GPT-5.6 Sol batte Fable 5 di 13 punti. Ora faccia i conti.

Chi gestisce un agente di codice in produzione ha appena visto spostarsi la classifica su cui poggia la propria architettura. Nell'arco di sole 48 ore, OpenAI ha rilasciato GPT-5.6 Sol e xAI ha rilasciato Grok 4.5, entrambi più economici del modello che la maggior parte dei team usa come impostazione predefinita. GPT-5.6 Sol raggiunge un nuovo massimo di 53,6 all'Agents' Last Exam e supera Claude Fable 5 di 13,1 punti (OpenAI). Ecco che cosa dicono davvero i numeri, dove ingannano e come decidere quale modello adottare prima di ricablare qualsiasi cosa.

Nelle nostre esecuzioni di agenti di codice, il modello più economico sulla carta ha perso ripetutamente sulla fattura: un prezzo per token inferiore del 20-30% svanisce nel momento in cui un modello più debole richiede due ulteriori cicli di correzione per consegnare la stessa modifica funzionante. Per questo valutiamo ogni modello in base al costo per attività completata e non al prezzo per milione di token. È proprio questa la lente di cui ha bisogno l'intero confronto, perché i punteggi grezzi qui sotto sono reali, eppure non sono la cifra su cui dovrebbe basare il budget.

La settimana in cui l'ordine si è ribaltato

Due modelli di punta sono arrivati a due giorni di distanza e hanno entrambi sottoquotato Fable 5. GPT-5.6 Sol è il nuovo modello di punta di OpenAI, con un prezzo di 5 dollari per milione di token in ingresso e 30 dollari in uscita (prova pratica). Claude Fable 5, per confronto, costa 10 dollari in ingresso e 50 in uscita (The July 2026 Frontier): Sol si attesta quindi a circa un terzo del costo complessivo di Fable 5 a parità di fascia di intelligenza (Artificial Analysis).

Grok 4.5 è arrivato il giorno prima, l'8 luglio 2026. È il primo modello di xAI addestrato specificamente per la programmazione e le attività di agente, su decine di migliaia di GPU Nvidia GB300 a partire dai dati di Cursor, l'editor di codice assistito dall'IA che SpaceX ha acquisito per 60 miliardi di dollari in azioni (Flowtivity). Il suo argomento è puramente economico: Grok 4.5 consuma 4,2 volte meno token di Opus 4.8 nelle attività SWE-Bench Pro e restituisce i risultati a 80 token al secondo, il che ne fa di gran lunga l'opzione più economica della sua fascia di prestazioni (The Decoder).

Questa immagine del triangolo (Kingy) è il modo più onesto di leggere questi giorni. Sol occupa il vertice dell'intelligenza per dollaro. Grok occupa quello del costo puro. E anche Fable 5 tiene un vertice, semplicemente non quello su cui corrono tutti i titoli.

I prezzi provengono dalle prove pratiche e da Artificial Analysis; i dati di benchmark da OpenAI, BenchLM e The Decoder, secondo le fonti in calce.

Che cosa dicono davvero i numeri

Partiamo dall'affermazione principale. All'Agents' Last Exam, una valutazione di flussi di lavoro professionali di lunga durata su 55 ambiti, GPT-5.6 Sol raggiunge un nuovo massimo di 53,6 e precede di 13,1 punti la configurazione a ragionamento adattivo di Claude Fable 5 (OpenAI). È un margine ampio, per giunta su un benchmark costruito proprio per quel lavoro di agente in più fasi che ormai la maggior parte dei team porta avanti.

I test indipendenti confermano la storia dei costi anziché smentirla. Artificial Analysis colloca Sol in un secondo posto ravvicinato nel suo Intelligence Index, subito dietro Fable 5, e al tempo stesso in testa al Coding Agent Index nell'ambiente Codex di OpenAI, il tutto a circa un terzo del costo di Fable 5 (Artificial Analysis). Il titolo, quindi, non è «Sol è più intelligente di Fable 5 ovunque». È: Sol si avvicina all'intelligenza di Fable 5 e guida nella programmazione in modalità agente, a un terzo del prezzo. Sono due affermazioni diverse, ed è la seconda a spostare i budget. Per i team già interamente standardizzati su Anthropic, questo divario non è un motivo per smantellare tutto, ma un invito a verificare quali porzioni del proprio carico vengono pagate a tariffe Fable 5 quando un modello a un terzo del prezzo le porterebbe a termine con pari affidabilità.

