Gemini 4 Neon, Claude Opus 5.5 или GPT-6.2 Sol: что на самом деле показывают бенчмарки
Таблица Google по Neon, Opus 5.5 и GPT-6.2 Sol со всеми условиями запуска, независимые данные о стоимости, скорости и галлюцинациях, официальные цены, доступность и выбор под задачу.
В собственной таблице Google из 19 строк Gemini 4 Neon лидирует в 16, Claude Opus 5.5 — в двух (Terminal-Bench 4.1 и FrontierCode 2.0), GPT-6.2 Sol — в одной (Chartography). Независимые данные Artificial Analysis подтверждают, что у Neon самый высокий Intelligence Index из трёх (61 против 59 и 57) и с большим отрывом самый низкий уровень галлюцинаций. Но они показывают и то, чего нет в таблице производителя: Sol выполнял те же задачи индекса примерно за $1,01 и 8,5 минуты на задачу, тогда как Neon — за $6,44 и 21,5 минуты, а Opus — за $10,04 и 24,5 минуты. На бумаге Neon — более сильный универсал. Opus сохраняет небольшое преимущество в строках Terminal-Bench 4.1 и FrontierCode 2.0 у Google, хотя в собственном прогоне Terminal-Bench 4.0 от AA он последний из трёх. Sol — дешёвый и быстрый вариант, который почти везде уступает несколько пунктов.
Что добавляет эта статья:
- таблицу сравнения Google, восстановленную с указанием харнесса, уровня рассуждений и источника данных для каждой строки по PDF с методикой оценки Google;
- данные Artificial Analysis, полученные 19 ноября 2026 года: индекс, стоимость и время на задачу, галлюцинации;
- официальные цены за токен от Google, Anthropic и OpenAI;
- точное описание того, где каждую модель можно вызвать сегодня;
- небольшой прогон Opus 5.5 и Sol через Ofox на трёх задачах по программированию.
Статью публикует Ofox, который перепродаёт доступ к Opus 5.5 и Sol. Neon в Ofox нет. Строки бенчмарков — результаты других сторон, не наши. Мы сами измеряли только то, что описано в разделе о нашем прогоне, и этот прогон носит иллюстративный характер. Модели он не ранжирует.
Таблица сравнения Google со всеми пометками
Карточка модели Gemini 4 Neon от Google (опубликована 18 ноября 2026 года) — единственный официальный источник, где эти три модели сравниваются напрямую. PDF с методикой важен не меньше самих результатов. В нём сказано, что Neon запускали «с максимальными настройками рассуждений, если не указано иное», то есть на xhigh. Для Opus 5.5 и GPT-6.2 Sol Google приводит результат при максимальной доступной настройке рассуждений, а если максимум не опубликован — лучший доступный результат. Если в строке не указано иное, числа конкурентов заявлены самими Anthropic и OpenAI. Google их не запускал.
| Категория | Бенчмарк (условия) | Neon | Opus 5.5 | GPT-6.2 Sol | Лидер строки | Кто получил числа |
|---|---|---|---|---|---|---|
| Индекс | AA Index v5.0.1 | 61 | 59 | 57 | Neon | Artificial Analysis |
| Индекс | Vals Index v2.2 | 70,9% | 70,1% | 66,1% | Neon | Vals AI |
| Агентное программирование | CursorBench 4.1 | 65,4% | 58,1% | — | Neon | Cursor |
| Агентное программирование | Terminal-Bench 4.1, точность с поправкой на читерство | 65,2% | 65,8% | 61,5% | Opus | Neon: Artificial Analysis с Antigravity-CLI 1.5.9; остальные: публичный лидерборд |
| Агентное программирование | FrontierCode 2.0, основной балл | 46,2% | 47,3% | 43,8% | Opus | Публичный лидерборд; Neon на high, а не xhigh |
| Агентное программирование | SWE-sweep, харнесс провайдера | 39,0% | 10,1% | 8,3% | Neon | Расчёт Google: Antigravity-CLI 1.5.9 / Claude Code / Codex |
| Агентное программирование | SWE-sweep, харнесс Mini-SWE | 12,8% | 3,6% | 11,6% | Neon | Расчёт Google, харнесс mini-swe-agent с поддержкой зрения |
| Интеллектуальная работа | AutomationBench | 56,3% | 42,5% | 41,3% | Neon | Публичный лидерборд |
