7 қазанда Anthropic өзінің ең жылдам моделі Claude Haiku 5.5-ті шығарды және оны бірден 22 қыркүйекте шыққан OpenAI-дың GPT-6 Luna моделімен салыстырды. Anthropic тестілерінде Haiku Luna-дан барлық жерде озады, ал Agent Arena-ның тірі сессияларында Luna жоғары тұр. Біздің прайсте екі модельдің токен бағасы шамамен бірдей, сондықтан таңдауды тапсырма шешеді.
Барлық модельдер бір кестеде
Haiku 5.5 - Anthropic-тің осы сыныптағы күш деңгейін реттейтін алғашқы моделі: күш аз болса - арзан әрі жылдам, көп болса - ақылдырақ. Luna-да мұндай баптау басынан бар. Жаңа модельдердің қасына олардың алдыңғы нұсқаларын қойдық:
| Haiku 5.5 (өзекті) | GPT-6 Luna (өзекті) | Haiku 4.5 (алдыңғы) | GPT 5.6 Luna (алдыңғы) | |
|---|---|---|---|---|
| GPTunneL бағасы, 1K үшін ₸, кіріс / шығыс | 0,15 / 0,75 | 0,2 / 1, қазір 0,1 / 0,5 | 1 / 5 | 0,2 / 1,2 |
| Контекст | 1 млн | 1,05 млн | 200 мың | 1,05 млн |
| OSWorld 2.1, компьютермен жұмыс | 72,4% | 48,9% | 15,7% | дерек жоқ |
| Terminal-Bench 4.0, терминалдағы код | 39,2% | 16,4% | 0,0% | дерек жоқ |
| FrontierCode 1.1 Main, код-агенттер | 46,4% | 42,4% | жарияланбаған | дерек жоқ |
| Chartography, құралсыз графиктер | 46,4% | 29,1% | 6,4% | дерек жоқ |
| GDPval-AA v2.1, жұмыс тапсырмалары, Elo | 1620 | 1437 | 735 | дерек жоқ |
| AA-Briefcase v1.1, жұмыс тапсырмалары, Elo | 1578 | 1336 | 614 | дерек жоқ |
| Agent Arena, орын (жиынтық көрсеткіш) | 27-орын (+1,88%) | 19-орын (+3,26%) | дерек жоқ | 37-орын (-1,80%) |
Қалың қаріппен екі өзекті модель және әр тест жолындағы олардың арасындағы ең жақсы нәтиже белгіленген. Тест нәтижелері Anthropic анонсынан алынған, яғни бұл вендор деректері: Luna-ны компанияның өзі OpenAI API арқылы іске қосқан. GPT-6 Luna қазір 50% бастапқы жеңілдікке байланысты әдеттегі бағадан екі есе арзан, ағымдағы бағалар - бағалар бетінде. «Дерек жоқ» дегеніміз - модель бұл тестке қатыспаған немесе дереккөзде нәтиже жоқ.
Кестеден не көрінеді:
- Haiku 5.5 және GPT-6 Luna. Haiku Anthropic-тің алты тестінің бәрінде жеңеді: ең үлкен айырмашылық Terminal-Bench (39,2% пен 16,4%) және OSWorld (72,4% пен 48,9%) тестінде, ең азы FrontierCode тестінде (46,4% пен 42,4%). Бірақ модельдер нақты сессияларда бағаланатын Agent Arena-да Luna жоғары, ал токен бағасы бойынша модельдер шамамен тең. Тестте жеңгеннің жұмыста да жеңетіні міндетті емес.
- Haiku 5.5 және 4.5. Баға 6-7 есе төмен, OSWorld нәтижесі 15,7%-дан 72,4%-ға, ал Terminal-Bench нөлден 39,2%-ға дейін өсті. Haiku 4.5-те отырсаңыз, ауысу бірден өтеледі.
- GPT-6 Luna және 5.6 Luna. Кіріс бағасы бірдей, шығыс сәл арзан (1 ₸ пен 1,2 ₸), ал Agent Arena-да Luna 37-орыннан 19-орынға көтерілді. Баптаулар әртүрлі: 5.6 xHigh-да, 6 Max-та.
Екі ескертпе. OSWorld мұнда 82 тапсырмадан тұратын офлайн жиын, ал 72,4% пен 48,9% - ішінара балл есебі: қатаң есеп бойынша Haiku тапсырмалардың 37,1%-ын өтеді (жүйелік карта), Luna-ның қатаң есебі картада жоқ. Artificial Analysis тәуелсіз индексі де максималды күште Haiku-ді қолдайды, 43 пен 38, бірақ high күшінде Haiku Luna-ның max-тағы 38 ұпайына жетеді.
Luna қай жерде алда
Іздеусіз білім бойынша Luna дәлірек: AA-Omniscience тестінде 44% дұрыс жауап, ал Haiku-де 36%. Бірақ Haiku білмейтін жерде жауап ойлап таппайды: ойдан шығарылған жауаптар үлесі 40% пен 77%. Бұл Artificial Analysis-тің 7 қазандағы өлшемі, Latent Space баяндауында.
