GPT-5.6 Sol vs Grok 4.5 vs Claude Fable 5: разбор по бенчмаркам, цене и реальным задачам

Привет, друзья!

За последние десять дней мир LLM буквально перевернулся — и это не преувеличение. В одном 48-часовом окне OpenAI выкатила GPT-5.6 Sol, xAI выпустила Grok 4.5, и обе модели умудрились стать дешевле и быстрее Claude Fable 5 — флагмана Anthropic, который ещё месяц назад был вне конкуренции. Бенчмарк-табло перетасовалось, ценовые войны перешли на новый уровень, а выбирать «лучшую модель» теперь приходится не по одной метрике, а по треугольнику «интеллект × цена × агентская пригодность».

Давайте разберёмся, что есть что, кому что подходит и куда смотреть, чтобы не переплатить.

Участники разбора

Все три — frontier-модели, и заявляют о SOTA в своих нишах. Но цифры говорят разное.

Бенчмарки: кто где сияет

Agents' Last Exam

Это самая свежая «большая» оценка: длинные профессиональные воркфлоу в 55 областях. Результаты на июль 2026:

Sol обходит Fable 5 на 13.1 пункта на этом бенчмарке. Это не «округление» — это разрыв.

SWE-Bench Pro (агентный кодинг)

Главный бенчмарк для оценки моделей в роли кодового агента. Считается задача «вот репо, вот issue — почини»:

Здесь ситуация интереснее. На «про» версии лидируют Fable 5 и Sol почти вровень, и оба они значительно обходят Opus 4.8. Grok 4.5 официальных цифр по SWE-Bench Pro не публикует, но xAI показывает сравнение по эффективности токенов на этих же задачах.

Artificial Analysis Intelligence Index

Сводный индекс, который учитывает несколько бенчмарков сразу:

• Fable 5 — лидер общего интеллекта
• Sol — на одном-двух пунктах позади Fable 5, но лидер на Coding Agent Index в Codex-окружении
• Grok 4.5 — 54-й балл, 4 место среди всех моделей, +16 пунктов к Grok 4.3

Если брать «общий интеллект» в чистом виде — Fable 5 пока лидирует. Но Sol вплотную подобрался и лидирует в агентских задачах, а Grok рванул с прошлого поколения на 16 пунктов.

Terminal-Bench 2.0

Здесь Sol уверенно выигрывает у Grok 4.5 — почти на 9 пунктов.

Длинный контекст

Тут Anthropic по-прежнему впереди:

• Claude Fable 5 — 1 млн токенов нативно, лучшая работа с длинными документами и кодовыми базами
• Grok 4.5 — 500K токенов
• GPT-5.6 Sol — не раскрыто официально, по косвенным данным ~256-400K

Если вы работаете с длинным контекстом (анализ документов, рефакторинг больших реп, научные статьи) — Fable 5 пока вне конкуренции.

Цена: где фронт сэкономил

А вот тут самое интересное. Исторически Anthropic стоила дороже всех, OpenAI — посередине, китайские модели — дешевле всех. Сейчас расстановка поменялась:

Sol стоит примерно треть от Fable 5 при сопоставимом интеллекте. Grok 4.5 — ещё втрое дешевле Sol.

Но токенная цена — не главное

Самая важная метрика — это стоимость решённой задачи. И тут всплывает интересный нюанс: Grok 4.5 тратит на SWE-Bench Pro задачу в среднем 15,954 output-токенов против 67,020 у Opus 4.8 на максимальных настройках. Это разница в 4.2 раза по объёму при сопоставимом качестве. На практике это значит:

• Девшёвая модель с 2-3 retry-петлями может обойтись дороже, чем дорогая с одной
• Скорость работы (Grok 4.5 выдаёт ~80 tok/s против ~30-40 у Fable 5) сильно влияет на пользовательский опыт
• Эффективность токенов Grok 4.5 — это не «дешёвая модель режет углы», это «дешёвая модель работает точнее»

Правильная метрика — это не $ per million tokens, а $ per completed task. И в этой метрике Grok 4.5 внезапно оказывается лучшим выбором для агентских задач.

Агентские задачи: главный фронт

Главное, что изменилось в 2026 — это не «кто умнее в чате», а «кто лучше работает агентом». Разница примерно такая же, как между умным собеседником и хорошим исполнителем.

Sol явно проектировался под агентские нагрузки: 92 средний балл в agentic-задачах, лидерство в Terminal-Bench 2.0 и Coding Agent Index. OpenAI прямо заточила его под «длинные многошаговые workflow» — там, где раньше выигрывал Claude.