Poi il segnale opposto. Nel confronto diretto con Grok 4.5, Sol ottiene in media 92 nelle attività di agente contro 83,3, e lo scarto singolo più marcato riguarda Terminal-Bench 2.0, con 91,9% contro 83,3% (BenchLM). Ma Grok reagisce sul sottoinsieme di puro codice: se a contare di più nel suo carico è la generazione di codice, e non l'orchestrazione, la risposta cambia (BenchLM). E sulle attività frontend e visuali Sol fatica ancora più di Fable 5 e di Opus 4.8 (prova pratica).

Leggendo insieme la tabella dei benchmark e la colonna dei prezzi, non emerge un nuovo re, bensì tre modelli, ciascuno padrone di un compito diverso.

Perché il prezzo puro del token è la cifra sbagliata

È qui che deraglia la maggior parte delle decisioni di passaggio. Un modello con un prezzo inferiore del 30% non rende l'agente più economico del 30% in esercizio. Gli agenti lavorano a cicli. Richiamano strumenti, leggono i risultati, riprovano in caso di errore e ripianificano. Sulla fattura finisce il totale dei token bruciati lungo tutti i cicli finché un'attività non viene davvero superata, non il prezzo di listino per milione di token.

Ecco perché i dati sull'efficienza dei token pesano più del listino. Che Grok 4.5 sia economico per token è solo metà della storia; l'altra metà è il suo consumo di 4,2 volte meno token di Opus 4.8 per attività SWE-Bench Pro (The Decoder). Un modello che risolve un'attività in un solo passaggio pulito a 50 dollari per milione in uscita può risultare più economico di uno che ne richiede tre a 30. Solo il costo per attività completata cattura tutto questo, ed è la misura a cui sottoponiamo ogni modello prima che tocchi un carico cliente.

Le prove di routing sul campo mostrano già l'ampiezza dello scarto. Uno sviluppatore ha gestito una configurazione GPT-5.6 a più livelli — un modello economico sull'85% dei token, uno intermedio sul 12% e un'escalation di livello Sol solo sul 3% — arrivando a circa 15 dollari al mese contro i circa 72 di un agente basato su un singolo modello Sonnet 4.6 a parità di qualità (prova su Reddit). La lezione non è «GPT-5.6 è economico». È che dove si colloca il modello costoso determina la fattura assai più di quale modello costoso si sia scelto. Uno stack ben instradato, con un modello predefinito economico e una rara escalation al ragionamento di livello Fable 5, batte quasi sempre un singolo modello premium applicato ovunque, e batte anche un singolo modello economico applicato ovunque, perché quest'ultimo si riconsuma silenziosamente il risparmio in ritentativi sul 3% più difficile. La meccanica di questo punto di pareggio per lo stack di Anthropic l'abbiamo descritta nella nostra guida ai costi del listino Fable 5, e la stessa disciplina vale per ogni modello di questa pagina.

Dove il sovrapprezzo di Fable 5 continua a ripagare

Nulla di tutto ciò rende Fable 5 un cattivo acquisto. Lo rende un acquisto mirato. Fable 5 resta in testa sulle attività frontend e visuali in cui Sol fallisce visibilmente (prova pratica) e siede al vertice dell'Intelligence Index di Artificial Analysis: Sol è vicino, ma vicino non è davanti (Artificial Analysis). Per le attività in cui un singolo giudizio errato di livello senior costa caro — decisioni di architettura, refactoring sensibili alla sicurezza, specifiche ambigue in cui un modello non deve tirare a indovinare con sicurezza — il sovrapprezzo è un'assicurazione, non uno spreco. L'errore sta nel pagare questo premio assicurativo su ogni attività per impostazione predefinita, quando solo una minoranza del carico porta il costo di errore che lo giustifica.

La regola operativa che seguiamo: associ il modello al costo di errore dell'attività, non alla classifica. Il lavoro frequente, ben definito e facile da verificare (codice ripetitivo, impalcature di test, migrazioni meccaniche) dovrebbe girare sul modello più economico che supera la prova, spesso Grok 4.5 o una configurazione Sol a più livelli. Il lavoro raro, ad alto rischio e difficile da verificare giustifica un modello premium. La stessa logica l'abbiamo esposta per i modelli predefiniti di fascia media nella nostra analisi di Claude Sonnet 5 come scommessa affidabile di fascia media: il modello affidabile è di rado in cima alla tabella, e di rado in fondo.

