# GPT-5.6 и Claude Fable 5: где OpenAI догнала Anthropic > Сравнение GPT-5.6 и Claude Fable 5 по границам тестов, опубликованным и отсутствующим оценкам, ценам периода запуска и проверке на своей задаче программирования. Source: https://ailoot.ai/blog/ru/gpt-5-6-vs-claude-fable-5/ Canonical: https://ailoot.ai/blog/ru/gpt-5-6-vs-claude-fable-5/ Language: ru Publisher: Ailoot (https://ailoot.ai/) Translation: guide-107 Revision: sha256-48a1b84be8fb4fb2e20e6d90e6b48ed187f5caae5f890944b0904475a0932fb5
Коротко о главном 9 июля 2026 года OpenAI открыла GPT-5.6 для всех и заявила, что сравнялась с Claude Fable 5. Картина неоднозначна: в терминальных задачах GPT-5.6 Sol показала результат выше Fable и обходится дешевле. При этом у Fable 5 опубликован результат SWE-Bench Pro, а значение Sol на запуске в таблице отсутствует. Отсутствующее значение не позволяет напрямую ранжировать их в этом тесте. Универсального победителя нет — выбор зависит от задачи.
Дополнительные рекомендации по настройке инструментов собраны в [документации Ailoot](https://ailoot.ai/docs/).
[Открыть руководства Ailoot](https://ailoot.ai/docs/)
## Что произошло: GPT-5.6 и Claude Fable 5 за пять минут
Коротко о главном Anthropic представила Claude Fable 5 в июне, временно сняла модель с доступа из-за экспортных ограничений, а 1 июля вернула её для пользователей по всему миру. 9 июля OpenAI выпустила GPT-5.6 в вариантах Sol, Terra и Luna. В некоторых опубликованных замерах результаты GPT-5.6 выше, чем у Fable. Так возникли заголовки о том, что OpenAI «догнала» Anthropic.
За несколько недель вышли две крупные модели. Claude Fable 5, самая мощная широко доступная модель Anthropic, была представлена 9 июня, затем временно стала недоступна из-за экспортных ограничений и 1 июля 2026 года вернулась для пользователей по всему миру. GPT-5.6 от OpenAI сначала стала доступна партнёрам в предварительном режиме 26 июня, а 9 июля — всем. GPT-5.6 предлагается в трёх вариантах для разных задач и бюджетов: - **Sol** (а также Sol Ultra) — наиболее мощный вариант, ориентированный на кибербезопасность, работу в терминале и продолжительные сессии в Codex. - **Terra** — промежуточный вариант для повседневной работы. - **Luna** — наиболее доступный вариант для большого объёма и простых задач. Claude Fable 5 представлена одной моделью. Существует также закрытая Mythos 5 на том же движке, но без ограничивающих фильтров; доступ к ней предоставляется только в рамках государственной программы США по кибербезопасности. Для обычной разработки Mythos недоступна, поэтому далее речь пойдёт о Fable 5 и линейке GPT-5.6. ## Что означает «догнала»: в каких тестах GPT-5.6 обошла Fable 5?
Коротко о главном Заголовки о том, что OpenAI «догнала», появились после сравнения в Terminal-Bench — наборе заданий на управление терминалом и выполнение команд bash. GPT-5.6 Sol получила 88.8%, Sol Ultra — 91.9%, а Fable 5 — 83.4%. В этом тесте OpenAI действительно впереди, и её API стоит дешевле. Однако такой результат отражает только работу в терминале; исправление реального кода проверяют по-другому.
Поводом для громких заголовков стал Terminal-Bench 2.1 — набор заданий, в которых модель взаимодействует с терминалом и командной строкой. Опубликованные значения говорят в пользу OpenAI: | Модель | Terminal-Bench 2.1 | |----------------------|--------------------| | GPT-5.6 Sol Ultra | 91.9% | | GPT-5.6 Sol | 88.8% | | GPT-5.5 | 88.0% | | GPT-5.6 Terra / Luna | 84.3% | | Claude Fable 5 | 83.4% | | Claude Opus 4.8 | 78.9% | В терминальных сценариях и задачах с bash GPT-5.6 Sol действительно показала результат выше Fable 5. Если ваша работа связана со скриптами, настройкой окружения, разбором журналов и командами в терминале, здесь преимущество у OpenAI. Проблема в том, что утверждение «обошла в Terminal-Bench» легко превращают в «обошла во всём». Из результатов этого теста такой вывод не следует. ## Что устанавливает опубликованная таблица SWE-Bench Pro?
