Claude Opus 5.5 vs GPT-6 Sol i Luna: kto wygrywa przy jakim budżecie

22 września 2026 obie firmy wypuściły nowe modele tego samego dnia. Anthropic ogłosił Claude Opus 5.5, pierwszy model z rodziny 5.5 i pierwszy od czasu, gdy firma zaapelowała o spokojniejsze tempo rozwoju najmocniejszych modeli. OpenAI wypuścił GPT-6 Sol i GPT-6 Luna, tańsze odmiany GPT-6 Astra z 3 września. AWS wpuścił wszystkie trzy do Bedrocka jeszcze tego samego dnia (Opus 5.5, Sol i Luna).

Najciekawsze w obu ogłoszeniach jest to, z kim każda firma się porównała. OpenAI zestawił Sola z Claude Opus 5 i Fable 5.1, a nowego Opusa na tych wykresach nie ma. Anthropic w tabeli Opusa 5.5 pokazuje GPT-6 Astra i GPT-5.6 Sol, a nowego Sola już nie. Każdy porównał się z tym, co konkurent miał w ofercie dzień wcześniej, więc bezpośredniego zestawienia nie ma w żadnym z nich.

To zestawienie zrobiłem sam, na danych, których nie przygotował żaden z producentów: niezależnych pomiarach Artificial Analysis, cennikach pobranych przez API AWS i kursie dolara z NBP. Kwoty w złotówkach liczę po kursie 3,7934 zł z 22 września 2026 (tabela 184/A/NBP/2026).

Co wyszło 22 września

Trzy modele celują w różne półki cenowe. Opus 5.5 według Anthropic dorównuje Claude Fable 5.1 w większości zadań i kosztuje o 40% mniej niż Opus 5. Sol to codzienny model OpenAI do złożonej pracy i programowania. Luna jest najtańsza i przeznaczona do zadań masowych: streszczeń, wyciągania danych, klasyfikacji i kierowania zapytań. Nad Solem w ofercie OpenAI zostaje GPT-6 Astra, nad Opusem u Anthropic Claude Fable 5.1.

Stawka za token w Opusie 5.5 spadła o 20%, a odczyt z cache o 60%. Anthropic tłumaczy 40% niższy koszt pracy właśnie tańszym tokenem i mniejszą liczbą tokenów zużywanych na to samo zadanie. Według firmy odczyty z cache to większość kosztów pracy agentowej i programistycznej, więc tam obniżka będzie najbardziej widoczna. Model generuje też odpowiedź o ponad 30% szybciej niż Opus 5. OpenAI obciął ceny Sola i Luny o połowę względem GPT-5.6 i poprawił cache, który ma teraz częściej trafiać, z 90% rabatem na odczyt. Anthropic zapowiada Claude Sonnet 5.5 i Haiku 5.5 w ciągu najbliższych tygodni.

Niezależny pomiar wyniku i kosztu

Artificial Analysis sam uruchamia ten sam zestaw testów na każdym modelu i każdym poziomie wysiłku, a potem publikuje wynik zbiorczy, koszt jednego zadania i szybkość. Jeden indeks nie powie, jak model poradzi sobie z Twoim kodem. Za to tylko tam trzy nowe modele stoją obok siebie w identycznych warunkach, zmierzone przez kogoś, kto nie sprzedaje żadnego z nich.

Każdy model tworzy na wykresie krzywą: im wyższy poziom wysiłku, tym wyżej i dalej w prawo, czyli mądrzej i drożej. Przerywana linia przy 5 zł dzieli wykres na dwie części. Po lewej przy każdym budżecie więcej punktów daje któryś z modeli OpenAI, po prawej prowadzi Opus 5.5. Liczby stojące za wykresem:

Z tych liczb wynikają cztery wnioski.

