Один флагман заточен под автономную работу с инструментами, другой — под сложный код и аккуратные ответы без лишней самоуверенности.
В апреле 2026 года рынок больших языковых моделей получил редкий сюжет без натяжки. 16 апреля Anthropic выпустила Claude Opus 4.7. Через неделю, 23 апреля, OpenAI ответила GPT-5.5. Две лаборатории, две старшие модели, одна неделя между анонсами. Для отрасли, где каждый новый выпуск обычно пытаются продать как «исторический», в этот раз историчность не пришлось натягивать на пресс-релиз.
Сравнение получилось неприятным для всех, кто любит простые ответы. GPT-5.5 заметно сильнее в задачах, где модель должна действовать как исполнитель: держать план, пользоваться инструментами, управлять средой, не бросать работу на полпути. Claude Opus 4.7 выглядит убедительнее там, где нужна аккуратная инженерная работа, строгое соблюдение инструкции и спокойная честность вместо уверенного выдумывания. Победитель есть, но только если заранее назвать задачу.
Главный вывод звучит скучно, зато полезно: эпоха «одной лучшей модели на все» закончилась. Дальше компании будут собирать наборы из нескольких моделей, а не спорить о единой короне. GPT-5.5 и Opus 4.7 хороши не одинаково. В этом и начинается настоящая интрига.
Что вообще произошло за эти семь дней
Claude Opus 4.7 вышел для Anthropic не просто как очередное улучшение. Компания несколько месяцев жила под раздраженный шум разработчиков, которые жаловались на деградацию предыдущих версий Claude. Пользователи говорили, что модель стала осторожнее, чаще теряет нить в длинных задачах и хуже держит сложную инженерную работу. Anthropic отрицала намеренное ослабление модели, но сам фон был неприятным: когда разработчики перестают доверять инструменту, красивые графики не лечат репутацию.
Opus 4.7 стал ответом на эту боль. В официальном описании Anthropic делает акцент на сложные задачи по коду, длинные рабочие циклы, более строгие инструкции, улучшенное зрение и способность проверять собственные действия перед финальным ответом. Модель получила поддержку изображений до 2576 пикселей по длинной стороне, то есть примерно до 3,75 мегапикселя. Для чтения плотных схем, скриншотов интерфейсов, таблиц и диаграмм такой рост важнее, чем очередная красивая формулировка про «интеллект».
OpenAI вышла через неделю с другой тезой. GPT-5.5 в анонсе описывают как модель для «реальной работы за компьютером»: код, исследования, анализ данных, документы, таблицы, программы и переход между инструментами до завершения задачи. Меньше ручного сопровождения, больше самостоятельного движения. Если Opus 4.7 обещает быть очень сильным инженером, GPT-5.5 пытается стать сотрудником, которому можно поручить запутанный кусок работы и не стоять над душой.
| Параметр | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Дата выпуска | 23 апреля 2026 года | 16 апреля 2026 года |
| Главная ставка | Агентная работа, управление инструментами, сложные многошаговые задачи | Код, строгие инструкции, проверка собственных выводов, работа с изображениями |
| Цена входных токенов | 5 долларов за миллион | 5 долларов за миллион |
| Цена выходных токенов | 30 долларов за миллион | 25 долларов за миллион |
| Контекст | До 1 миллиона токенов | До 1 миллиона токенов |
| Главный риск для бюджета | Высокая цена выходных токенов, особенно в версии Pro | Новый разбор текста на токены может увеличить фактический расход |
GPT-5.5: модель, которая хочет работать, а не отвечать
Самая сильная часть GPT-5.5 не в том, что модель лучше пишет объяснения или аккуратнее держит стиль. Главная заявка OpenAI лежит в другом месте. Модель должна брать плохо оформленную задачу, сама уточнять план через действия, пользоваться инструментами, проверять промежуточный результат и доводить работу до конца. Не «вот вам совет», а «вот готовый набор изменений, отчет, таблица, проверка и следующий шаг».
Поэтому GPT-5.5 особенно интересно смотреть не как на чат-бот, а как на исполнителя в среде. В Codex модель, по данным OpenAI, лучше справляется с внедрением изменений, переработкой кода, поиском ошибок, проверками и переносом правок через несколько частей проекта. Ранние тестировщики описывали именно этот сдвиг: GPT-5.5 дольше держит задачу, меньше останавливается раньше времени и лучше предугадывает, какие проверки понадобятся перед сдачей работы.