Коротко о главном Таблица сообщает 80,3% Fable 5 в SWE-Bench Pro — тесте исправления ошибок репозиториев. Значение Sol на запуске отсутствует. Fable лидирует среди моделей с числовым результатом здесь, но таблица не устанавливает её превосходство над Sol.
Terminal-Bench измеряет умение выполнять работу в терминале. SWE-Bench Pro проверяет другую задачу: модель должна разобраться в существующем проекте со сложным кодом, найти ошибку и исправить её, не повредив соседние части программы. Такой сценарий ближе к повседневной разработке, чем выполнение команд в терминале. | Модель | SWE-Bench Pro | |-----------------|----------------------------| | Claude Fable 5 | 80.3% | | Claude Opus 4.8 | 69.2% | | Grok 4.5 | 64.7% | | GPT-5.5 | 58.6% | | GPT-5.6 Sol | не опубликовано на запуске | Последняя строка означает отсутствие доказательства, а не низкую оценку. По ней нельзя определить победителя или причину пропуска. Сравнивайте числовые результаты одного теста и одинаковой настройки. Неизмеренное прямое сравнение проверяйте на своей задаче. Anthropic делает акцент на задачах, требующих длительной работы:

По мере увеличения продолжительности и сложности задания преимущество Fable 5 перед остальными нашими моделями становится заметнее.

— Anthropic, https://www.anthropic.com/news/claude-fable-5-mythos-5
Anthropic также приводит пример компании Stripe: по её сообщению, Fable 5 выполнила за день миграцию кодовой базы на Ruby объёмом 50 миллионов строк — работу, на которую команде потребовалось бы более двух месяцев. Это выбранный поставщиком пример, а не контролируемое сравнение с Sol. Он подсказывает задачу для проверки и сам по себе не устанавливает относительное преимущество. Сравнение моделей по общей мощности может заслонить другой важный фактор — контекст, который получает модель. Хорошо организованные материалы проекта в `business/` и инструкции в `CLAUDE.md` способны улучшить результаты даже модели среднего уровня по сравнению с сильной моделью, которой не предоставили полезных сведений о проекте.
[Открыть руководства Ailoot](https://ailoot.ai/docs/)
## Сколько стоят GPT-5.6 и Claude Fable 5?
Коротко о главном По историческим ставкам периода запуска использование Claude Fable 5 через API стоит \$10 за миллион входных токенов и \$50 за миллион выходных. GPT-5.6 дешевле во всех вариантах: Sol — \$5 и \$30, Terra — \$2.50 и \$15, Luna — \$1 и \$6 соответственно. Для ресурсоёмких задач через API GPT-5.6 может обойтись заметно дешевле, особенно в младших вариантах.
Таблица сохраняет цены периода запуска для сравнения, а не текущие тарифы. До бюджета нового запуска проверьте официальную цену. Затем оцените вход и выход: токен — единица объёма текста, а длина запроса и ответа влияет на счёт. | Модель | Вход (\$/млн) | Выход (\$/млн) | |----------------|---------------|----------------| | Claude Fable 5 | \$10 | \$50 | | GPT-5.6 Sol | \$5 | \$30 | | GPT-5.6 Terra | \$2.50 | \$15 | | GPT-5.6 Luna | \$1 | \$6 | Даже самый мощный вариант Sol примерно вдвое дешевле Fable по выходным токенам, а Luna стоит значительно меньше. При большом объёме однотипных задач и небольшой разнице в качестве GPT-5.6 может заметно сократить расходы. Но цена одного токена не равна стоимости готового результата. Если модель дважды неверно поняла задачу, а затем справилась, вы оплатили три попытки. На сложной работе более точная модель может оказаться выгоднее, даже если её токены дороже. Дешёвый запуск, после которого задачу приходится переделывать, в итоге обходится дороже. Этот аспект подробно рассмотрен в [руководстве о реальной стоимости вайб-кодинга](https://ailoot.ai/blog/ru/vibe-coding-cost-time/). ## Что важно для вайб-кодинга, а что относится к маркетингу?