• Opus 5.5 prowadzi w całym rankingu. 58 punktów to więcej niż GPT-6 Astra (53) i Claude Fable 5.1 (53), najdroższe modele obu firm. W testach samych producentów Astra bywa przed Opusem, o czym niżej.
• Obietnica Anthropic się potwierdza. Firma twierdzi, że w Terminal-Bench 4.0 Opus 5.5 na domyślnym wysiłku bije Opusa 5 na maksymalnym za mniej więcej piątą część kosztu. W niezależnym indeksie wychodzi podobnie: 51 punktów, tyle samo co Opus 5 na max, za 23% jego kosztu.
• Do ok. 4 zł za zadanie wygrywa Sol. Na wysiłku xhigh ma 44 punkty za 0,53 USD, a najtańszy Opus 5.5 (low) 42 punkty za 0,55 USD. Sol na max daje 48 punktów za 1,06 USD, czyli około 4 zł.
• Powyżej tej kwoty Sol nie ma dokąd pójść. 48 punktów to jego sufit. Opus 5.5 na domyślnym ustawieniu daje 51 punktów za 1,34 USD, o 26% drożej niż Sol na max. Kto potrzebuje więcej, w tańszej linii OpenAI tego nie dostanie. Zostaje Astra, która na max ma 53 punkty za 3,26 USD, podczas gdy Opus 5.5 na high ma 54 za 1,82 USD.

Luna to zupełnie inny przedział cen. 37 punktów za 7 centów oznacza, że Opus 5.5 na max kosztuje za zadanie 85 razy więcej. Na domyślnych ustawieniach tysiąc zadań to 76 zł na Lunie, 948 zł na Solu i 5083 zł na Opusie 5.5.

Porównanie z poprzednikami pokazuje, że obie firmy inaczej rozumieją postęp. W tym samym indeksie Opus 5.5 urósł względem Opusa 5 z 51 do 58 punktów. Sol poprawił się względem GPT-5.6 Sol z 47 do 48, a Luna została na 37, za to koszt zadania spadł u obu mniej więcej o połowę. W teście pracy biurowej GDPval-AA Sol stracił około 100 punktów Elo, a Luna około 75, głównie przez słabszą jakość prezentacji i niepełne wyniki (The Decoder za Artificial Analysis). Anthropic poprawił wynik, OpenAI obniżył cenę.

Testy producentów zestawione obok siebie

Każdy producent publikuje kilkanaście wyników, ale każdy w innym zestawie testów i przy innych ustawieniach. Znalazłem jedno miejsce, gdzie da się je uczciwie połączyć. W AutomationBench, teście przepływów biznesowych w 47 narzędziach z obszaru sprzedaży, marketingu, operacji, obsługi klienta, finansów i HR, obie firmy podają identyczne wyniki dla tych samych starszych modeli. Claude Opus 5 ma u obu 26,9%, a Claude Fable 5.1 31,4%. Skoro punkty odniesienia się zgadzają, nowe modele można postawić obok siebie.

Opus 5.5 wyprzedza tu Sola o prawie 7 punktów procentowych, a Astra ma minimalną przewagę nad Opusem. OpenAI podaje też koszt: Sol wydaje 0,27 USD na zadanie, Opus 5 aż 11,1 raza więcej. Kosztu Opusa 5.5 w tym teście nikt nie opublikował.

Ta sama tabela pokazuje, jak mocno wynik zależy od ustawień. Astra na niskim wysiłku ma u OpenAI 30,3%, a jej najwyższy wynik, który Anthropic przytacza, to 41,4%. Jeszcze wyraźniej widać to w OSWorld 2.0, teście samodzielnej pracy na komputerze. OpenAI pokazuje, że Sol na xhigh (60,5%) dorównuje Opusowi 5 na medium (60,3%). Anthropic podaje tego samego Opusa 5 na max z wynikiem 74,0%, a Opusa 5.5 na max z wynikiem 81,8%. Ten sam Opus 5 ma więc w dwóch tabelach wyniki różniące się o 14 punktów, a jedyna różnica, którą obie firmy podają wprost, to poziom wysiłku. Dlatego wykresy typu "nasz model dorównuje konkurencji" czytam zawsze razem z przypisem o ustawieniach.