Тут важна не только «умность», но и выносливость. Многие модели красиво стартуют: пишут план, создают первые файлы, бодро объясняют ход мысли. Проблемы начинаются на двадцатой минуте, когда нужно связать изменения, исправить побочный сбой, повторно прогнать проверку и не забыть исходную цель. GPT-5.5 бьет именно в эту зону. Для бизнеса такая способность дороже красивого ответа на один сложный вопрос.
Opus 4.7: реванш Anthropic в инженерной работе
Claude Opus 4.7 выглядит менее зрелищно, если ждать от модели образ универсального цифрового сотрудника. Зато Anthropic явно целилась в разработчиков, аналитиков и команды, которые уже используют Claude в серьезной работе и устали от маленьких, но дорогих провалов. Модель стала точнее соблюдать инструкции, лучше ловит противоречия и чаще говорит, что данных не хватает, вместо того чтобы подставлять правдоподобную выдумку.
Для инженерной работы такое поведение критично. Плохая модель не всегда та, что ошиблась. Гораздо опаснее модель, которая ошиблась уверенно, красиво завернула ошибку в объяснение и заставила человека поверить. В этом смысле похвала Opus 4.7 от ранних пользователей звучит практично: меньше лишних оберток в коде, меньше бессмысленных запасных веток, больше проверки перед выполнением. Не вау-эффект на сцене, а меньше грязи в рабочем проекте.
Anthropic в анонсе отдельно подчеркивает, что Opus 4.7 сильнее прежней версии в длинных задачах, лучше использует файловую память и точнее работает с изображениями высокого разрешения. Компания также добавила уровни усилия и «бюджеты задач»: разработчик может задать предел расхода токенов на длинный цикл, а модель должна распределить ресурс между размышлением, вызовами инструментов и финальным ответом. Идея здравая: если не поставить лимит, старшие модели иногда рассуждают так, будто счет оплачивает кто-то другой. Обычно так и есть, пока не приходит счет.
Где сухие цифры ломают простую картину
Таблица тестов быстро охлаждает желание объявить победителя. GPT-5.5 уверенно забирает сценарии, где нужно управлять средой, действовать через инструменты и выполнять длинные цепочки. Opus 4.7 сильнее выглядит в реальных задачах по коду из репозиториев и рассуждениях без внешних инструментов. Разница не косметическая, но и не тотальная.
С тестами нужно обращаться аккуратно. Лаборатории сами выбирают условия, режимы рассуждения, наборы задач и конкурентов для сравнения. Часть оценок идет из внутренних испытаний, часть — из публичных наборов, часть — из независимых таблиц. Поэтому честнее читать цифры как карточку специализаций, а не как спортивную таблицу чемпионата мира.
| Тест | Что проверяет | GPT-5.5 | Claude Opus 4.7 | Практический смысл |
|---|---|---|---|---|
| Terminal-Bench 2.0 | Работа в командной строке, планирование, инструменты | 82,7% | 69,4% | GPT-5.5 сильнее как исполнитель в технической среде |
| SWE-bench Pro | Реальные задачи из GitHub | 58,6% | 64,3% | Opus 4.7 лучше подходит для сложных задач по коду |
| Проверено OSWorld | Управление реальной компьютерной средой | 78,7% | 78,0% | Почти ничья, формально впереди GPT-5.5 |
| Humanity’s Last Exam без инструментов | Сложные вопросы без внешней помощи | 41,4% | 46,9% | Opus 4.7 лучше рассуждает в закрытом режиме |
| FrontierMath уровень 4 | Очень сложная математика | 35,4% | 22,9% | GPT-5.5 заметно сильнее на тяжелой математике |
| Atlas MCP | Организация работы с инструментами | 75,3% | 79,1% | Opus 4.7 лучше в части связывания инструментов в этом тесте |
| MRCR версии 2, 512 тыс. — 1 млн. | Поиск и удержание сведений в огромном контексте | 74,0% | 32,2% | GPT-5.5 резко прибавила в длинном контексте |
Самый важный результат для GPT-5.5 — Terminal-Bench 2.0. 82,7% против 69,4% у Opus 4.7 показывают, что OpenAI действительно продвинулась в задачах, где модель не просто отвечает, а действует. Такой класс задач ближе к будущим рабочим агентам, чем привычная переписка в чате.
Самый неприятный для OpenAI результат — SWE-bench Pro. Там Opus 4.7 набирает 64,3% против 58,6% у GPT-5.5. Для разработчика этот тест звучит приземленнее многих академических наборов: исправить реальную задачу в реальном проекте, не потерять зависимости, не сломать соседние части. Если команда выбирает модель для тяжелого кода, Opus 4.7 нельзя списывать даже после громкого выхода GPT-5.5.
