Осень 2026 года выдалась самой плотной за всю историю этой гонки. 1 сентября Anthropic выпустила Claude Fable 5.1, третьего OpenAI показала GPT-6 Astra. Десятого сентября без всякой презентации появилась DeepSeek V4.1 Flash, двадцать первого вышла Grok 4.7 от xAI, а двадцать второго за один день сразу три модели: Claude Opus 5.5, GPT-6 Sol и GPT-6 Luna. Двадцать восьмого добавился Claude Sonnet 5.5, двадцать девятого — GPT-6.1 Sol. Анонсированный GPT-6.1 Astra так и не вышел.

Дальше разбираем, что реально поменялось за последнюю неделю, каким цифрам стоит верить и как выбрать модель под свою задачу.

Что изменилось за последнюю неделю

Claude Sonnet 5.5 стоит как GPT-6 Sol, но обходит Opus 5.5 на Terminal-Bench 4.0 и занимает второе место в независимом индексе Artificial Analysis. Задача на нём при этом выходит дороже, чем у Opus: сказывается многословие модели.

GPT-6.1 Sol сохранил прежнюю цену, зато кэш стал вдвое дешевле. Результат почти как у Astra, плюс 4 балла к GPT-6 Sol в индексе. Цена одной задачи упала с $1,06 до 72 центов.

Отдельная новость — отказ OpenAI от релиза GPT-6.1 Astra. Причина: проблемы на внутренних испытаниях безопасности. Флагманом OpenAI остаётся версия 6.0.

Появился тариф Ultrafast: вшестеро дороже обычного, до 300 токенов в секунду, пока только для Astra.

Grok 4.7 ускорилась с 40 до 79 токенов/сек, цена задачи не изменилась. xAI добавила ступени подписки от $10 до $300 в месяц, но новой модели в приложении нет.

DeepSeek V4.1 Flash обошла V4 Pro в независимом индексе. V4 Pro продолжает работать по прежним ценам.

Ещё неделю назад выгоднейшей средней моделью был GPT-6 Sol, а Sonnet 5.5 просто не существовала.

Чему верить в цифрах

Производители публикуют таблицы с выгодными для себя тестами: выбирают тесты, уровень рассуждения, свою обвязку. Один и тот же тест в разных обвязках даёт разные числа. Terminal-Bench 4.0 для Grok 4.7 показывает 37,6 % у xAI и 33 % у Artificial Analysis. Сравнивать по таблицам разных компаний можно только грубо.

Независимые замеры Artificial Analysis ставят всех в одинаковые условия. Индекс Artificial Analysis сворачивает десять тестов в одно число. Там же измеряют скорость вывода, время до первого токена, число выходных токенов и цену одной задачи.

Слабость индекса в том, что это средняя по больнице. Модель в узкой нише может проигрывать в индексе, оставаясь лучшей именно на вашей задаче.

Прямые сравнения надёжнее: одно задание, засечка времени, подсчёт долларов, оценка результата. Правда, выборка крошечная. Три задания или один «Тетрис» — это иллюстрация, а не статистика.

Пересказам верить не стоит. Агрегаторы за сутки выдают десятки статей, расхождения значений индекса доходят до 15 баллов, а цена GPT-6.1 Sol «десять центов» встречается только в пересказах и отсутствует в прейскуранте. Сверяйтесь с первоисточниками: анонсами, прейскурантами, страницами Artificial Analysis.

Ещё один нюанс: уровень рассуждения задаётся ступенями low–max. У Opus 5.5 разница между low и max — 16 баллов в индексе и 11 раз по цене задачи. Сравнивать модели честно можно только на самом высоком измеренном уровне.

Claude Opus 5.5: дешевле прошлого флагмана

Opus 5.5 вышел 22 сентября и стал флагманом семейства Claude 5.5. Позиция Anthropic: уровень Fable 5.1 на большинстве задач.

Модель дешевле прошлого Opus 5 на 40 %: вход $4, выход $20, чтение из кэша $0,20. У Opus 5 было $5 и $25.

Быстрый режим стоит $8 и $40, то есть двойную цену, и ускоряет работу до 2,5 раза. Доступен только в API Anthropic и Claude Code, у облачных партнёров его нет.

Окно контекста — миллион токенов, ответ — до 128 тысяч токенов. Глубина рассуждения — пять ступеней, по умолчанию medium, на ступень ниже Opus 5. Отключить рассуждение нельзя, минимум low. На максимальном уровне индекс Artificial Analysis показывает 58 баллов: первое место из 224 измеренных моделей.

Условия данных

Все цифры на 3 октября 2026. Цены указаны в долларах за миллион токенов. Миллион токенов примерно равен 700 тысячам английских слов. Русского текста в этом объёме меньше: кириллица режется мельче.

Что делать с этим списком

Если вы выбираете модель под свою задачу, начните с прямого теста на своих примерах. Индекс и таблицы производителей дают только ориентир, а ступень рассуждения и обвязка меняют картину сильнее, чем смена версии. Для длинных сессий считайте цену задачи, а не цену токена: разница в многословии перекрывает любую экономию на входе.

Хотите разобраться, как сравнивать модели конкретно из России, как проверить их на своих задачах и сколько стоит месяц работы агента на API против подписки? Это уже в полной версии.