Pozostałe wyniki, których nie da się połączyć, ale dobrze je znać:

• DeepSWE v1.1 (OpenAI): Sol na max ma 68,8%, o 1,1 punktu mniej niż Claude Fable 5 na xhigh (69,9%), przy koszcie zadania niższym o ok. 80%. Luna na max ma 66,6%, porównywalnie z Opusem 5 i Fable 5 na medium, przy koszcie niższym o 93% i 96%.
• Terminal-Bench 4.0 (Anthropic): Opus 5.5 ma 66,4%, GPT-6 Astra 57,9%, GPT-5.6 Sol 37,3%. Wyniku nowego Sola brak.
• GDPval-AA v2.1 (Anthropic): Opus 5.5 zdobywa 1846 punktów, GPT-6 Astra 1542.

Szybkość i czas do pierwszej odpowiedzi

Artificial Analysis mierzy też, jak szybko model pisze i po ilu sekundach wysyła pierwszy fragment odpowiedzi. Przy modelach z rozumowaniem ta druga liczba obejmuje czas myślenia.

Część tej różnicy to decyzja projektowa. W Opusie 5.5 rozumowania nie da się wyłączyć. Parametr thinking z typem disabled zwraca błąd 400, a najniższy poziom wysiłku to low. GPT-6 przyjmuje reasoning.effort ustawione na none i wtedy odpowiada jak model bez rozumowania, w niecałą sekundę.

Przy czacie z klientem albo asystencie głosowym to przesądza o wyborze. Kilkanaście sekund ciszy po pytaniu klienta to w większości takich zastosowań za dużo. Agent, który w tle przegląda repozytorium albo przygotowuje raport na rano, tych sekund nie odczuje. Anthropic ma dla Opusa 5.5 tryb fast, do 2,5 raza szybszy za podwójną stawkę (8 i 40 USD za milion tokenów), ale tylko w Claude Code i na platformie Claude. W cenniku Bedrocka go nie ma. Szybkość zależy też od dostawcy, więc w Bedrocku możesz zmierzyć inne liczby niż w tabeli.

Gdzie trafiają dane i ile to kosztuje w złotówkach

Dla firmy z Polski, która ma w umowach zapis o przetwarzaniu danych w UE, ważniejsze od punktów w rankingu jest to, przez jaki profil inferencji wywołasz model. Sprawdziłem przez API Bedrocka listę profili w pięciu regionach europejskich: we Frankfurcie, Irlandii, Londynie, Paryżu i Sztokholmie. We wszystkich wygląda to tak samo.

To odwrotność sytuacji z Fable 5.1, który na starcie miał w Europie tylko profil globalny. Opus 5.5 dostał profil EU od pierwszego dnia, za 10% dopłaty. GPT-6 Sol i Luna profilu EU w Bedrocku nie mają, co ma dwie praktyczne konsekwencje.

• Jeśli w AWS Organizations blokujesz profile globalne polityką SCP (opisywałem ją w przeglądzie sierpnia), GPT-6 Sol i Luna nie zadziałają z europejskich regionów w ogóle.
• To, gdzie faktycznie obsłużono zapytanie wysłane przez profil globalny, pokaże CloudTrail w polu additionalEventData.inferenceRegion. Przy audycie zgodności z RODO to Twój dowód.

Jeśli GPT-6 musi zostać w UE, dziś prowadzi do tego bezpośrednie API OpenAI. Rezydencja danych w UE działa tam przy przetwarzaniu Standard, z 10% dopłatą. Jak wybierać region z Polski i co mówi o tym RODO, rozpisałem w artykule o regionach AWS.

Stawki w złotówkach dla regionu Frankfurt, pobrane z ofert, które Bedrock zwraca przez API:

Przy modelach OpenAI Bedrock ma trzy tryby: Standard, Flex za połowę stawki dla zadań, które mogą poczekać, i Priority za podwójną. Według OpenAI zapytanie powyżej 272 tys. tokenów wejścia kosztuje dwa razy więcej na wejściu i półtora raza więcej na wyjściu, liczone za całe zapytanie, a cennik Bedrocka ma osobne stawki dla długiego kontekstu w tej samej proporcji. W ofercie Opusa 5.5 w Bedrocku nie ma na razie ani trybu batch, ani fast.

