GPT-5.6 vs. Claude Fable 5: felzárkózott az OpenAI az Anthropichoz 2026-ban?

Az eszközök konfigurálásáról további anyagok az Ailoot dokumentációjában találhatók.

Mi történt valójában: GPT-5.6 és Claude Fable 5 öt percben#

Két nagy kiadás jelent meg néhány héten belül. A Claude Fable 5-öt, az Anthropic legerősebb, széles körben elérhető modelljét június 9-én mutatták be, majd exportkorlátozások miatt ideiglenesen visszavonták, és 2026. július 1-jén világszerte újra elérhetővé tették. Az OpenAI GPT-5.6-ja június 26-án partneri előzetesbe került, július 9-én pedig mindenki számára elérhetővé vált.

A GPT-5.6 három változatban érhető el, eltérő költségkeretekhez és feladatokhoz:

• Sol (és Sol Ultra) a legerősebb; kiberbiztonságra, terminálmunkára és hosszú Codex-menetekre tervezték.
• Terra a középkategóriás változat, a mindennapi „alapértelmezett” igásló.
• Luna a legolcsóbb, nagy mennyiségű és egyszerű feladatokhoz.

A Claude Fable 5 egyetlen modell, ilyen választéka nincs; zárt megfelelője a Mythos 5 (ugyanaz a motor, de korlátozó szűrők nélkül; hozzáférés kizárólag az amerikai kormány kiberbiztonsági programján keresztül érhető el). A Mythos nem érhető el vibe coderek számára, ezért innentől a Fable 5-öt a GPT-5.6 termékcsaládjával hasonlítom össze.

Mit jelent a „felzárkózott”: mely tesztekben múlta felül a GPT-5.6 a Fable 5-öt?#

A címek egy Terminal-Bench 2.1 összehasonlításból erednek: ez olyan feladatok gyűjteménye, amelyekben a modell terminált és parancssort kezel. A számok valósak, és az OpenAI-nak kedveznek:

Terminál- és bashmunkafolyamatokban a GPT-5.6 Sol valóban gyorsabb és pontosabb a Fable 5-nél. Ha a munkád szkripteket, környezet-automatizálást, naplóelemzést vagy terminálparancsokat foglal magában, akkor igen, az OpenAI itt felülmúlta az Anthropicot. Ezt méltányos elismerni, anélkül, hogy megpróbálnánk elsimítani a „mi” oldalunk javára.

A címek problémája máshol rejlik. A „felzárkózott a Terminal-Benchben” észrevétlenül „mindenben felzárkózott”-tá válik. Ez egyszerűen nem igaz.

Mit igazol a közzétett SWE-Bench Pro-táblázat?#

A Terminal-Bench a terminálmunkát teszteli. A SWE-Bench Pro ezzel szemben azt vizsgálja, amit a vibe coderek nap mint nap csinálnak: egy kusza kódú valódi projektben megtalálni egy fennálló hibát, majd kijavítani úgy, hogy közben a környező részek ne romoljanak el. Ez közelebb áll a valódi munkához, mint a terminálparancsok futtatása.

Nézd meg az utolsó sort: a hiányzó eredmény hiányzó bizonyíték, nem alacsony pontszám. Sem a győztest, sem a kihagyás okát nem igazolja. Csak azonos benchmark és beállítás számszerű eredményeit hasonlítsd össze, a nem mért összevetést pedig saját projektpróbával vizsgáld.

Az Anthropic más szemszögből közelíti meg a kérdést, és a hosszú feladatokat hangsúlyozza:

A benchmarkokon kívül is vannak bizonyítékok. Az Anthropic szerint a Stripe-nál dolgozók azt mondták, hogy a Fable 5 hónapok munkáját sűrítette napokba: a modell egy nap alatt elvégezte egy 50-million-line Ruby-kódbázis migrációját – ez a feladat a csapatnak több mint két hónapjába került volna. Ez a szolgáltató által kiválasztott esettanulmány, nem kontrollált összehasonlítás a Sollal. Tesztelésre érdemes feladatot sugall, de önmagában nem igazol relatív előnyt.

Mennyibe kerül valójában a GPT-5.6 a Claude Fable 5-höz képest?#

Az ártáblázat az összehasonlításhoz a bevezetéskori értékeket őrzi, nem a mai árazást. Új futás költségtervezése előtt ellenőrizd az aktuális hivatalos árat. Az ár egy őszinte beszélgetés másik fele. A token olyan szövegrész, amellyel a modell a mennyiséget méri: minél hosszabb a promptod és a válasza, annál több tokent használsz el, és annál több pénz kerül levonásra a számládról. Egy vibe coder számára ez valódi pénz.

Még a felső kategóriás Sol kimeneti díja is nagyjából fele a Fable-ének, a Luna pedig többszörösen olcsóbb. Ha sok hasonló feladatot futtatsz, és ezeknél nem kritikus a minőségi különbség, a GPT-5.6 jelentős megtakarítást hozhat.

