GPT-5.6 Sol, Claude Fable 5 или Gemini 3.6 Flash: что выбрать

Короткий выбор выглядит так:

• Claude Fable 5 стоит проверять первым на самых трудных и длительных задачах, где один неверный результат обходится дороже токенов.
• GPT-5.6 Sol — практичная отправная точка, когда нужна почти предельная способность модели, но важна экономика каждого запуска.
• Gemini 3.6 Flash — первый кандидат для высокой пропускной способности, мультимодальных данных и массовой обработки.

Это не пьедестал. Побеждает модель, которая на ваших входных данных стабильно проходит заранее заданный порог качества при приемлемой стоимости и времени.

Сначала сравните условия, а не рекламные баллы

На 7 августа 2026 года у всех трёх моделей контекстное окно около миллиона токенов, но различаются тарифы, максимальный ответ, входные модальности и поведение API.

Характеристики проверены по странице Sol у OpenAI, обзору моделей Anthropic, руководству по Fable 5 и карточке Gemini 3.6 Flash. Строка с модальностями использует единый уровень сравнения. Claude API отдельно принимает PDF как блоки документов, а файловые инструменты Responses API относятся уже к возможностям API. Цены указаны для официальных API в долларах США, а не для подписок; налоги, сторонние площадки, приоритетная или пакетная обработка, кэш и инструменты меняют итог.

Большое окно не гарантирует хорошую работу со всем объёмом. Важны структура контекста, позиция инструкции, история инструментов и резерв вывода. Миллион нерелевантных токенов может сделать задачу дороже и менее точной.

Где каждая модель оправдывает свою цену

Fable 5 — когда запас качества важнее тарифа

Anthropic рекомендует Fable 5 для самых сложных продолжительных задач в программировании и интеллектуальной работе. Контекст 1M, вывод до 128k и постоянно включённое адаптивное рассуждение подходят для крупных миграций, многоэтапного исследования, анализа массивов документов и агентов, которые должны долго планировать и перепроверять работу.

Тариф $10/$50 — самый высокий в тройке. Переплата оправдана, если пропущенное требование, неправильная архитектура или повторная ручная проверка дороже разницы в счёте API.

Интеграция обязана распознавать отказ. У Fable классификатор может вернуть HTTP 200 и stop_reason: "refusal". Это не готовый результат и не транспортная ошибка. Нужна отдельная ветка: безопасно сузить запрос, отправить человеку или вызвать разрешённую резервную модель.

Sol — баланс передовых возможностей и затрат

GPT-5.6 Sol стоит $5/$30. Модель принимает текст и изображения, а через Responses API поддерживает веб-поиск и поиск по файлам, интерпретатор кода, размещённую оболочку, управление компьютером, MCP и другие инструменты. Их фактическая доступность зависит от конечной точки API, аккаунта и политики.

Sol логично проверять первым на сложных задачах программирующих агентов, в профессиональном анализе и длинных инструментальных процессах, которые предстоит масштабировать. Базовый тариф заметно ниже Fable, а независимый комплексный индекс ставит их рядом. Это делает Sol сильным исходным кандидатом, но не гарантирует победу на конкретном репозитории.

Для ввода больше 272k токенов OpenAI указывает повышающий коэффициент. До смены модели удалите лишние файлы, настройте поиск и сократите историю инструментов: это часто полезнее, чем оплачивать весь архив в каждом запросе.

Gemini 3.6 Flash — скорость, разные форматы и массовые операции

Стандартный платный Gemini API оценивает Flash в $1,50/$7,50. На вход можно передавать текст, изображения, видео, аудио и PDF; на выходе — текст. Поддерживаются вызов функций, выполнение кода, поиск по файлам, контекст по URL, привязка к Google Search и Maps, структурированный вывод и предварительная версия управления компьютером.

Эта комбинация подходит для обработки медиа, извлечения из документов, классификации, быстрых агентных циклов и маршрута «дешёвая модель обрабатывает всё, сложные случаи уходят наверх». Максимальный ответ 65 536 токенов — ниже 128k у Sol и Fable; для очень длинного единого документа это реальное ограничение.