Odczyt z cache kosztuje w Opusie 5.5 dokładnie tyle samo co w Solu, 0,76 zł za milion tokenów. Przy agencie, który 90% wejścia czyta z cache, różnica w koszcie wejścia między tymi modelami spada z dwukrotnej do półtorakrotnej. Na wyjściu Opus zostaje dwa razy droższy.

aws bedrock get-foundation-model-availability \
  --model-id anthropic.claude-opus-5-5 --region eu-central-1

aws bedrock list-inference-profiles --region eu-central-1 \
  --query "inferenceProfileSummaries[?contains(inferenceProfileId,'opus-5-5') || contains(inferenceProfileId,'gpt-6')].inferenceProfileId"

aws bedrock list-foundation-model-agreement-offers \
  --model-id openai.gpt-6-sol --region eu-central-1

Który model do czego

Na podstawie tych danych wybierałbym tak:

• GPT-6 Luna do zadań masowych: klasyfikacji zgłoszeń, wyciągania danych z faktur i formularzy, kierowania zapytań do właściwego działu, streszczeń. Wszędzie tam, gdzie zadań są tysiące dziennie, a każde jest proste.
• GPT-6 Sol do asystentów programisty i agentów z ograniczonym budżetem, do czatu na żywo, gdzie liczy się czas odpowiedzi, i do zadań, na które chcesz wydać do ok. 4 zł.
• Claude Opus 5.5 do najtrudniejszych zadań analitycznych i agentowych, długiej pracy na dużym kontekście z cache oraz projektów, w których przetwarzanie musi zostać w UE, a chcesz zostać przy Bedrocku. Od ok. 5 zł za zadanie w górę przy każdym budżecie ma najwyższy wynik w tym zestawieniu, tylko raz remisując z GPT-6 Astra.

Zanim przepniesz produkcję

Indeks to średnia z wielu zadań, a Twoje zadanie jest jedno. Przed zmianą modelu przepuść przez oba 20-30 przypadków z własnej domeny i porównaj wyniki oraz zużycie tokenów w CloudWatch, gdzie Bedrock raportuje metryki InputTokenCount i OutputTokenCount osobno dla każdego modelu. Przy przesiadce z Opusa 5 na 5.5 trzy rzeczy zwracają błąd 400 (release notes Anthropic):

• każde ustawienie pola thinking, zarówno disabled, jak i enabled. Pole trzeba usunąć, a głębokość myślenia regulować parametrem effort;
• tool_choice typu any i tool. Zostaje auto ze ścisłym wywoływaniem narzędzi;
• stare narzędzie computer_20251124 w API Claude i w Google Cloud. W Bedrocku nadal działa.

Podobny zestaw zmian opisywałem przy Fable 5.1, więc jeśli masz już kod pod ten model, większość poprawek jest za Tobą.

Zespoły bezpieczeństwa powinny wiedzieć o jeszcze jednym. Opus 5.5 działa z zabezpieczeniami, które przy części zadań przekazują pracę starszym modelom. Według Anthropic zadania z cyberbezpieczeństwa wykonuje wtedy Claude Opus 4.8, a zadania z biologii i rozwoju modeli językowych Claude Opus 5. Dostęp dla zweryfikowanych specjalistów od bezpieczeństwa firma ma rozszerzyć w najbliższych tygodniach w ramach Cyber Verification Program.

Jeśli dopiero wchodzisz w AI na AWS, takie porównania czyta się dużo łatwiej, gdy rozumiesz tokeny, rozumowanie modeli i to, od czego zależy rachunek w Bedrocku. Te podstawy obejmuje egzamin AWS Certified AI Practitioner. Czy warto go zdawać, rozpisałem w osobnym artykule, a format i plan nauki znajdziesz na karcie certyfikatu. Więcej o samych modelach Anthropic zbieram na stronie Claude AI.

Co to oznacza w praktyce