Ключові висновки щодо цін:

• Король співвідношення ціна/продуктивність: Постійна знижкова ціна DeepSeek V4-Pro у $0.435/$0.87 робить її приблизно в 12 разів дешевшою за GPT-5.5 Standard і майже в 30 разів дешевшою за Claude Opus 4.8 за виведення токенів. DeepSeek V4-Flash ще більш вражаюча — $0.14/$0.28 .
• Утримання позицій: Anthropic залишила ціну Claude Opus 4.8 на рівні $5/$25, як у попередника . Новий швидкий режим (Fast Mode) тепер у 3 рази дешевший, ніж раніше — $10/$50, що робить високошвидкісні агентні цикли більш економічними .
• Преміум-сегмент: GPT-5.5 залишається найдорожчою моделлю у стандартному режимі, а її рівень Pro за $30/$180 перебуває в окремій лізі, призначеній для найскладніших завдань на міркування .
• Нова «Flash»-преміальність: Gemini 3.5 Flash від Google більше не є бюджетною моделлю. З ціною $1.50/$9.00, це в 3 рази дорожче за попереднє покоління Flash, що ставить її на один рівень зі спеціалізованими моделями для міркувань .

Занурення в бенчмарки: що показують цифри

Бенчмарки корисні лише в контексті. Ми організували результати за тим, що вони насправді вимірюють — загальний інтелект, здатність до кодингу та агентну продуктивність, — а не за єдиним, часто оманливим, сукупним балом.

Загальний інтелект та міркування

Ця категорія вимірює базові знання, математику та наукове міркування.

Claude Opus 4.8 відкрив невеликий, але значний відрив від GPT-5.5 у загальному інтелекті, підкріплений величезним стрибком у математичній продуктивності на 27.4 пункти порівняно з попередником . Qwen3.7-Max виділяється як найкраща китайська модель, майже зрівнявшись із лідерами в науковому міркуванні рівня аспірантури (GPQA Diamond) .

Програмна інженерія та кодинг

Найбільш релевантні бенчмарки для розробників.

Продуктивність кодингу створює чітку сегментацію. Claude Opus 4.8 та GPT-5.5 йдуть нога в ногу на самій вершині для загального виправлення помилок (SWE-bench Verified), але Claude отримує значну перевагу в понад 10 пунктів на набагато складнішому наборі Pro . Для чистої ефективності кодингу на долар, DeepSeek V4-Pro не має рівних, пропонуючи продуктивність кодингу рівня GPT-5.4 зі знижкою в 30 разів .

Агентна продуктивність та використання інструментів

Здатність моделі діяти незалежно в реальному середовищі.

GPT-5.5 утримує корону як найсильніша модель для відкритих агентних завдань у терміналі, але вищий рейтинг Claude Opus 4.8 у реальних завданнях (GDPval-AA Elo) вказує на більш надійного, готового до бізнесу агентного партнера . Grok 4.3 пропонує переконливий бюджетний варіант для великих обсягів завдань з виконання інструкцій .

Ривок китайських моделей

Вперше китайські моделі конкурують не лише за ціною, а й за можливостями. Qwen3.7-Max лідирує серед усіх моделей в агентному бенчмарку кодингу SWE-bench Pro з результатом 60.6% . Kimi K2.6 відповідає продуктивності GPT-5.5 в цьому ж тесті та лідирує серед усіх інших моделей на «Останньому іспиті людства» (HLE) з інструментами з результатом 54.0% , кидаючи виклик американським лідерам у ключових завданнях на міркування, водночас значно виграючи в ціні.