Flash необязательно должен выиграть общий рейтинг. Достаточно пройти ваш порог качества быстрее и дешевле.

Посчитайте стоимость принятого результата

Предположим, одна попытка использует 100 000 входных и 20 000 выходных токенов. Без кэша, инструментов, повторов и специальных режимов:

text
стоимость попытки = вход / 1 000 000 × тариф входа
                  + выход / 1 000 000 × тариф выхода

Равный объём токенов — только начало. В рабочем контуре учитывайте рассуждение и фактический вывод, запись и чтение кэша, платные инструменты, длинный контекст, тайм-аут, отказ, некорректный JSON, повтор и ручную проверку.

text
стоимость успешной задачи =
  (все попытки + инструменты + проверка человеком) / принятые результаты

Если Gemini проходит критерии с четвёртой попытки, а Sol — с первой, разница $0,30 против $1,10 почти исчезает. Если обе модели с первого раза правильно извлекают одинаковую структуру, преимущество Flash действительно.

Что показывают независимые измерения

Страница Fable 5, страница Sol и страница Gemini в Artificial Analysis при проверке 7 августа 2026 года показывали в Intelligence Index v4.1.1 результаты 62, 61 и 52. Конфигурации различаются: Fable использует адаптивное рассуждение с максимальной интенсивностью и резервным переходом на Opus 4.8; Sol — max; Gemini — high. Снимок указывает на близость Fable и Sol в этом сводном индексе и другую позицию Flash по цене и скорости, но не предсказывает результат на вашем коде.

Те же страницы показывали скорость вывода примерно 67 токенов/с для Fable, 62,9 для Sol и 219,2 для Gemini. Это пропускная способность после начала генерации, а не время до первого токена и не полная длительность задачи с рассуждением и инструментами. Перед закупкой или миграцией откройте конкретные страницы снова: значения меняются.

В эксперименте Quesma с Baba Is You Fable и Sol решили по 13 из 14 уровней на позднем этапе: Fable был быстрее, Sol — дешевле. Gemini 3.6 Flash там не тестировали, а поздние запуски использовали разные тестовые инструменты для моделей. Вывод узкий, но полезный: оценивать нужно связку «модель + инструменты + число попыток + стоимость успеха».

Проведите честный мини-тест

1. Возьмите 6–12 реальных обезличенных задач: типовые, одну длинную и несколько прежних провалов.
2. До запуска запишите критерии: тесты проходят, лишние файлы не меняются, ссылки открываются, JSON соответствует заданной структуре.
3. Зафиксируйте одинаковые материалы, инструменты, срок и бюджет. Сохраните ID модели и уровень рассуждения.
4. Повторите каждую задачу минимум три раза, чтобы увидеть разброс, а не лучший показательный запуск.
5. Раздельно записывайте качество, вход, выход, рассуждение, кэш, вызовы инструментов, отказы, тайм-ауты, повторы, время до первого токена и полное время.
6. Сначала исключите модели ниже порога качества. Среди оставшихся сравните стоимость успешной задачи и понятность отказов.

Правило остановки: дешёвая модель не попадает в рабочий контур, если её доля успеха с первой попытки ниже минимума на рискованных задачах. Если качество двух вариантов практически одинаково, выбирайте более дешёвый успешный результат и управляемый сценарий сбоя.

Для медицины, права, финансов и безопасности такой набор — только пилот. Нужны расширенная выборка и профильный человек.

Итоговая схема выбора

Для начального теста через единый интерфейс, совместимый с OpenAI, можно посмотреть каталог LaoZhang API: в нём перечислены все три ID. Документация требует проверить в панели управления группу доступа, регион, цену и доступность. Это не полная замена официальных API; для новейших собственных инструментов и обязательств провайдера используйте прямой доступ.

На практике устойчивое решение часто состоит из двух уровней: обычные задачи получает самая дешёвая модель, проходящая порог, а неуспешные и рискованные случаи автоматически повышаются до более сильной. Такая схема переживёт следующий апдейт рейтинга лучше, чем статичный «победитель».