Деньги: прайс-лист врет не потому, что врет
На первый взгляд Claude Opus 4.7 дешевле. Входные токены у обеих моделей стоят одинаково, по $5 за миллион, а выходные у Opus 4.7 стоят $25 против $30 у GPT-5.5. Разница 17% в пользу Anthropic. Для больших объемов такой разрыв уже похож на финансовый аргумент, а не на мелочь в таблице.
Но цена за токен и цена готовой задачи — разные вещи. У Opus 4.7 появился новый способ разбирать текст на токены. Токен — это фрагмент текста, по которому модель считает стоимость и объем работы. Anthropic прямо пишет, что один и тот же ввод может превращаться в 1,0-1,35 раза больше токенов в зависимости от типа данных. Для обычного текста прирост может быть почти незаметным, а для кода, таблиц, разметки и структурированных данных счет способен вырасти уже ощутимо.
У GPT-5.5 обратная история. OpenAI подняла цену по сравнению с GPT-5.4, но одновременно утверждает, что модель тратит меньше токенов на выполнение тех же задач в Codex и чаще достигает результата без повторных прогонов. Если дорогая модель экономит два лишних запуска и один час инженера, формальный прайс-лист перестает быть главным аргументом.
| Сценарий | Что смотреть в счете | Кто выглядит выгоднее |
|---|---|---|
| Много коротких ответов | Цена выходных токенов и лимиты подписки | Чаще всего Opus 4.7 |
| Длинный агентный цикл | Количество повторных запусков, обрывы, исправления | Чаще всего GPT-5.5 |
| Код и структурированные данные | Фактический рост числа токенов после перехода на Opus 4.7 | Нужно измерять на своем трафике |
| Задачи с дорогой ошибкой | Цена проверки человеком и стоимость неверного вывода | Зависит от предметной области |
| Поток дешевых типовых задач | Нужна ли вообще старшая модель | Чаще всего ни одна из двух |
Самая взрослая стратегия выглядит так: не выбирать модель по цене в таблице, а прогнать свой набор задач через обе системы. Считать нужно не стоимость миллиона токенов, а стоимость результата. Сколько запросов ушло на готовый ответ. Сколько раз человек исправлял модель. Сколько задач пришлось перезапускать. Сколько ошибок прошли дальше по цепочке. Без такой проверки спор о цене превращается в гадание по рекламным страницам.
Какую модель брать для кода
Для разработки ответ зависит от типа работы. Если нужно исправлять реальные задачи в больших репозиториях, аккуратно соблюдать правила проекта, не плодить лишние абстракции и честно признавать нехватку данных, Claude Opus 4.7 выглядит сильным первым выбором. SWE-bench Pro подтверждает это цифрами, а отзывы ранних пользователей сходятся в одном: модель стала строже, тщательнее и меньше пытается «угодить» любой ценой.
Если нужно поручить модели длинную работу в среде, где приходится ходить по файлам, запускать проверки, менять несколько частей проекта и держать общий план, GPT-5.5 выглядит опасно сильным кандидатом. Terminal-Bench 2.0 и заявления OpenAI о Codex указывают именно на такой профиль. Модель лучше подходит для задач, где важна не только точность отдельного исправления, но и способность тянуть рабочий процесс до конца.
Поэтому для команды разработки разумная схема выглядит не как «выбрали одну модель и забыли», а как маршрутизация. Opus 4.7 — на сложный разбор кода, проверку архитектурных решений, поиск скрытых ошибок, строгие инструкции. GPT-5.5 — на длинные цепочки действий, массовые изменения, связку кода с документами, проверками и рабочими инструментами. Младшие модели — на черновики, простые объяснения и рутинные задачи, где старший флагман просто сжигает бюджет.
Где GPT-5.5 выглядит особенно сильной
GPT-5.5 выигрывает там, где задача плохо помещается в один запрос. Например: «разбери шесть месяцев заявок, найди повторяющиеся причины отказов, собери таблицу, предложи правила маршрутизации и проверь пограничные случаи». Старые модели часто хорошо выполняли первый кусок, а потом начинали терять цель. GPT-5.5 создавали именно для таких цепочек.
OpenAI приводит показательный внутренний пример: финансовая команда использовала Codex с GPT-5.5 для проверки 24771 налоговой формы K-1 на 71637 страницах, убрав персональные данные из процесса. Работа ускорилась на две недели по сравнению с прошлым годом. Даже если относиться к корпоративным примерам с холодной головой, класс задачи понятен: большой объем документов, много шагов, нужна проверка, результат должен лечь в рабочий процесс.