| Интеллектуальная работа | Agents’ Last Exam v1.1 | 75,8% | 71,6% | 73,0% | Neon | Neon: Google, Antigravity-CLI 1.4.8, окно 5 часов; Sol: системная карточка OpenAI; Opus: лидерборд |
| Наука и математика | RiemannBench | 84,0% | 80,0% | 80,0% | Neon | Публичный лидерборд |
| Наука и математика | Terminal-Bench-Science 0.1 | 70,5% | 63,3% | 68,0% | Neon | Neon: Google, харнесс mini-swe-agent с поддержкой зрения, среднее по 5 попыткам; остальные: лидерборд |
| Рассуждение | HLE-Diamond | 71,3% | 67,9% | 64,0% | Neon | Artificial Analysis |
| Мультимодальность | MKA, Climb WSR | 56,5% | 53,0% | 52,7% | Neon | Artificial Analysis |
| Мультимодальность | Chartography | 73,5% | 66,3% | 75,1% | Sol | Neon и Sol: Google, без инструментов; Opus: системная карточка Anthropic |
| Мультимодальность | LVBench | 89,0% | 83,7% | 87,6% | Neon | Google; у моделей разный бюджет кадров |
| Длинный контекст | GraphWalks, 256k–1M BFS (F1) | 95,2% | 66,8% | 80,1% | Neon | Расчёт Google, 200 задач |
| Кибербезопасность | CWE-Bench v2 | 70,7% | 67,1% | 66,0% | Neon | Публичный лидерборд (Collinear) |
| Кибербезопасность | SEC-bench Pro | 90,5% | — | 88,3% | Neon | Neon: Google, харнесс Antigravity; Sol: отчёт OpenAI |
| Кибербезопасность | WebExploitBench v1.2 | 51,3% | 37,1% | — | Neon | Собственная оценка Google, подтверждена AgentCyberRange |
Источники: карточка модели Neon и методика оценки, обе проверены 19 ноября 2026 года. Прочерк означает, что Google не опубликовал число для этой модели. Прочерк — не ноль.
Где преимущество Neon реальное, а где минимальное
Несколько строк настолько близки, что другой прогон мог бы поменять порядок. Neon опережает Opus в Vals Index на 0,8 пункта и Sol в Agents’ Last Exam на 2,8 пункта. В Terminal-Bench 4.1 она уступает Opus всего 0,6 пункта. Разрывы меньше примерно двух пунктов в агентных бенчмарках укладываются в диапазон, который могут сдвинуть версии харнесса, повторные попытки и таймауты. При планировании считайте эти строки ничьей.
Самый большой отрыв у Neon в GraphWalks (95,2% против 80,1% у Sol и 66,8% у Opus), AutomationBench (около 14 пунктов), CursorBench (на 7,3 пункта выше Opus) и в строке SWE-sweep с харнессом провайдера. Последняя требует наибольшей осторожности.
Почему 39,0% в SWE-sweep — в основном заслуга харнесса
Google запускал SWE-sweep дважды. В строке с харнессом провайдера каждая модель работала в агенте своего производителя: Neon — в Antigravity-CLI, Opus — в Claude Code, Sol — в Codex. В методике Google отмечает, что публичный Antigravity-CLI по умолчанию включает инструмент субагентов, который распределяет работу по всей кодовой базе. По словам Google, он «особенно подходит для задач поиска багов, таких как SWE-sweep».
В этих условиях Neon набирает 39,0%, а в общем харнессе Mini-SWE — 12,8%. Opus падает с 10,1% в Claude Code до 3,6%. У Sol движение обратное: 8,3% в Codex и 11,6% в Mini-SWE. В самом анонсе сказано, что результат Neon в Antigravity «более чем утраивается». Значит, 39,0% измеряет работу Neon внутри агентного продукта Google. Это не доказывает, что сама модель в три–четыре раза сильнее конкурентов. В сопоставимой строке Mini-SWE Neon опережает Sol на 1,2 пункта.
Ещё две пометки меняют прочтение строк. FrontierCode оценивали с Neon на уровне по умолчанию high, а не xhigh. Terminal-Bench для всех трёх моделей приведён как точность с поправкой на читерство; подробнее эту поправку методика не определяет. В анонсе Google указано, что у Neon 0,0% читерства на Terminal-Bench 4.0. В строке LVBench модели к тому же получали разные входные данные: Gemini — 1 кадр в секунду в низком разрешении, Sol — 500 кадров, Opus — 600, каждый вариант выбран «из-за ограничений API».
