GPT-5.6 vs. Claude Fable 5: Dohnalo OpenAI v roce 2026 Anthropic?

Další materiály o konfiguraci nástrojů najdete v dokumentaci Ailoot.

Co přinesly GPT-5.6 a Claude Fable 5?#

Dvě velká vydání přišla v rozmezí několika týdnů. Claude Fable 5, nejvýkonnější široce dostupný model společnosti Anthropic, byla představena 9. června, poté dočasně stažena kvůli vývozním omezením a 1. července 2026 znovu zpřístupněna celosvětově. GPT-5.6 od OpenAI prošla 26. června partnerským předběžným přístupem a 9. července byla zpřístupněna všem.

GPT-5.6 je k dispozici ve třech variantách pro různé rozpočty a úlohy:

• Sol (a Sol Ultra) je nejvýkonnější, navržená pro kybernetickou bezpečnost, práci v terminálu a dlouhé relace Codexu.
• Terra je střední varianta, každodenní univerzální „základní“ model.
• Luna je nejlevnější, určená pro velký objem a jednoduché úlohy.

Claude Fable 5 je jediný model bez takové škály možností a má uzavřený protějšek Mythos 5 (stejný engine, ale bez omezujících filtrů; přístup je dostupný pouze prostřednictvím kyberbezpečnostního programu vlády USA). Mythos není vibe coderům k dispozici, takže dále porovnávám Fable 5 s řadou GPT-5.6.

Ve kterých testech GPT-5.6 překonal Claude Fable 5?#

Titulky vycházely z porovnání Terminal-Bench 2.1, tedy ze sady úloh, v nichž model ovládá terminál a příkazový řádek. Čísla jsou skutečná a svědčí ve prospěch OpenAI:

V terminálových a bash pracovních postupech je GPT-5.6 Sol skutečně rychlejší a přesnější než Fable 5. Pokud vaše práce zahrnuje skripty, automatizaci prostředí, analýzu protokolů nebo příkazy v terminálu, pak ano, OpenAI zde Anthropic překonala. Je fér to uznat a nesnažit se to zamlčovat ve prospěch „naší“ strany.

Problém titulků spočívá jinde. „Dohnala ji v Terminal-Bench“ se nenápadně mění na „dohnala ji ve všem“. To jednoduše není pravda.

Co dokládá zveřejněná tabulka SWE-Bench Pro?#

Terminal-Bench testuje práci v terminálu. SWE-Bench Pro naproti tomu ověřuje to, co vibe codeři dělají každý den: vezmou skutečný projekt se spletitým kódem, najdou aktuální chybu a opraví ji, aniž by něco poblíž rozbili. To je blíž skutečné práci než spouštění příkazů v terminálu.

Poslední řádek obsahuje chybějící důkaz, nikoli nízké skóre. Neurčuje vítěze ani důvod vynechání. Porovnávejte číselné výsledky stejného benchmarku a sestavy a nezměřené porovnání ověřte projektovým pilotem.

Anthropic k tomu přistupuje z jiného úhlu a zdůrazňuje dlouhé úlohy:

Důkazy existují i mimo benchmarky. Podle společnosti Anthropic lidé ze Stripe uvedli, že Fable 5 zkrátila měsíce práce na dny: model dokončil migraci kódové základny Ruby o 50 milionů řádcích za jeden den — úkol, který by týmu zabral přes dva měsíce. Jde o případovou studii vybranou dodavatelem, nikoli kontrolované porovnání se Sol. Navrhuje vhodný testovaný úkol, sama relativní náskok nedokládá.

Kolik GPT-5.6 ve skutečnosti stojí ve srovnání s Claude Fable 5?#

Tabulka zachovává ceny při vydání pro srovnání, nikoli dnešní ceník. Před rozpočtem nového běhu ověřte současnou oficiální cenu. Cena je druhou polovinou poctivé debaty. Token je kousek textu, kterým model měří objem: čím delší je váš prompt a jeho odpověď, tím více tokenů použijete a tím více peněz vám odejde z účtu. Pro vibe codera jsou to skutečné peníze.

I nejvyšší varianta Sol stojí za výstup přibližně polovinu ceny Fable, zatímco Luna vyjde několikanásobně levněji. Pokud zpracováváte velké množství podobných úloh a rozdíl v kvalitě u nich není zásadní, GPT-5.6 vám může přinést výrazné úspory.

