GPT-5 vs Claude: сравнение моделей и что выбрать

Сравнение GPT-5 и Claude часто начинается с вопроса «какая нейросеть лучше». Но в таком виде вопрос почти бесполезен. GPT-5 может означать модель в API или доступный пользователю режим ChatGPT, а Claude — сразу несколько моделей Anthropic с разной ценой, скоростью и назначением. Если смешать эти уровни, получится сравнение цены токенов с подпиской и впечатлений от разных поколений.

Корректный ответ начинается с двух уточнений: какая именно модель и в какой среде сравниваются. Ниже — срез на 4 октября 2026 года и единые критерии, по которым можно сделать собственный выбор.

Что именно сравнивается

GPT-5 в API — отдельная reasoning-модель OpenAI. На указанную дату у gpt-5 контекст до 400 000 токенов, максимум 128 000 выходных токенов, а цена составляет $1,25 за 1 млн входных и $10 за 1 млн выходных токенов. Это характеристики именно API-модели: официальная карточка GPT-5 в API помечает её как предыдущую deprecated reasoning-модель. Статус и стоимость перед интеграцией нужно перепроверять.

GPT-5 в API и GPT-5 в ChatGPT нельзя считать одним и тем же продуктом. В API разработчик сам выбирает модель, параметры запроса и инструменты. ChatGPT — приложение, где OpenAI описывает маршрутизацию между режимами и моделями. Поэтому вопрос «что лучше — GPT-5 или Claude» зависит ещё и от того, сравниваются ли два API или два пользовательских приложения. Подробности о различии среды и модели есть в материале OpenAI Introducing GPT-5 for developers.

Claude тоже не является названием одной модели. Anthropic выделяет варианты для сложных агентских задач, рассуждений, повседневной работы и массовых запросов. На странице Intro to Claude конкретный выбор вынесен отдельно именно потому, что он меняет свойства и стоимость.

Честные пары поэтому выглядят так: gpt-5 API против конкретной модели Claude API; ChatGPT с доступным там режимом GPT-5 против пользовательского Claude с выбранным планом. «GPT-5 против Claude» — удобный заголовок, но не название одного теста.

Что выбрать обычному пользователю

Если нужен готовый чат для текста, анализа или документов, сначала выбирайте приложение и условия доступа, а не API-модель. Здесь важны лимиты, доступные режимы, загрузка файлов, инструменты и удобство рабочего процесса. Цена API ничего не доказывает: токеновая тарификация не превращается в подписку, а подписка не измеряет качество самой модели.

Если нужен именно ChatGPT из России, можно посмотреть карточку подписки ChatGPT в Amber Market. В ней указаны варианты ChatGPT Go, Plus и Pro x5/x20 на один месяц; продавец описывает ручное подключение на аккаунте покупателя. Перед заказом проверьте в карточке актуальный план, условия варианта и итоговую сумму. Это маршрут к доступу в ChatGPT, а не предложение Anthropic API или OpenAI API и не гарантия отмены лимитов конкретной модели.

Если вы строите продукт, пишете собственного бота или подключаете модель к редактору, сравнивать следует API. Подписка ChatGPT не заменяет API-ключ, а Claude в пользовательском приложении не равен выбранной модели Anthropic Platform.

Цена и контекст: где разница измерима

Для фиксированной API-интеграции цену можно сравнить напрямую, но только при одинаковом объёме входа и выхода. У GPT-5 указаны $1,25 за 1 млн входных и $10 за 1 млн выходных токенов. На том же срезе Anthropic указывает такие цены API:

Модель Claude	Вход	Выход	Заявленный контекст
Opus 5.5	$4 / 1 млн токенов	$20 / 1 млн токенов	зависит от условий модели
Sonnet 5.5	$2 / 1 млн токенов	$10 / 1 млн токенов	зависит от условий модели
Haiku 4.5	$1 / 1 млн токенов	$5 / 1 млн токенов	зависит от условий модели

Цены приведены в долларах для API Anthropic, без возможной наценки облачного посредника и дополнительных режимов. Для Claude 4.6 и более новых версий Anthropic заявляет контекст в 1 млн токенов по стандартной цене. Конкретную пару нужно проверять в актуальной таблице цен Claude: слово «Claude» не задаёт ни одной фиксированной ставки.