Коротко о главном «Догнала» без конкретного теста — маркетинговое обобщение. Важны границы доказательств: терминальные результаты в пользу GPT-5.6, а у Fable опубликованы исправление репозиториев и примеры поставщика. Отсутствующий результат Sol оставляет прямое сравнение исправления кода открытым.
OpenAI ссылается на сильный результат Terminal-Bench. Anthropic приводит длительные миграции как свидетельство возможностей своей модели. Примеры поставщика и разные бенчмарки полезны, но не устанавливают общего рейтинга по всем задачам. Что стоит учитывать: 1. **Один тест не характеризует модель целиком.** Результат в Terminal-Bench и утверждение о лучшей модели для программирования — не одно и то же. Проверяйте, какой именно замер стоит за заявлением. 2. **Считайте отсутствующий результат неизвестным.** Он не раскрывает качество и причину пропуска. Найдите сопоставимый опубликованный запуск или измерьте свою задачу вместо назначения места. 3. **Важнее всего соответствие вашей задаче.** Модель, занимающая первое место в общем рейтинге, может уступить другим в конкретном рабочем сценарии. Умение критически оценивать громкие заявления полезно и при работе с результатами ИИ. В [руководстве о проверке кода, созданного ИИ, для тех, кто не программирует](https://ailoot.ai/blog/ru/check-ai-generated-code/) описан практический подход. ## GPT-5.6 или Claude Fable 5: что выбрать для своей задачи?
Коротко о главном Используйте таблицу как гипотезы для проб: Sol для терминала, Fable для исправления репозиториев и длительных задач, Terra или Luna — для недорогой повторяемой работы. Рекомендация не доказывает победу в прямом сравнении. До переключения сопоставьте принятые результаты и полную цену своей задачи.
Вместо общего вопроса «кто победил?» полезнее сопоставить модели с конкретными сценариями: | Ваша задача | Кандидат для проверки | Основание для пробы | |----|----|----| | Терминал, скрипты, настройка окружения | GPT-5.6 Sol | Лидер по Terminal-Bench, дешевле Fable | | Кибербезопасность, анализ уязвимостей | GPT-5.6 Sol | OpenAI заявляет, что это её самый сильный вариант для таких задач | | Исправление ошибок в действующем проекте | Claude Fable 5 в сравнении с Sol | Опубликовано 80,3%; значение Sol в таблице отсутствует | | Длительная агентная задача, масштабная миграция | Claude Fable 5 в сравнении с Sol | Пример поставщика подсказывает пробу, а не доказывает прямое преимущество | | Большой объём простых однотипных задач при ограниченном бюджете | GPT-5.6 Terra / Luna | Значительно дешевле, а возможностей может быть достаточно | | Сложная архитектура нового продукта | Сравнить Fable 5 и Sol | Таблица не измеряет вашу архитектурную задачу | Многие используют обе модели и выбирают между ними в зависимости от работы. Для исправления кода и длительных задач в привычной среде можно обратиться к [руководству по работе с Claude Fable 5 в Claude Code](https://ailoot.ai/blog/ru/claude-fable-5/). Тем, кому ближе инструменты OpenAI, пригодится [руководство по переходу на Codex](https://ailoot.ai/blog/ru/migrate-claude-code-to-codex/). Ещё один материал посвящён [GLM-5.2 и Claude Code](https://ailoot.ai/blog/ru/glm-5-2-vs-claude-code/). ## Почему выбор модели — не главный фактор эффективности
Коротко о главном Спор о том, что выбрать — GPT-5.6 или Fable 5, — может отвлекать от качества контекста. Результат зависит и от того, какие сведения и инструкции предоставлены модели. Без контекста даже сильная модель может ошибаться; с хорошо подготовленными материалами проекта модель среднего уровня способна работать стабильнее. Модель задаёт возможности, а контекст помогает применить их к задаче.