Cena za token ale není totéž co cena za výsledek. Pokud model úlohu dvakrát nezvládne, zaplatili jste třikrát: dvakrát za chybné pokusy a jednou za správný výsledek. U obtížné úlohy může přesnější model nakonec vyjít levněji, i když jeho tokeny stojí více. Levný běh, který je nutné opakovat, je nejdražší. Tuto skrytou matematiku jsem rozebral samostatně v průvodci skutečnými náklady vibe codingu.

Co je důležité pro vibe codera a co je marketing?#

Obě společnosti představují obraz, který jim vyhovuje. OpenAI vytahuje Terminal-Bench, kde vítězí, a říká „dohnali jsme ji“. Anthropic uvádí dlouhé migrace jako doklad schopností svého modelu. Příklady dodavatelů a oddělené benchmarky jsou užitečné vstupy, neurčují však jediné společné pořadí všech úkolů.

Z toho si můžete odnést následující:

1. Jeden test model nepopisuje. „Porazil ji v Terminal-Bench“ a „nejlepší na programování“ jsou různá tvrzení. Ověřte si, ke kterému benchmarku se titulek vztahuje.
2. Chybějící výsledky berte jako neznámé. Vynechané skóre neodhaluje výkon ani důvod vynechání. Místo přidělení pořadí hledejte srovnatelný zveřejněný běh nebo změřte vlastní úkol.
3. Důležitější než celkové pořadí je váš úkol. Model, který je v průměru první, může být v tom, co skutečně děláte, až třetí.

Ověřovat odvážná tvrzení ostatních je dovednost sama o sobě. Pokud ještě nevíte, jak kriticky číst výstup modelu, podívejte se na tento průvodce kontrolou kódu vytvořeného AI, i když sami nejste programátor.

GPT-5.6, nebo Claude Fable 5: který model si vybrat pro svůj úkol?#

Místo otázky „kdo celkově vyhrál“ je užitečnější tabulka „co použít na který úkol“:

Mnoho lidí nakonec používá obě možnosti a přepíná podle úkolu. Pokud se zaměřujete na opravy kódu a dlouhé úlohy v nástroji, který znáte, mám samostatný průvodce prací s Claude Fable 5 v Claude Code. Pokud vás láká ekosystém OpenAI, podívejte se, jak přejít na Codex. A pokud vás více zajímá otevřená a levnější alternativa k oběma, přečtěte si srovnání GLM-5.2 a Claude Code.

Proč model není hlavní páka efektivity#

Na svých projektech jsem vyzkoušel různé modely a všiml jsem si následujícího: u většiny úloh je rozdíl mezi „modelem na prvním místě“ a „modelem na třetím místě“ menší než rozdíl mezi „prázdným projektem“ a „projektem s dobře sestaveným kontextem“. Tentýž model produkuje z holého promptu nesmysly, ale se strukturou postavenou kolem business/ a CLAUDE.md poskytne funkční výsledek.

Proto je pro vibe codera závod za titulky typu „kdo koho dohnal“ druhořadý. Mnohem důležitější jsou tři věci, které fungují s kterýmkoli z těchto modelů:

Když tuto kombinaci vytvoříte, rozdíl mezi GPT-5.6 a Fable 5 přestane být rozhodující. Oba modely budou předvídatelnější, protože už nebudou pracovat ve vakuu.

Co udělat hned teď#

Praktický postup:

1. Vyberte jeden skutečný úkol

   Takový, který opravdu děláte: opravte chybu, vytvořte část produktu nebo napište skript. Ukázkové úlohy nevypovídají o skutečnosti.

2. Spusťte jej na obou modelech

   Použijte stejné zadání v GPT-5.6 i Claude Fable 5. Porovnejte nejen výsledek, ale také počet pokusů.

3. Spočítejte náklady na jeden výsledek

   Spočítejte celkové náklady: vše, co bylo potřeba k dosažení funkčního výsledku. Cena za token může být zavádějící.

4. Sestavte kontext projektu

   CLAUDE.md a složka business/ zlepší kvalitu více než přechod na jiný model.

Modely se budou dál vzájemně předhánět a každá změna náskoku bude označována za „epochální“. Nemusíte pokaždé honit nejnovější model; vítězí ten, kdo má dobře sestavený pracovní postup. Proto stojí za to investovat právě do něj.

Celá debata o modelech se dá shrnout do jedné věci: bez dobře sestaveného kontextu je každý z nich nestálý. Další materiály o práci s nástroji najdete v dokumentaci Ailoot.