Критичні застереження перед вибором

Пряме, повне порівняння всіх семи моделей наразі неможливе через вибіркове звітування бенчмарків постачальниками . Кілька ключових факторів підривають вибір, що ґрунтується виключно на цифрах:

• Багатослів'я додає приховані витрати: Ціна токена — це не загальна вартість. Помічено, що Qwen3.7-Max є надзвичайно багатослівною під час тестових запусків, генеруючи 97 млн токенів проти медіани в 24 млн, що безпосередньо збільшує ваш рахунок .
• Інфляція бенчмарків: Постачальники обирають вигідні налаштування оцінювання. Наприклад, вказаний бал GPT-5.5 у SWE-bench Verified може змінюватися залежно від застосованого параметра «зусилля міркування» .
• Реальна вартість інтелекту: Artificial Analysis пропонує корисну метрику «вартість запуску індексу». Запуск їхнього повного набору тестів на Gemini 3.5 Flash коштує $1,551.60, що робить її дорожчою за більш потужну Gemini 3.1 Pro Preview ($892.28), попри нижчу ціну за токен .

Вердикт: яка модель підходить саме вам?

Ваш пріоритет має визначати ваш вибір:

• Абсолютно найкраща якість (Кодинг та Математика): Claude Opus 4.8 — новий король бенчмарків і найбезпечніший вибір для роботи, де помилка дорого коштує .
• Найкраще співвідношення ціна-продуктивність на передовій: DeepSeek V4-Pro забезпечує неперевершену цінність у кодингу, тоді як Kimi K2.6 пропонує найкраще сире міркування за долар .
• Швидкі, надійні агентні робочі навантаження: Gemini 3.5 Flash тепер є найсильнішою моделлю Google для кодингу і працює в 4 рази швидше, ніж типові передові моделі, що робить її ідеальною для агентних циклів у реальному часі .
• Бюджетний передовий інтелект: Grok 4.3 за $1.25/$2.50 — це найкраща ціна на повнофункціональну передову модель американської розробки від великого постачальника .
• Агентний кодинг з масивним контекстом: Qwen3.7-Max — найкращий вибір для розробників, яким зручно працювати з контекстним вікном в 1 млн, і які потребують першокласної агентної продуктивності кодингу за помірною ціною .

Для будь-якого критичного розгортання проводьте тести на власних робочих навантаженнях. Бенчмарки, про які повідомляють постачальники, є корисною відправною точкою, а не остаточною відповіддю.

Ключові висновки щодо цін:

• Король співвідношення ціна/продуктивність: Постійна знижкова ціна DeepSeek V4-Pro у $0.435/$0.87 робить її приблизно в 12 разів дешевшою за GPT-5.5 Standard і майже в 30 разів дешевшою за Claude Opus 4.8 за виведення токенів. DeepSeek V4-Flash ще більш вражаюча — $0.14/$0.28 .
• Утримання позицій: Anthropic залишила ціну Claude Opus 4.8 на рівні $5/$25, як у попередника . Новий швидкий режим (Fast Mode) тепер у 3 рази дешевший, ніж раніше — $10/$50, що робить високошвидкісні агентні цикли більш економічними .
• Преміум-сегмент: GPT-5.5 залишається найдорожчою моделлю у стандартному режимі, а її рівень Pro за $30/$180 перебуває в окремій лізі, призначеній для найскладніших завдань на міркування .
• Нова «Flash»-преміальність: Gemini 3.5 Flash від Google більше не є бюджетною моделлю. З ціною $1.50/$9.00, це в 3 рази дорожче за попереднє покоління Flash, що ставить її на один рівень зі спеціалізованими моделями для міркувань .

Занурення в бенчмарки: що показують цифри

Бенчмарки корисні лише в контексті. Ми організували результати за тим, що вони насправді вимірюють — загальний інтелект, здатність до кодингу та агентну продуктивність, — а не за єдиним, часто оманливим, сукупним балом.

Загальний інтелект та міркування

Ця категорія вимірює базові знання, математику та наукове міркування.

Claude Opus 4.8 відкрив невеликий, але значний відрив від GPT-5.5 у загальному інтелекті, підкріплений величезним стрибком у математичній продуктивності на 27.4 пункти порівняно з попередником . Qwen3.7-Max виділяється як найкраща китайська модель, майже зрівнявшись із лідерами в науковому міркуванні рівня аспірантури (GPQA Diamond) .

Програмна інженерія та кодинг

Найбільш релевантні бенчмарки для розробників.