Сравнивая разные модели на проектах, можно заметить, что разница между лидером рейтинга и моделью, занимающей третье место, нередко меньше, чем разрыв между пустым проектом и проектом с подготовленным контекстом. Один и тот же инструмент может дать слабый ответ на краткий запрос и полезный результат, если ему предоставить структуру `business/` и инструкции из `CLAUDE.md`. Поэтому новости о том, кто кого догнал, имеют второстепенное значение. Для любой из этих моделей полезны три практических подхода: - **Модель, настроенная под ваш стиль работы**: предоставьте примеры и правила, чтобы она могла следовать вашему способу рассуждения, а не только угадывать ожидания. - **Структурированная база знаний**: храните в `business/` связанные сведения о проекте, к которым модель сможет обращаться при каждом запросе. - **Управление контекстом**: заранее определяйте, какие материалы и инструкции нужны модели для конкретной задачи. Если подготовить такую основу, различия между GPT-5.6 и Fable 5 могут стать менее значимыми: обе модели получают нужные сведения и работают не в пустоте. ## Что сделать прямо сейчас
Коротко о главном Не выбирайте новую модель только по заголовкам. Возьмите одну настоящую задачу, выполните её с помощью GPT-5.6 и Claude Fable 5, а затем сравните результат и расходы на своём примере. Одновременно подготовьте контекст проекта: это может оказаться полезнее спора о рейтингах. После этого выбирайте, исходя из полученных результатов.
Практические шаги: 1. ### Выберите задачу из своей работы Например, исправление ошибки, создание раздела продукта или написание сценария. На учебных примерах сложно оценить результат для повседневной работы. 2. ### Попробуйте обе модели Используйте один и тот же запрос для GPT-5.6 и Claude Fable 5. Сравните качество ответа и количество попыток, потребовавшихся для завершения задачи. 3. ### Оцените расходы на готовый результат Учитывайте все затраты на доведение задачи до рабочего состояния. Цена токена сама по себе не показывает итоговую стоимость. 4. ### Подготовьте контекст проекта Инструкции в `CLAUDE.md` и материалы в `business/` могут повлиять на качество сильнее, чем переход с одной модели на другую. Модели ещё не раз будут обходить друг друга в отдельных тестах, и каждое такое сравнение может звучать как переломный момент. Нет необходимости каждый раз переходить на новейшую модель: преимущество даёт хорошо организованный рабочий процесс. Начните с его настройки.
### Официальные источники - [OpenAI — выпуск GPT-5.6 9 июля 2026 года](https://openai.com/index/gpt-5-6/) — первичный источник заявлений модели и тестов; сравнивайте одинаковые тест и настройки, не отсутствующий балл - [OpenAI — предварительный GPT-5.6 26 июня 2026 года](https://openai.com/index/previewing-gpt-5-6-sol/) — исторические цены API; таблица не является текущим предложением - [Anthropic — анонс Claude Fable 5 и Mythos 5](https://www.anthropic.com/news/claude-fable-5-mythos-5) - [Документация Claude Platform — представление Claude Fable 5 и Mythos 5](https://platform.claude.com/docs/en/about-claude/models/introducing-claude-fable-5-and-claude-mythos-5)
На результаты работы влияет не только модель, но и подготовленный контекст. Практические рекомендации по настройке инструментов можно найти в [документации Ailoot](https://ailoot.ai/docs/).
[Перейти к руководствам Ailoot](https://ailoot.ai/docs/)
[Перейти на сайт Ailoot](https://ailoot.ai/)
## Вопросы и ответы ### Доказывает ли отсутствие SWE-Bench Pro Sol преимущество Fable в исправлении кода? Нет. У Fable опубликован балл, у Sol запись отсутствует. Это утверждение о доступных доказательствах, а не прямой рейтинг или установленная причина пропуска. ### Как проверить рекомендацию на своём проекте? Используйте одну реальную задачу, исходное состояние, запрос и критерии приёмки для обеих моделей. Считайте все попытки и стоимость, сравнивайте рабочие результаты. Пример поставщика или терминальный бенчмарк — только начальная гипотеза. ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.