Почему к таблицам производителей нужно относиться осторожно
- Набор для сравнения выбирал производитель. Google сравнил Neon с Opus 5.5 и GPT-6.2 Sol. В таблицу не попали Claude Fable 5.2 и GPT-6.2 Astra, которые стоят $8/$40 за миллион токенов и набирают больше в Artificial Analysis Intelligence Index (64,6 и 62,1 на максимальных настройках по данным на 19 ноября). Таблица показывает положение Neon среди моделей той же ценовой категории, но не её место на самом верху.
- В одном столбце смешаны разные источники. Часть ячеек — собственные прогоны Google, часть взята из системных карточек конкурентов, где использовались другое железо, другие промпты и другие даты.
- Настройки неодинаковы. Neon в большинстве строк запускали на
xhigh, конкурентов — на максимальной настройке, если она указана, а в FrontierCode Neon работал наhigh. - Бенчмарки выбирали после обучения. Таблица к запуску показывает те бенчмарки, которые производитель решил опубликовать, и не может показать те, что остались за кадром.
Это не делает таблицу неверной. Просто используйте её, чтобы решить, что тестировать, а не как окончательный ответ.
Что добавляют независимые данные: стоимость, время и галлюцинации
Artificial Analysis (AA) прогоняет все модели через один и тот же харнесс и публикует стоимость и время на задачу — в карточке модели этого нет. Мы прочитали страницы Neon, Opus 5.5 и GPT-6.2 Sol, а также оценку AA-Omniscience 19 ноября 2026 года, около 03:20 UTC. AA обновляет эти страницы, поэтому перед принятием решения проверьте их ещё раз.
| Метрика AA (старший вариант рассуждений) | Neon (xhigh) | Opus 5.5 (max) | GPT-6.2 Sol (max) |
|---|---|---|---|
| Intelligence Index v5.0.1 | 61,4 | 59,1 | 57,3 |
| Стоимость одной задачи Intelligence Index | $6,44 | $10,04 | $1,01 |
| Время на задачу | 21,5 мин | 24,5 мин | 8,5 мин |
| Выходные токены на задачу (рассуждения + ответ) | ~142k | ~173k | ~40k |
| Время до первого токена ответа | 56,5 с | 335,8 с | 75,1 с |
| Terminal-Bench 4.0 (прогон AA) | 63,6% | 59,6% | 60,1% |
| FrontierCode 2.0 (прогон AA) | 44,4% | 46,4% | 44,4% |
| Точность AA-Omniscience | 60,5% | 65,5% | 61,6% |
| Уровень галлюцинаций AA-Omniscience | 14,4% | 50,3% | 55,4% |
| Доля попыток ответа AA-Omniscience | 67,5% | 86,7% | 85,4% |
| HLE-Diamond | 71,3% | 67,9% | 64,0% |
Здесь три разные настройки: xhigh для Neon и max для двух других. На более низких настройках баллы ниже, а стоимость меньше. Для Neon на уровне по умолчанию high данные AA дают индекс 59,6, $3,74 и 14,8 минуты на задачу и уровень галлюцинаций 13,9%. Это по-прежнему выше, чем у Sol на max по индексу, и по-прежнему более чем втрое дороже Sol в расчёте на задачу. AA указывает для Opus 57,4 на xhigh ($6,05 и 16,1 мин на задачу) и для Sol 54,9 на high ($0,56 и 4,6 мин). По документации Anthropic, effort по умолчанию у Opus 5.5 — medium; на medium AA даёт Opus индекс 48,2 и $2,45 на задачу.
Выделяются три вывода:
- Соотношение прейскурантных цен занижает разрыв в стоимости задачи. Цена Opus за токен вдвое выше, чем у Sol, но одна задача AA обошлась примерно в десять раз дороже. Opus выдал примерно в четыре раза больше выходных токенов. Прейскурантная цена Neon в 1,5 раза выше, чем у Sol, а задача стоит примерно в 6,4 раза дороже. Количество токенов, которое тратит модель, важнее её тарифа.