Еще одна сильная зона — длинный контекст. На MRCR v2 в диапазоне 512 тысяч — 1 миллион токенов GPT-5.5 получила 74,0% против 36,6% у GPT-5.4. Такой скачок важен для юридических архивов, внутренних баз знаний, больших переписок, длинных технических отчетов и исследовательских материалов. Но длинный контекст не отменяет проверку: модель может удерживать больше сведений, но человек все равно должен понимать, какие выводы критичны.
Где Opus 4.7 может быть лучше
Opus 4.7 особенно интересен там, где модель должна быть не громкой, а надежной. Разбор сложной задачи по коду, поиск логической ошибки, работа с противоречивыми данными, аккуратная проверка вывода, создание интерфейсов и документов с хорошей структурой — все это лежит в зоне силы Anthropic. В тестах и отзывах снова и снова появляется одна мысль: Opus 4.7 меньше делает вид, что знает ответ.
Для аналитика или инженера такая черта дороже эффектного стиля. Когда модель сообщает: «данных не хватает», работа замедляется на минуту, но система не получает фальшивый вывод. Когда модель подставляет правдоподобное значение, ошибка уходит в документ, код, расчет или письмо клиенту. Потом ошибку ищут уже люди, обычно в плохом настроении.
Улучшенное зрение Opus 4.7 — тоже не декоративная функция. Модель может читать более плотные изображения, а значит лучше работать со сложными скриншотами, диаграммами, интерфейсами, техническими схемами и документами, где важны мелкие элементы. Для задач компьютерного управления, проверки макетов и извлечения данных из визуальных материалов такой рост разрешения дает практическую пользу.
Mythos Preview: третий игрок, которого нельзя просто игнорировать
Сравнение GPT-5.5 и Opus 4.7 усложняет третья модель Anthropic — Claude Mythos Preview. Широкого доступа к ней нет. По данным Axios, Anthropic прямо признает, что Opus 4.7 уступает Mythos по общей мощности, но держит более сильную модель в ограниченном доступе из-за рисков кибербезопасности.
Эта деталь меняет политический смысл гонки. OpenAI выводит GPT-5.5 на рынок и делает ставку на распространение при усиленных ограничениях. Anthropic выпускает Opus 4.7 как публичный флагман, но самый сильный козырь оставляет за закрытыми дверями. Для клиентов доступная модель важнее мифической надмодели, но для стратегической гонки вопрос остается открытым.
По данным VentureBeat, GPT-5.5 узко обходит Mythos Preview на Terminal-Bench 2.0: 82,7% против 82,0%. На Humanity’s Last Exam без инструментов Mythos Preview набирает 56,8%, тогда как Opus 4.7 получает 46,9%, а GPT-5.5 Pro — 43,1%. Получается странная картина: OpenAI сильнее в публичном агентном продукте, а Anthropic, возможно, держит более мощную систему в запасе.
Безопасность стала частью продукта, а не сноской
Оба выпуска показывают новый порядок вещей. Сильную модель уже нельзя просто выкатить и сказать: «пользуйтесь». Чем лучше система пишет код, ищет ошибки, управляет инструментами и рассуждает о биологии или химии, тем больше вопросов к доступу, фильтрам и проверке пользователей. Безопасность перестала быть скучным разделом в конце анонса. Теперь безопасность влияет на то, кто получит модель, в каком режиме и с какими ограничениями.
OpenAI пишет, что GPT-5.5 получила самые строгие на момент выпуска меры защиты компании, включая более жесткие классификаторы для киберрисков. Компания заранее предупреждает, что часть пользователей может столкнуться с раздражающими отказами, пока ограничения будут настраивать. Признание неприятное, зато честное: чем сильнее модель, тем выше вероятность ложных срабатываний на грани легитимного исследования безопасности.
Anthropic использует Opus 4.7 как испытательный полигон для ограничителей, которые в будущем могут помочь выпустить модели класса Mythos шире. В Opus 4.7 встроены блокировки для запрещенных и высокорискованных киберсценариев, а специалисты по безопасности могут проходить отдельную проверку для расширенного доступа. Рынок постепенно приходит к модели «сильные возможности плюс проверенный доступ». Старый подход «один чат для всех задач» трещит под тяжестью собственных возможностей.
