GPT-5.6 против Grok 4.5 против Fable 5: одна хаотичная неделя перекраивает карту ИИ

Семейство GPT-5.6 от OpenAI становится общедоступным в четверг, завершая девятидневный период, который принес Grok 4.5 от SpaceXAI и возвращение Claude Fable 5 от Anthropic, с ценами от 1 $ до 50 $ за миллион токенов.

Ключевые моменты:

Неделя запуска GPT-5.6

OpenAI анонсировала серию GPT-5.6 26 июня и провела ее ограниченный предварительный просмотр в координации с правительством США перед публичным выпуском на этой неделе. Sol, флагманская модель, стоит 5 $ за миллион входных токенов и 30 $ за выходные, тогда как Terra обходится в 2,50 $ и 15 $. Luna, самый быстрый уровень, стоит 1 $ и 6 $.

SpaceXAI опередила этот дебют на один день. Компания отправила Grok 4.5 разработчикам в среду, а общественности — в четверг по цене 2 $ за миллион входных токенов и 6 $ за выходные. Илон Маск охарактеризовал ее как «модель класса Opus, но более быструю, более эффективную по токенам и менее дорогую».

Anthropic восстановила доступ к Claude Fable 5 по всему миру 1 июля после того, как Вашингтон снял экспортные ограничения, введенные 12 июня, завершив трехстороннюю гонку.

Модель стоит 10 $ за миллион входных токенов и 50 $ за выходные, что является самой высокой ставкой среди трех.

Также читайте: Момент ETF для Solana становится все труднее игнорировать после новой заявки Bitwise

Лидерство Fable 5 в бенчмарках

Данные поставщиков показывают, что Fable 5 лидирует в самых сложных тестах по кодированию, набрав 80,4% в SWE-Bench Pro против 64,7% у Grok 4.5 и 58,6% у GPT-5.5, модели, которую заменяет GPT-5.6. Разрыв сокращается в Terminal-Bench 2.1, где все три предыдущие флагманские модели оказались примерно в одном балле друг от друга. GPT-5.6 меняет эту картину: OpenAI сообщает, что Sol показывает 91,9% в том же терминальном тесте благодаря новому ультра-режиму, который распределяет работу между параллельными субагентами.

Более полный набор бенчмарков обещан к моменту общего доступа.

Независимое тестирование строит конкуренцию вокруг стоимости, при этом Artificial Analysis ставит Grok 4.5 на четвертое место из 168 моделей в своем Индексе интеллекта, позади Fable 5, GPT-5.5 и Claude Opus 4.8. Однако выполненная агентная задача по кодированию стоит 2,49 $ в Grok против 11,80 $ для Fable 5, работающей внутри Claude Code, — разрыв достаточно велик, чтобы изменить решения о покупке. Те же тестировщики отметили растущий уровень галлюцинаций, который подскочил с 25% до 54% по одному из показателей знаний, поскольку модель становилась более уверенной в своих ошибках.

Вердикты экспертов о Grok 4.5

Генеральный директор Cursor Майкл Труэлл, чья компания помогала обучать Grok 4.5, написал, что модель «стала основным инструментом для многих в нашей команде». Маск внутренне оценил ее как примерно сопоставимую с Opus 4.7, только более быструю, хотя рецензенты отметили, что оба одобрения исходят от сторон, имеющих прямую заинтересованность в запуске.

Аналитики все чаще описывают рынок маршрутизации, а не одного победителя, где дешевые уровни, такие как Luna и Grok 4.5, поглощают основную массу работы, в то время как Fable 5 решает проблемы, которые не под силу другим. Режим субагентов Sol ориентирован на длинные терминальные сеансы между ними.

Вашингтон тем временем теперь формирует график выпусков, поскольку и GPT-5.6, и Fable 5 прошли государственную проверку перед выходом к пользователям.

Собственный июньский путь Fable 5 показывает, что стоит на кону, когда в дело вступают регуляторы. Anthropic запустила модель 9 июня, и исследователи Amazon сообщили о взломе, выявившем уязвимости программного обеспечения, что привело к введению экспортных ограничений тремя днями позже. Затем модель провела 19 дней в офлайне, прежде чем вернуться с классификатором, который блокирует сообщенную технику более чем в 99% случаев.

Читать далее: Grok 4.5 бросает вызов OpenAI и Anthropic с более дешевым агентным ИИ