Come costruire uno stack che sopravvive alla prossima svolta

L'insegnamento vero non è verso quale modello passare. È che la risposta è cambiata due volte in 48 ore e cambierà ancora. Se il suo codice è legato alla forma dell'API di un unico fornitore, ogni svolta è una migrazione. Se è legato a un'interfaccia portabile, ogni svolta è una modifica di configurazione. Lo scarto di due giorni tra l'arrivo di Grok 4.5 e quello di GPT-5.6 Sol riassume tutto: i team dotati di uno strato portabile hanno impiegato quella finestra a cambiare una regola di instradamento, mentre quelli cablati a una sola API l'hanno passata a stimare una migrazione non messa a budget.

Questa portabilità merita di essere costruita di proposito. Instradi per classe di attività, tenga la scelta del modello dietro un unico strato sostituibile e misuri il costo per attività completata per ciascuna classe, così da poter reindirizzare il traffico il giorno in cui un modello più economico supera la sua soglia di qualità. Abbiamo argomentato per esteso la scelta di trattare il modello come una copertura e non come un matrimonio in i modelli a pesi aperti come assicurazione contro il vincolo al fornitore, e la stessa portabilità che la protegge da un aumento di prezzo è ciò che le permette di cogliere una fase come questa. Lo strato MCP è gran parte del modo in cui si mantiene stabile quell'interfaccia mentre i modelli cambiano al di sotto: la nostra guida alla migrazione stateless verso MCP v2 mostra dove sta andando questa infrastruttura. Se sulla sua roadmap c'è proprio GPT-5.6, la nostra checklist per chi costruisce con GPT-5.6 Pro percorre i passaggi di valutazione da fare prima di impegnarsi.

La svolta nei benchmark non è un verdetto. È un promemoria: lo stack sopravvive al modello. Costruisca per il cambiamento, e ognuna di queste settimane diventa un aggiornamento anziché un allarme antincendio. Se desidera una mano nel cablare agenti portabili tra modelli, capaci di sopravvivere alla prossima svolta, ne parli con Context Studios.

Domande frequenti

GPT-5.6 Sol ha davvero battuto Claude Fable 5? All'Agents' Last Exam sì: Sol ha ottenuto 53,6, cioè 13,1 punti in più della configurazione a ragionamento adattivo di Fable 5 (OpenAI). Ma Fable 5 resta in testa all'Intelligence Index di Artificial Analysis e guida sul lavoro frontend, quindi «battuto» dipende dall'attività.

GPT-5.6 Sol costa davvero un terzo di Fable 5? All'incirca. Sol ha un prezzo di 5 $ in ingresso / 30 $ in uscita per milione di token (prova) contro i 10 $ / 50 $ di Fable 5 (Ken Huang), e Artificial Analysis lo colloca a circa un terzo del costo di Fable 5 a parità di fascia (Artificial Analysis).

Dove si colloca Grok 4.5? Grok 4.5 è il più economico della fascia: consuma 4,2 volte meno token di Opus 4.8 su SWE-Bench Pro, a 80 token al secondo (The Decoder). Inoltre supera Sol su parte della generazione di puro codice (BenchLM).

Devo cambiare subito il mio agente di codice? Solo se misura il costo per attività completata, non il prezzo del token. Un modello più economico che richiede ulteriori cicli di correzione può costare di più per attività terminata. Instradi per classe di attività e tenga la scelta del modello sostituibile, così che la prossima svolta resti una modifica di configurazione e non diventi una migrazione.

Fonti

1. GPT-5.6 — OpenAI
2. Benchmark di GPT-5.6 su intelligenza, velocità e costo — Artificial Analysis
3. GPT-5.6 Sol contro Grok 4.5: benchmark, prezzi, velocità — BenchLM
4. Grok 4.5 è così economico che i divari nei benchmark contano poco — The Decoder
5. Grok 4.5 contro Fable 5: il costo dell'intelligenza — Flowtivity
6. The July 2026 Frontier: Muse Spark 1.1, Grok 4.5, GPT-5.6 Sol — Ken Huang
7. GPT-5.6 a confronto con Claude, Grok, Muse e Gemini — Kingy
8. GPT-5.6 Sol: migliore E più economico di Fable — prova pratica
9. Grok 4.5 testato a fondo contro GPT-5.6 Sol e Fable — prova pratica
10. GPT-5.6 con tre livelli di prezzo testato per il lavoro di agente — Reddit
11. Un'esplosione di modelli: GPT-5.6 Sol, Grok 4.5 e Meta Muse — panoramica