Grok 4.5 — единственная модель, обученная на данных Cursor (AI code editor, который SpaceX купил за $60 млрд). Это значит, что она с самого начала знает, как пишут и рефакторят код реальные разработчики. Плюс обучение на Nvidia GB300 — самая мощная GPU-инфраструктура индустрии.

Fable 5 — продолжает держать марку Anthropic: лучшая в длинном контексте, лучшая в работе с многофайловыми изменениями в больших кодовых базах, самая аккуратная в формулировках и минимальная по галлюцинациям. Но цена и скорость — это то, что многих останавливает.

Сводная таблица: кто для чего

Голова к голове

GPT-5.6 Sol vs Claude Fable 5

Sol побеждает в агентских задачах, скорости и цене. Fable 5 побеждает в длинном контексте, аккуратности формулировок и эталонных бенчмарках общего интеллекта. Если вы запускаете агентские пайплайны — переезжайте на Sol. Если критичен большой контекст и минимум галлюцинаций — оставайтесь на Fable 5.

И ещё важный момент: Anthropic выпустила Fable 5 на месяц раньше, и в общем интеллекте её никто ещё не обогнал. Sol догнал, но не перегнал. Это значит, что Fable 5 в чистом качестве остаётся флагманом, но в соотношении цена/качество уже проигрывает обеим альтернативам.

Grok 4.5 vs GPT-5.6 Sol

Head-to-head Sol набирает 92 на agentic tasks, Grok — 83.3. Но Grok при этом в разы дешевле и в 2-3 раза быстрее. Если вы запускаете кодовый агент в продакшен и считаете TCO, Grok может оказаться выгоднее, даже если Sol умнее на бенчмарках. Это первый случай в индустрии, когда «дешёвая» модель реально серьёзно конкурирует с флагманом по качеству.

Grok 4.5 vs Claude Fable 5

По чистому качеству Fable 5 выигрывает — она в индексе общего интеллекта выше. По стоимости Grok 4.5 выигрывает с огромным отрывом. На SWE-Bench Pro-задачах Grok использует 4.2× меньше токенов, чем Opus 4.8 (максимальная версия Fable 5), при сопоставимом качестве. Это не маркетинговый трюк — независимые тесты подтверждают.

Что всё это значит для индустрии

До июля 2026 расстановка была простой: Anthropic — король reasoning, OpenAI — король скорости и экосистемы, остальные — догоняющие. Сейчас это перестало быть правдой.

Три вещи, на которые стоит обратить внимание:

1. Цена наконец стала полем конкуренции. Когда у Anthropic не было альтернатив — она могла держать $10/$50. Сейчас обе альтернативы дешевле, и это давление будет расти. К концу 2026 можно ждать снижения цен на Fable 6 или хотя бы на Opus 5.
2. «Лучшая модель» больше не одна. Это треугольник: интеллект — у Fable 5, агентские задачи — у Sol, цена/скорость — у Grok. Идеального универсала нет, и не предвидится.
3. Гонка вооружений идёт на инфраструктуре. xAI использует Nvidia GB300, OpenAI — свои кастомные кластеры. Это значит, что следующий скачок возможен только у тех, у кого есть доступ к топовому железу.

Что выбрать прямо сейчас

Если у вас уже Cursor / Claude Code / Codex — вы на хорошей модели, расслабьтесь и пишите код. Переключаться стоит только если:

• У вас большие объёмы и вы хотите экономить → Grok 4.5
• Вам критичны агенты и оркестрация → GPT-5.6 Sol
• У вас длинный контекст или критична аккуратность → Claude Fable 5

Самое разумное сейчас — собрать модельный микс. Лёгкие задачи на Grok 4.5, агентские workflow на Sol, сложный анализ и длинный контекст на Fable 5. Все три доступны через единый API (xAI — OpenAI-совместимый, остальные — нативные).

Итог

Июль 2026 войдёт в историю AI как момент, когда конкуренция вышла на новый уровень. Всего за 48 часов:

• GPT-5.6 Sol догнал Fable 5 по интеллекту, перегнал в агентских задачах и стоит втрое дешевле
• Grok 4.5 показал, что «дешёвая модель» не означает «плохая модель» — это серьёзный Opus-класс за пятую часть цены
• Claude Fable 5 осталась королём длинного контекста и общего интеллекта, но потеряла лидерство в агенте и стоимости

Будем тестировать эти модели на реальных задачах и писать разборы. Скоро выкатим подробный тест GPT-5.6 Sol в Role Play — посмотрим, как изменилась подача персонажей.