- Низкий уровень галлюцинаций не означает более высокую точность. AA определяет уровень галлюцинаций как долю неверных ответов среди всех ответов, которые не являются верными. У Neon он самый низкий (14,4%) в основном потому, что модель чаще отказывается отвечать: она попыталась ответить на 67,5% вопросов, тогда как две другие — примерно на 86%. У Opus самая высокая точность (65,5%), но когда он не знает ответа, он угадывает. Если неверный ответ обходится вам дороже, чем «не знаю», профиль Neon выгоднее. Если важнее охват, Opus верно отвечает на большее число вопросов.
- Преимущество Sol в скорости велико. Время на задачу у него меньше половины от двух других, а первый токен ответа он выдаёт намного раньше, чем Opus на максимальном уровне усилий, которому понадобилось 336 секунд.
Собственные прогоны AA по программированию усложняют картину Google в обе стороны. В прогоне FrontierCode 2.0 от AA лидирует Opus с 46,4%, а у Neon и Sol по 44,4%, так что Opus первый и там, как в таблице Google. В прогоне Terminal-Bench 4.0 от AA лидирует Neon с 63,6%, а Opus последний с 59,6%, позади Sol с 60,1%. Это противоположно строке Terminal-Bench 4.1 у Google, так что преимущество Opus в терминальных задачах зависит от версии бенчмарка и харнесса. В анонсе Google также утверждает, что Neon занимает первое место в общем зачёте AA Coding Agent Index с результатом 58,6. Это утверждение Google. На прочитанных нами страницах AA значения Coding Agent Index по отдельным моделям не отображались, поэтому мы его не проверили.
Официальные цены за токен
Все тарифы — уровень Standard, доллары США за 1 миллион токенов, проверены 19 ноября 2026 года. Это собственные цены провайдеров. Цены Ofox указаны на странице каждой модели в Ofox и здесь не повторяются.
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| Вход | $3,00 | $4,00 | $2,00 |
| Выход (включая рассуждения) | $15,00 | $20,00 | $10,00 |
| Кэшированный вход | $0,15 (только неявное кэширование) | $0,20 за попадание в кэш | $0,10 |
| Запись в кэш | Отдельно не указана | $5 (5 мин), $8 (1 ч) | $2,50 (30 мин), $5 (12 ч) |
| Очень длинные промпты | Единый тариф на всё окно 1M | Стандартный тариф на всё окно 1M | Свыше 272K входных токенов: тарифы на вход и кэш ×2, на выход ×1,5 |
| Batch | $1,50 / $7,50 (Flex столько же) | Скидка 50%: $2 / $10 | Скидка 50%: $1 / $5 |
| Бесплатный уровень | Нет | — | — |
| Источник | Цены Gemini API | Цены Anthropic | Страница модели GPT-6.2 Sol |
Простой расчёт показывает, почему одного тарифа за токен недостаточно. Возьмём один запрос без кэша: 50 000 входных и 10 000 выходных токенов. По прейскуранту он стоит $0,30 на Neon, $0,40 на Opus и $0,20 на Sol. Но один и тот же текст даёт разное число токенов на разных моделях. В нашем прогоне ниже одинаковый промпт занял 139 входных токенов на Opus и 98 на Sol. К тому же модели пишут ответы разной длины. Прежде чем сравнивать счета, измерьте собственное число токенов для каждой модели. Подробнее о кэшировании и уровнях рассуждений — в руководстве по ценам Claude Opus 5.5 и в нашем разборе цен Gemini 4 Neon.
Тариф Neon $3/$15 важен и внутри семейства Gemini. 1 декабря 2026 года цены Carbon и Argon вырастут с $2/$10 до $4/$20, и после этого Neon станет дешевле обеих моделей. См. что означает декабрьское изменение и сравнение Neon и Carbon.