Продуктивність кодингу створює чітку сегментацію. Claude Opus 4.8 та GPT-5.5 йдуть нога в ногу на самій вершині для загального виправлення помилок (SWE-bench Verified), але Claude отримує значну перевагу в понад 10 пунктів на набагато складнішому наборі Pro . Для чистої ефективності кодингу на долар, DeepSeek V4-Pro не має рівних, пропонуючи продуктивність кодингу рівня GPT-5.4 зі знижкою в 30 разів .

Агентна продуктивність та використання інструментів

Здатність моделі діяти незалежно в реальному середовищі.

GPT-5.5 утримує корону як найсильніша модель для відкритих агентних завдань у терміналі, але вищий рейтинг Claude Opus 4.8 у реальних завданнях (GDPval-AA Elo) вказує на більш надійного, готового до бізнесу агентного партнера . Grok 4.3 пропонує переконливий бюджетний варіант для великих обсягів завдань з виконання інструкцій .

Ривок китайських моделей

Вперше китайські моделі конкурують не лише за ціною, а й за можливостями. Qwen3.7-Max лідирує серед усіх моделей в агентному бенчмарку кодингу SWE-bench Pro з результатом 60.6% . Kimi K2.6 відповідає продуктивності GPT-5.5 в цьому ж тесті та лідирує серед усіх інших моделей на «Останньому іспиті людства» (HLE) з інструментами з результатом 54.0% , кидаючи виклик американським лідерам у ключових завданнях на міркування, водночас значно виграючи в ціні.

Критичні застереження перед вибором

Пряме, повне порівняння всіх семи моделей наразі неможливе через вибіркове звітування бенчмарків постачальниками . Кілька ключових факторів підривають вибір, що ґрунтується виключно на цифрах:

• Багатослів'я додає приховані витрати: Ціна токена — це не загальна вартість. Помічено, що Qwen3.7-Max є надзвичайно багатослівною під час тестових запусків, генеруючи 97 млн токенів проти медіани в 24 млн, що безпосередньо збільшує ваш рахунок .
• Інфляція бенчмарків: Постачальники обирають вигідні налаштування оцінювання. Наприклад, вказаний бал GPT-5.5 у SWE-bench Verified може змінюватися залежно від застосованого параметра «зусилля міркування» .
• Реальна вартість інтелекту: Artificial Analysis пропонує корисну метрику «вартість запуску індексу». Запуск їхнього повного набору тестів на Gemini 3.5 Flash коштує $1,551.60, що робить її дорожчою за більш потужну Gemini 3.1 Pro Preview ($892.28), попри нижчу ціну за токен .

Вердикт: яка модель підходить саме вам?

Ваш пріоритет має визначати ваш вибір:

• Абсолютно найкраща якість (Кодинг та Математика): Claude Opus 4.8 — новий король бенчмарків і найбезпечніший вибір для роботи, де помилка дорого коштує .
• Найкраще співвідношення ціна-продуктивність на передовій: DeepSeek V4-Pro забезпечує неперевершену цінність у кодингу, тоді як Kimi K2.6 пропонує найкраще сире міркування за долар .
• Швидкі, надійні агентні робочі навантаження: Gemini 3.5 Flash тепер є найсильнішою моделлю Google для кодингу і працює в 4 рази швидше, ніж типові передові моделі, що робить її ідеальною для агентних циклів у реальному часі .
• Бюджетний передовий інтелект: Grok 4.3 за $1.25/$2.50 — це найкраща ціна на повнофункціональну передову модель американської розробки від великого постачальника .
• Агентний кодинг з масивним контекстом: Qwen3.7-Max — найкращий вибір для розробників, яким зручно працювати з контекстним вікном в 1 млн, і які потребують першокласної агентної продуктивності кодингу за помірною ціною .

Для будь-якого критичного розгортання проводьте тести на власних робочих навантаженнях. Бенчмарки, про які повідомляють постачальники, є корисною відправною точкою, а не остаточною відповіддю.