A tokenenkénti ár azonban nem ugyanaz, mint az eredmény ára. Ha egy modell kétszer nem oldja meg a feladatot, háromszor fizettél: kétszer a hibás próbálkozásokért, egyszer pedig a helyesért. Egy nehéz feladatnál a pontosabb modell végül olcsóbb lehet, még akkor is, ha a tokenjei többe kerülnek. A legdrágább az az olcsó futás, amelyet újra kell csinálni. Ezt a rejtett számítást külön tárgyaltam a vibe coding valódi költségéről szóló útmutatóban.

Mi számít egy vibe codernek, és mi marketing?#

Mindkét vállalat a számára kedvező képet mutatja be. Az OpenAI a Terminal-Benchre hivatkozik, ahol nyer, és azt mondja: „felzárkóztunk”. Az Anthropic a hosszú migrációkat a modellje képességeinek bizonyítékaként mutatja be. A gyártói példák és külön benchmarkok hasznos bemenetek, de nem hoznak létre egyetlen közös rangsort minden feladatra.

Ezt érdemes levonni a történtekből:

1. Egyetlen teszt nem ír le egy modellt. A „legyőzte a Terminal-Benchben” és a „legjobb kódoláshoz” két különböző állítás. Nézd meg pontosan, melyik benchmarkra utal egy cím.
2. A hiányzó eredményt kezeld ismeretlenként. A kihagyott pontszám nem árulja el sem a teljesítményt, sem a kihagyás okát. Rangsorolás helyett keress összehasonlítható, közzétett futást, vagy mérd meg a saját feladatodat.
3. A feladatod fontosabb az összesített rangsornál. Az átlagban első helyen álló modell a te tényleges munkádnál lehet, hogy csak a harmadik.

Mások merész állításainak ellenőrzése önálló készség. Ha még nem tudod, hogyan olvasd kritikusan a modellkimenetet, nézd meg ezt az útmutatót arról, hogyan ellenőrizd a mesterséges intelligenciával generált kódot akkor is, ha nem vagy programozó.

GPT-5.6 vagy Claude Fable 5: melyiket válaszd a feladatodhoz?#

A „ki nyert összességében?” kérdés helyett hasznosabb egy táblázat arról, hogy „melyik feladathoz mit használj”:

Sokan végül mindkét lehetőséget kéznél tartják, és a feladat alapján váltanak. Ha kifejezetten kódjavításhoz és hosszú feladatokhoz keresel valamit egy ismerős eszközben, külön útmutatót írtam a Claude Fable 5 használatáról a Claude Code-ban. Ha az OpenAI ökoszisztémája vonz, nézd meg, hogyan válthatsz Codexre. Ha pedig inkább a kettőnél olcsóbb, nyílt alternatívát keresed, nézd meg a GLM-5.2 és a Claude Code összehasonlítását.

Miért nem a modell a hatékonyság fő mozgatórugója?#

Különböző modelleket próbáltam ki a projektjeimben, és ezt vettem észre: a legtöbb feladatomnál kisebb a különbség „az első számú modell” és „a harmadik számú modell” között, mint „egy üres projekt” és „egy jól összeállított kontextusú projekt” között. Ugyanaz a modell egy csupasz promptból használhatatlan eredményt ad, a business/ és CLAUDE.md köré épített struktúrával viszont működő eredményt nyújt.

Ezért a „ki kinek zárkózott fel” címek mögötti verseny másodlagos egy vibe coder számára. Három dolog sokkal fontosabb, és bármelyik modellel működik:

Építsd fel ezt a kombinációt, és a GPT-5.6 és a Fable 5 közötti különbség többé nem lesz döntő. Mindkettő kiszámíthatóbbá válik, mert többé nem légüres térben dolgoznak.

Mit tegyél most?#

Gyakorlati teendősorrend:

1. Válassz ki egy valódi feladatot

   Olyat, amit tényleg elvégzel: hibát javítasz, felépítesz egy termékrészt vagy írsz egy szkriptet. A játékpéldák nem reprezentatívak.

2. Futtasd le mindkét modellen

   Használd ugyanazt a promptot a GPT-5.6-on és a Claude Fable 5-ön. Ne csak az eredményt hasonlítsd össze, hanem azt is, hány próbálkozás kellett hozzá.

3. Számítsd ki az eredményenkénti költséget

   A teljes költséget számítsd ki: mindent, ami a feladat működő eredményéhez kellett. A tokenenkénti ár itt félrevezető lehet.

4. Állítsd össze a projektkontextusodat

   A CLAUDE.md és a business/ mappa jobban javítja a minőséget, mint a modellváltás.

A modellek továbbra is le fogják hagyni egymást, és minden előnyváltást „korszakalkotóként” tálalnak majd. Nem kell minden alkalommal a legújabb modellt hajszolnod; az a győztes, amelyikhez jól összeállított munkafolyamat tartozik. Érdemes inkább ebbe fektetni.

A modellekről szóló egész vita egy dologra vezethető vissza: jól összeállított kontextus nélkül mindegyikük megbízhatatlan. Az eszközökkel kapcsolatos további anyagokért lásd az Ailoot dokumentációját.