Где каждую модель можно использовать на практике
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| ID модели в API | gemini-4-neon | claude-opus-5-5 | gpt-6.2-sol |
| Статус API | Платный уровень Gemini API, через generateContent и Interactions API | Claude API, Bedrock, Google Cloud, Microsoft Foundry | OpenAI API с 17 ноября 2026 года; Responses API и Chat Completions |
| Доступ в приложениях и IDE | Приложение Gemini (AI Pro и Ultra), AI Studio, Google Antigravity (платные Pro и Ultra), Gemini для бизнеса | Приложения Claude и Claude Code (доступ и лимиты) | Preview в ChatGPT Work и Codex desktop (Plus и Pro; в управляемых рабочих пространствах зависит от настроек мест); в обычном Chat нет |
| В Ofox (проверено 19 ноября 2026 года) | Нет | Да: anthropic/claude-opus-5.5 | Да: openai/gpt-6.2-sol |
| Контекстное окно | 1 048 576 токенов, вход и выход вместе | 1M | 1 050 000 (максимум 922K на вход) |
| Максимальный выход | По умолчанию 64K в синхронном режиме; до 1M с long decode | 128K (300K в Batch с бета-заголовком) | 128K |
| Входные данные | Текст, изображения, аудио, видео | Текст, изображения | Текст, изображения |
| Дата среза знаний | Март 2026 года | Июнь 2026 года (надёжный) | 1 июня 2026 года |
Что означает пометка preview у GPT-6.2 Sol. В заметках к выпуску ChatGPT от 17 ноября 2026 года OpenAI пишет, что GPT-6.2 Astra и Sol «доступны в режиме preview в Work и Codex desktop» и что «в обычном Chat сохраняется прежний выбор моделей». Эта пометка относится к ChatGPT. Для разработчиков журнал изменений OpenAI API указывает gpt-6.2-sol как выпущенную 17 ноября для Responses API и Chat Completions. На странице модели опубликованы цены и лимиты запросов для уровней использования от Build до Grow, и ни у одного из них нет пометки preview. На практике это значит:
- строить продукты на API можно уже сейчас;
- для вызова инструментов нужен Responses API;
- API отклоняет
reasoning.effort: none; - в ChatGPT Sol виден только в селекторах моделей Work и Codex.
Если вы переходите с GPT-6 Sol, заметки о миграции вызова инструментов на Responses по-прежнему актуальны.
Neon в Ofox. 19 ноября 2026 года google/gemini-4-neon отсутствовала в ответе GET https://api.ofox.io/v1/models, а https://ofox.io/models/google/gemini-4-neon возвращал 404. Чтобы использовать Neon, обращайтесь к Google напрямую. Настройка описана в руководстве по API Neon. Gemini 4 Hydrogen и Argon в Ofox доступны уже сейчас через нативный эндпоинт Gemini.
Наш небольшой прогон: Opus 5.5 против Sol на трёх задачах по программированию
Это единственный раздел статьи, который мы измеряли сами. Он иллюстративный. Три простые задачи по два запуска не могут ранжировать две передовые модели, и обе модели прошли все тесты. Мы приводим прогон потому, что он показывает разницу в многословности и задержке, на которую указывают данные AA о стоимости, причём в масштабе, который может воспроизвести любой.
Условия (19 ноября 2026 года):
- Эндпоинт: Ofox
https://api.ofox.io/v1/chat/completions - Модели:
anthropic/claude-opus-5.5иopenai/gpt-6.2-sol - Параметры:
max_tokens: 16000. Параметры рассуждений или усилий не передавались, поэтому каждая модель работала с настройкой маршрута по умолчанию.
Задачи:
- T1: исправить ошибку на единицу (off-by-one) в пагинации и добавить проверку входных данных
- T2: написать
parse_duration("1h30m")по строгой спецификации с девятью недопустимыми входами - T3: реализовать
TokenBucketс внедряемыми часами
Каждый ответ проверялся скрытыми юнит-тестами, запущенными локально: 5, 16 и 5 тест-кейсов. Всего было 12 вызовов, по два повтора на каждую пару задачи и модели.
| Задача | Пройдено тестов (оба повтора) | Задержка Opus 5.5 | Задержка Sol | Выходные токены Opus | Выходные токены Sol |
|---|---|---|---|---|---|
| T1, исправление пагинации | 5/5 и 5/5 у обеих | 3,4 / 3,9 с | 3,5 / 3,1 с | 142 / 142 | 184 / 181 |
| T2, парсер длительности | 16/16 у обеих | 6,2 / 5,9 с | 2,5 / 2,4 с | 471 / 438 | 119 / 117 |
| T3, token bucket | 5/5 у обеих | 9,0 / 8,6 с | 2,7 / 3,6 с | 656 / 756 | 253 / 268 |
Итого: Opus использовал 1 136 входных и 2 605 выходных токенов, Sol — 804 входных и 1 122 выходных. По прейскурантным ценам провайдеров это примерно $0,057 для Opus и $0,013 для Sol за все шесть вызовов каждой модели. Это наш расчёт, а не счёт от Ofox. Медианная задержка составила 6,0 секунды у Opus и 2,9 секунды у Sol.