Контекст — не обещание, что модель одинаково хорошо использует любой объём текста. Большое окно полезно, если в запрос действительно нужно передать длинный корпус: несколько документов, репозиторий, переписку или материалы исследования. Для коротких запросов разница между 400 000 и 1 млн токенов может не иметь практического значения, а переплата за более дорогую модель останется.

Тексты и длинные документы

Для текста разумнее проверять не общие отзывы, а одинаковый набор промптов. Дайте обеим сторонам один бриф, одинаковые ограничения по объёму и один материал для работы. Смотрите на четыре результата: точность выполнения требований, структуру, число исправлений и сохранение фактов после редакторского прохода.

У длинного документа добавьте два теста. Сначала попросите найти конкретный факт в разных частях корпуса. Затем — связать его с другим фрагментом и указать источник внутри переданных материалов. Так вы проверите не только размер контекста, но и практическую навигацию по нему.

Не объявляйте победителя по одному красивому абзацу. Модель, которая лучше пишет рекламный текст, может хуже соблюдать юридические ограничения; та, что аккуратно пересказывает отчёт, может оказаться менее удобной для нескольких итераций. Для редакционной работы важнее повторяемый результат на вашем наборе задач, чем впечатление от демонстрационного ответа.

Программирование и анализ

Для кода критерий «написала рабочий фрагмент» слишком слабый. Проверьте одну и ту же задачу на собственном репозитории: исправление ошибки, добавление теста, изменение интерфейса и объяснение побочных эффектов. Зафиксируйте commit или набор файлов, чтобы повторить запрос другой моделью.

Сравнивайте не только финальный diff, но и стоимость доведения до рабочего состояния. Важны число итераций, сохранение существующих контрактов, качество тестов и способность не менять несвязанные файлы. Если модель уверенно объясняет решение, но каждый раз нарушает локальные правила проекта, её преимущество в рассуждении не превращается в экономию времени.

Для аналитики добавьте таблицу контрольных ответов: арифметика, фильтрация, вывод из данных и список неопределённостей. Просите модель явно отделять факт из входного набора от собственной гипотезы. Это особенно важно, когда ответ будет использоваться в отчёте или автоматическом процессе.

Почему нельзя выбрать по публичному benchmark

Результаты OpenAI и Anthropic нельзя просто сложить в один рейтинг. Для сопоставления должны совпасть модель, версия, промпт, инструменты, режим рассуждений и методика оценки. Поставщики описывают свои режимы и тесты по-разному, поэтому опубликованные цифры дают ориентир, но не отвечают на вопрос о вашем репозитории или корпусе документов. Это редакционный вывод из различий в описанных поставщиками режимах и методиках, а не результат независимого benchmark.

Benchmark всё же помогает сузить список кандидатов. Но финальный выбор нужно подтвердить собственной мини-проверкой: пять-десять реальных задач, одинаковые инструкции, заранее записанные критерии и отдельная отметка стоимости. Такой результат будет не независимым мировым рейтингом, а ответом на вашу рабочую ситуацию.

Практический выбор

Выбирайте GPT-5 в API, если вам подходит конкретная API-модель OpenAI, её лимиты и цена, а тесты на ваших запросах показывают нужную точность. У неё известны большой контекст и отдельная токеновая тарификация, но на дату среза это deprecated reasoning-модель, поэтому статус нужно проверить перед долгой интеграцией.

Выбирайте конкретный Claude API, если вам важны доступный для выбранной версии контекст, соотношение входной и выходной цены или результат именно на ваших длинных документах и коде. Названия Claude недостаточно: зафиксируйте Opus 5.5, Sonnet 5.5, Haiku 4.5 или другую актуальную версию. Статусы моделей Anthropic регулярно меняются — это видно из таблицы deprecations.

Выбирайте ChatGPT или Claude как приложение, если нужен готовый пользовательский рабочий процесс, а не встраивание модели в свою систему. Тогда сравнивайте планы, лимиты и инструменты в конкретной среде. Не переносите API-цены на подписку и не делайте вывод о модели по одному тарифу.

Итоговый победитель здесь меняется вместе с задачей. Для API решают стоимость токенов, лимиты и повторяемость на собственных данных. Для приложения — доступный режим и ограничения плана. Для текста — соблюдение брифа, для кода — рабочий diff и тесты, для длинного корпуса — полезное использование контекста. Если эти условия не зафиксировать, сравнение GPT-5 и Claude будет выглядеть точным, но отвечать не на тот вопрос.