуемым отдельно стоящим числом 67. |
| Claude Fable 5.1 | 5,347 с (локальное время) · 89 входа / 127 выхода · 0 времени на обдумывание · end_turn | Были вычислены числа 12, 15, 18, 22 и итого 67; все три варианта заканчивались требуемым отдельно стоящим числом 67. |
Результаты сравнения: Все трое справились с этой задачей по арифметике; одна задача не позволяет оценить надежность способности к общему мышлению.
Можно ли сохранить в маршруте требуемую структуру из двух абзацев?
Настройка задачи: В задании требовалось написать два абзаца на китайском языке по 80–120 китайских иероглифов каждый: сначала ответ, отражающий ценности, а затем план тестирования.
| Модель | Время / использование | Полученный результат |
|---|---|---|
| Claude Opus 5,5 | 15,401 с (локальное время) · 128 входящих / 1283 исходящих · 949 времени на обдумывание · end_turn | Вставил два запрошенных абзаца, а затем добавил разметку Markdown и примечание на английском языке. |
| Claude Opus 5 | 28,541 с (локальное время) · 126 входов / 1820 выходов · 1430 времени на обдумывание · end_turn | Вставил два запрошенных абзаца, а затем добавил примечание на английском языке после разделителя. |
| Claude Fable 5.1 | 22,234 с (локальное время) · 128 входов / 1354 выходов · 1122 времени на обдумывание · end_turn | В результате получились два аккуратных абзаца на китайском языке без лишних примечаний и форматирования Markdown. |
Результаты сравнения: Здесь приводится инструкция по прохождению проверенного маршрута; это не критерий качества для китайского языка.
Особенности API и миграции
Opus 5.5 не является простой заменой для всех интеграций Opus 5. Anthropic’s руководство по миграции Указывается, что в Opus 5.5 функцию «thinking» отключить невозможно; запросы, направленные на отключение или ручную активацию старого режима «thinking», возвращают ошибку 400. В рамках миграции также изменено принудительное использование инструментов, блоки «thinking» привязаны к модели и диалогу, а старый инструмент «computer-use» в API Claude и в Google Cloud заменён.
Использованный общий тест output_config.effort: high для всех трёх моделей, чтобы результаты тестирования было проще сравнивать. Это означает, что в данных тестах не воспроизводятся настройки усилия по умолчанию для каждой модели. В документации к Fable 5.1 указано, что адаптивное мышление всегда включено, а усилие по умолчанию установлено на высокий уровень; в документации к Opus 5.5 указано, что адаптивное мышление всегда включено, а усилие по умолчанию установлено на средний уровень; в Opus 5 используется адаптивное мышление с высоким уровнем усилия по умолчанию.
Что на самом деле подтверждает этот тест
Решение на уровне задачи
Опус 5.5: самый быстрый вариант с самой низкой расчетной стоимостью по прейскуранту в этом наборе из пяти задач, при этом обеспечивающий наибольшее количество выходных токенов. Fable 5.1: В целом у него был самый короткий вывод и наиболее точное соблюдение китайского ограничения из двух абзацев, однако из-за более высокой цены токена оценка по пяти прогонам оказалась самой высокой, а в резервном варианте кода присутствовал конкретный поперечный пограничный случай. Опус 5: правильно справляется с задачами по извлечению данных, работе с JSON и математическим вычислениям, но является самым медленным в этом примере маршрута и в официальной документации отмечен как устаревший.
Этого достаточно, чтобы обосновать практическое предпочтение Opus 5.5 на данном тестовом маршруте, но недостаточно, чтобы утверждать, что он превосходит все другие решения при любой нагрузке. Повторите тест с использованием различных инструментов, более длинных входных данных и нескольких прогонов, прежде чем рассматривать результат в качестве эталона для производственной среды.
Если вы хотите повторить это сравнение, не открывая три отдельных счета, Попробуйте рабочий процесс сравнения моделей в версии GlobalGPT. Перед принятием любого решения, касающегося производственной среды, следует по-прежнему отдельно проверять маршрут прямой модели и сопоставление поставщиков на входе.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Какая модель оказалась самой быстрой в сравнительном тесте?
У Claude Opus 5.5 было зафиксировано наименьшее общее время прохождения на локальном участке: 47,725 секунд за пять последовательных запросов. Это показатель по маршруту, а не задержка на стороне провайдера.
Какая модель использовала наименьшее количество выходных токенов?
В версии Claude Fable 5.1 в пяти задачах было использовано 2 690 токенов вывода, полученных по маршруту, по сравнению с 3 709 в Opus 5 и 3 952 в Opus 5.5.
Какая модель оказалась самой дешёвой в ходе тестирования?
С использованием официальных стандартных тарифов API и данных о количестве токенов ввода-вывода Opus 5.5 дал самую низкую оценку стоимости пяти циклов — $0.0818. В эту сумму не входят затраты на кэш, кредиты, налоги и наценка платформы.
Все три модели справились с одними и теми же задачами?
Все три программы вернули приземлённый JSON-формат с пятью элементами, подходящий для синтаксического анализа, с запрашиваемыми ключами и правильным итоговым значением 67. В программах, написанных на языке программирования и в китайском формате, наблюдаются существенные различия в выводе данных.
Это был тест с длительным контекстом?
Нет. Повторно используемый запрос на извлечение содержит короткий отрывок. Он предназначен для проверки привязки к контексту и точности форматирования, поэтому его не следует рассматривать как доказательство эффективности работы с контекстом объемом в миллион токенов.
Стандарт Claude Opus 5 по-прежнему действует?
В документации по моделям Anthropic формат Opus 5 обозначен как активный, но устаревший, и для повышения производительности рекомендуется рассмотреть возможность перехода на Opus 5.5. При переходе необходимо ознакомиться с руководством по миграции, если используются существующие интеграции с API.
Официальные технические характеристики: Документация по Opus 5.5, Документация по Opus 5, и Документация по Fable 5.1. Эталонные значения поставщика относятся к Anthropic; значения, полученные в ходе практических испытаний, взяты из описанного выше набора для тестирования.