Что мы заметили помимо прохождения тестов:
- В T3 Opus вышел за рамки спецификации. В обоих запусках он добавил
threading.Lock, свойствоcapacityи проверку того, чтоclockвызываем. Ничего из этого не требовалось. Блокировка — разумный выбор для продакшена, но это лишний объём для ревью. Sol выдал ровно запрошенный интерфейс. - В простом исправлении бага (T1) Sol написал немного больше. Он добавил явный ранний возврат при
start >= len(items), хотя срез и так обрабатывает этот случай. Разница в обе стороны была небольшой. - Один и тот же промпт дал разное число входных токенов. У Opus насчитывалось от 139 до 234 входных токенов, у Sol — от 98 до 153, то есть у Opus примерно на 40% больше. На длинных промптах это влияет на сравнение цен за токен.
Чего этот прогон не показывает: ничего о Neon, которого нет в Ofox; ничего о сложной работе с несколькими файлами, где важно преимущество Opus в бенчмарках; ничего о надёжности на большом числе запусков. Скрипты, промпты, тесты и сырые ответы (ключ скрыт) хранятся вместе с нашим отчётом, чтобы прогон можно было повторить. Чтобы провести собственное сравнение через Ofox, воспользуйтесь документацией по интеграциям: там описаны Claude Code, Codex, Cursor и другие клиенты.
Как вызвать три модели
Opus 5.5 и Sol вызываются через один OpenAI-совместимый клиент в Ofox. На странице модели Opus 5.5 указаны протоколы openai и anthropic, у Sol — openai.
from openai import OpenAI
import os, time
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
for model in ["anthropic/claude-opus-5.5", "openai/gpt-6.2-sol"]:
t = time.time()
r = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Write parse_duration('1h30m') -> 5400 in Python. Code only."}],
max_tokens=16000,
)
print(model, round(time.time() - t, 1), "s", r.usage)
Neon вызывается через нативный API Google. Пример ниже следует руководству Google по Neon:
from google import genai
client = genai.Client() # читает GEMINI_API_KEY; для Neon нужен платный уровень
interaction = client.interactions.create(
model="gemini-4-neon",
input="Write parse_duration('1h30m') -> 5400 in Python. Code only.",
)
print(interaction.output_text)
Типичные ошибки:
- Model not found. В Ofox указывайте полный ID вместе с префиксом производителя. В OpenAI проверьте, что ваш аккаунт и SDK видят
gpt-6.2-sol. См. устранение ошибок model not found (на английском). - 429 или 529. Длительные агентные запуски Opus на высоком уровне усилий чаще упираются в лимиты запросов и перегрузку. Делайте паузы с увеличением интервала, как описано в руководстве по повторам при 429 (на английском) и в исправлении ошибки Claude 529 (на английском). Собственные лимиты Ofox описаны в документации по лимитам запросов, а коды ответов — в руководстве по обработке ошибок.
- Ошибки 4xx у Neon на бесплатном уровне. У Neon нет бесплатного уровня. Ошибки других моделей Gemini 4 разобраны в статье об ошибках API Gemini 4 Argon, и многие из них относятся и к Neon.
Какую модель выбрать для какой задачи
Это отправные точки, основанные на доказательствах, а не измеренный рейтинг. В каждой строке указано, на какие данные она опирается.