Практический выбор без религиозной войны
Если нужна короткая рекомендация, то GPT-5.5 стоит прежде всего пробовать для многошаговых задач, автоматизации рабочих процессов, анализа больших массивов документов, управления инструментами и задач, где модель должна дойти до результата почти как исполнитель. Особенно если команда уже живет в экосистеме OpenAI и использует Codex, ChatGPT Business или Enterprise.
Claude Opus 4.7 стоит прежде всего пробовать для сложного кода, строгого анализа, проверки противоречивых данных, работы с большими проектами и сценариев, где уверенная ошибка стоит дороже медленного ответа. Особенно если команда уже использует Claude Code, ценит буквальное соблюдение инструкций и хочет меньше «красивых догадок».
| Задача | Лучший первый кандидат | Почему |
|---|---|---|
| Длинная автоматизация с несколькими инструментами | GPT-5.5 | Сильнее в агентных сценариях и работе с компьютерной средой |
| Сложное исправление в репозитории | Claude Opus 4.7 | Лучший результат на SWE-bench Pro и сильная репутация в инженерных задачах |
| Анализ огромного набора документов | GPT-5.5 | Резкий рост на длинном контексте и хорошая связка с рабочими инструментами |
| Проверка кода и поиск тонких ошибок | Claude Opus 4.7 | Ставка на точность, самопроверку и честное признание ограничений |
| Математика высокого уровня | GPT-5.5 | Заметное преимущество на FrontierMath Tier 4 |
| Рассуждение без инструментов | Claude Opus 4.7 | Выше результат на Humanity’s Last Exam без инструментов |
| Дешевая рутина | Ни одна из старших моделей | Лучше брать младшие модели и не платить за лишнюю мощность |
Лучший практический ход — собрать 30-50 реальных задач своей команды и прогнать через обе модели. Не демо-запросы, не красивые загадки, не «напиши змейку на Python», а настоящие рабочие случаи: грязная таблица, старый модуль, спорный документ, длинная переписка, неполное техническое задание, задача с противоречивыми вводными. После такого теста спор быстро станет тише.
Что проверить перед переходом
Переход на старшую модель без измерения почти гарантирует сюрпризы. Нужно считать не только качество ответов, но и цену, задержку, количество повторов, объем ручных исправлений и типичные отказы. Для Opus 4.7 отдельно стоит измерить рост количества токенов на своих данных. Для GPT-5.5 отдельно стоит проверить, окупает ли агентная автономность более дорогой выход.
Командам разработки полезно держать две корзины задач. В первой — задачи, где модель должна дать точный вывод или редактирование. Во второй — задачи, где модель должна выполнить цепочку действий. Opus 4.7 чаще выигрывает в первой корзине, GPT-5.5 чаще выигрывает во второй. Попытка оценивать обе модели одним усредненным баллом просто сотрет главное различие.
- Возьмите реальные задачи за последние две недели, а не искусственные примеры.
- Сравните результат, количество повторных запусков и объем ручной правки.
- Отдельно посчитайте входные и выходные токены.
- Проверьте, как модель ведет себя при нехватке данных.
- Посмотрите, где модель уверенно ошибается, а где честно останавливается.
- Не отдавайте старшим моделям дешевую рутину без причины.
Итог: корона теперь лежит не на голове, а в маршрутизаторе
GPT-5.5 не убила Claude Opus 4.7. Claude Opus 4.7 не пережила неделю и не стала вчерашней новостью. Сравнение получилось гораздо интереснее. OpenAI сильнее двигает идею модели-исполнителя, которая берет сложную работу и тянет процесс через инструменты. Anthropic сильнее защищает образ модели-инженера, которая аккуратно работает с кодом, лучше держит инструкцию и меньше врет уверенным голосом.
Для пользователя хороший ответ теперь звучит не «бери GPT» и не «бери Claude». Хороший ответ звучит так: маршрутизируй. Отправляй агентные цепочки и длинные рабочие процессы в GPT-5.5. Отправляй сложный код, строгий анализ и задачи с высокой ценой уверенной ошибки в Opus 4.7. Для самых простых задач используй младшие модели. Для критичных выводов оставляй человеческую проверку, потому что ни одна таблица тестов не отменяет ответственности.
Апрель 2026 года показал не просто гонку двух лабораторий. Рынок стал взрослее. Старшие модели больше не отличаются только «умнее» и «еще умнее». Они приобретают характер, профиль, цену ошибки и собственную экономику. Корона больше не принадлежит одной модели. Корона лежит в системе, которая умеет выбирать правильную модель для правильной задачи.