Arena дауыстары не дейді
arena.ai сайтында модельдерді пайдаланушылар бағалайды. Деректер 13-14 қазандағы.
Агенттер (Agent Arena, 2,58 млн сессия). Рейтинг тапсырма сәттілігі, пайдаланушы бағасы және басқарылымдылық бойынша құрылады. Luna жоғары: жиынтық көрсеткіш +3,26% (±0,49), ал Haiku-де +1,88% (±0,98), интервалдар дерлік қиылыспайды. Басқарылымдылық бойынша модельдер тең (+6,17% және +6,40%). Баптаулар әртүрлі: Haiku high-да, Luna max-та.
Веб-әзірлеу (Code Arena, WebDev). Мұнда тең: Haiku-де 1585 ұпай (±12, 2 771 дауыс), Luna-да 1582 (±6, 17 869 дауыс). Үш ұпай қателіктен аз, ал Haiku-де дауыс алты есе аз, сондықтан сан әлі өзгереді.
Яғни агенттік тапсырмалардың синтетикалық тестінде Haiku алда, ал агенттердің нақты жұмысында Luna жоғары шығады. Қайсы нәтиже сіздің жағдайыңызға жақын екенін өзіңіз шешесіз.
Токеннің емес, тапсырманың бағасы
Токен шығыны прайстен маңыздырақ. Artificial Analysis деректері бойынша, максималды күште Haiku индекс тапсырмасына шамамен 162 мың шығыс токен жұмсайды, ал Luna - шамамен 50 мың. High-да Haiku шамамен 55 мың жұмсайды - Luna-ның max-тағысына жақын.
GPTunneL прайсі бойынша мысал: кіріске 30 мың токен және шығысқа 3 мың токен.
| Сценарий | Haiku 5.5 | GPT-6 Luna (жеңілдіксіз / жеңілдікпен) |
|---|---|---|
| Шығыс бірдей, 3 мың | 6,75 ₸ | 9 ₸ / 4,5 ₸ |
| Haiku max-та: шығыс үш есе көп, 9 мың | 11,25 ₸ | 9 ₸ / 4,5 ₸ |
Haiku токені арзан, бірақ шығын үш есе болғанда тапсырма Luna-дан қымбат шығады, жеңілдіксіз де. Сондықтан күшті саналы түрде қойыңыз да, құнын өз сұраныстарыңызда өлшеңіз.
Сонымен қайсысын таңдау керек: Haiku 5.5 немесе Luna 6
| Тапсырма | Модель | Неге |
|---|---|---|
| Агент компьютерді немесе терминалды басқарады | Haiku 5.5 | Anthropic тестілерінде шамамен 23 пункт алда, бірақ өз сценарийлеріңізде тексеріңіз: Arena-ның тірі сессияларында Luna жоғары |
| Іздеусіз фактілер бойынша жауаптар | Luna | AA-Omniscience-те 44% дұрыс, ал 36% |
| Ойдан шығарғаннан гөрі үндемеген дұрыс | Haiku 5.5 | ойдан шығарылған жауап 40%, ал 77% |
| Верстка және веб-әзірлеу | кез келгені | Arena-да тең, 1585 пен 1582 |
| Қатаң бюджеттегі жаппай сұраныстар | Luna | max күшінде токен үш есе аз және қазір 50% жеңілдік |
Бұл сіз үшін нені білдіреді
Бір кестеге қарап таңдамаңыз. Өз нақты сұраныстарыңыздың ондағанын екі модельден бірдей күште өткізіп, токенді емес, қабылданған нәтиженің құнын салыстырыңыз: қайта жасамайтын жауаптың құны қанша. Haiku жеңсе, токен айырмасы сапамен ақталады, жеңбесе - Luna арзанырақ болады.
Қайда сынауға болады
Екі модель де GPTunneL-де бар: Claude Haiku 5.5 және GPT-6 Luna, екі шақыруға бір баланс. Сол желідегі Sonnet мен Opus арасындағы таңдау туралы - Sonnet 5.5 немесе Opus 5.5 талдауында, Luna-ның өзі шыққаны туралы - GPT-6 Sol және Luna мақаласында.
Дереккөздер
- Claude Haiku 5.5 анонсы, Anthropic, 07.10.2026 - бенчмарктер, күш баптаулары, өлшеу әдістемесі.
- Claude Haiku 5.5 құжаттамасы, Anthropic - контекст, шығу күні.
- API-дегі GPT-6 Luna, OpenAI - контекст, күш баптаулары.
- Claude Haiku 5.5 жүйелік картасы, Anthropic - OSWorld-тың қатаң және ішінара есебі, әдістеме.
- AINews: Claude Haiku 5.5, Latent Space, 07.10.2026 - Artificial Analysis өлшемдерінің баяндамасы: индекс, токен шығыны, AA-Omniscience.
- Arena, 13.10.2026 күнгі Code Arena WebDev және 14.10.2026 күнгі Agent Arena.