| Ваша задача | Начните с | Почему | Данные |
|---|---|---|---|
| Сложная работа с несколькими файлами, где важны несколько пунктов | Opus 5.5, но протестируйте и Neon | Лидирует в FrontierCode 2.0 и в таблице Google, и в прогоне AA. Лидирует в Terminal-Bench 4.1 в таблице Google, но последний в Terminal-Bench 4.0 у AA | Таблица Google и AA (неоднозначно) |
| Поиск багов в большом репозитории в инструментах Google | Neon в Antigravity | 39,0% в SWE-sweep с харнессом субагентов Google; в Mini-SWE преимущество в основном исчезает | Таблица Google (зависит от харнесса) |
| Большой объём агентного программирования, исправления в CI, повседневные PR | Sol | Около 1/6 стоимости задачи AA у Neon и 1/10 у Opus, меньше половины времени, при 57 в Intelligence Index AA против 59 и 61 | AA и наш небольшой прогон |
| Анализ длинного контекста (от 256K до 1M токенов) | Neon | GraphWalks 95,2% против 80,1% и 66,8%. Цена Sol растёт при входе свыше 272K | Таблица Google (собственный расчёт) и страницы цен |
| Исследования или интеллектуальная работа, где ошибки дорого обходятся | Neon | Уровень галлюцинаций 14,4% против 50% и выше; ожидайте больше отказов от ответа | AA-Omniscience |
| Вопросы и ответы по знаниям, где важнее всего охват | Opus 5.5 | Самая высокая точность AA-Omniscience — 65,5% | AA-Omniscience |
| Чтение графиков и насыщенных рисунков | Sol или Neon | Sol лидирует в Chartography: 75,1% против 73,5%; у Opus 66,3% | Таблица Google |
| Аудио или видео на входе | Neon | Единственная из трёх моделей, принимающая аудио и видео | Официальная документация моделей |
| Автоматизация бизнес-процессов | Neon | AutomationBench 56,3% против примерно 42% | Публичный лидерборд через Google |
| Нужен один шлюз и один ключ | Opus 5.5 или Sol | Обе есть в Ofox, Neon — нет | Список моделей Ofox, 19 ноября 2026 года |
В чём каждая модель слабее
Gemini 4 Neon
- Немного уступает Opus в Terminal-Bench 4.1 и FrontierCode 2.0 в таблице Google и в FrontierCode в прогоне AA.
- Точность AA-Omniscience ниже, чем у Opus, потому что модель чаще отказывается отвечать.
- Главный результат в SWE-sweep зависит от харнесса Google.
- На
xhighзадача занимает около 21 минуты и стоит около $6,44 на нагрузке AA. - Самая ранняя дата среза знаний из трёх (март 2026 года).
- Бесплатного уровня нет, в Ofox модель недоступна.
Claude Opus 5.5
- Самая дорогая и самая медленная в расчёте на задачу AA на максимальном уровне усилий ($10,04, 24,5 минуты, 336 секунд до первого токена ответа).
- Последняя из трёх в прогоне Terminal-Bench 4.0 от AA (59,6%), несмотря на лидерство в строке Terminal-Bench 4.1 у Google.
- Самая слабая из трёх в GraphWalks на длинном контексте (66,8%), Chartography (66,3%) и SWE-sweep с Mini-SWE (3,6%).
- Уровень галлюцинаций около 50%.
- Не принимает аудио и видео на входе.
- В нашем небольшом прогоне модель добавила то, что не запрашивалось.
GPT-6.2 Sol
- Самый низкий AA Intelligence Index из трёх (57).
- Самый высокий уровень галлюцинаций (55,4%).
- Последняя из трёх в таблице Google в Terminal-Bench 4.1, FrontierCode, Vals и HLE-Diamond.
- Вход свыше 272K токенов тарифицируется по повышенным ставкам.
- Google не опубликовал для неё результаты CursorBench и WebExploitBench.
- В ChatGPT модель по-прежнему в режиме preview и доступна только в Work и Codex.
Используйте таблицу Google, чтобы выбрать, какую модель тестировать первой, а Artificial Analysis — для оценки стоимости, скорости и галлюцинаций. Окончательное решение принимайте по тому, какую долю ваших собственных задач проходит модель. О моделях уровнем выше и ниже этих трёх читайте в статьях о выборе модели Gemini 4, в более раннем сравнении стоимости программирования GPT-6 Sol и Claude Opus 5.5 и в материале Claude Opus 5.5 против GPT-6 Astra для сложного программирования.
Документация по теме
Часто задаваемые вопросы
- GPT-6.2 Sol доступен только в режиме preview?
- Только в ChatGPT. В заметках к выпуску ChatGPT от 17 ноября 2026 года OpenAI пишет, что GPT-6.2 Astra и Sol доступны в режиме preview в ChatGPT Work и Codex desktop, а в обычном Chat остаются прежние модели. В журнале изменений OpenAI API модель gpt-6.2-sol указана как выпущенная в тот же день для Responses API и Chat Completions, с опубликованными ценами и лимитами запросов и без пометки preview.
- Можно ли вызвать Gemini 4 Neon через Ofox?
- Нет, по состоянию на 19 ноября 2026 года. Модели google/gemini-4-neon нет в списке моделей Ofox, и страницы модели на Ofox у неё тоже нет. Используйте платный уровень Gemini API напрямую. Claude Opus 5.5 и GPT-6.2 Sol на Ofox доступны.


