GPT-5.6 Sol vs Claude Fable 5: quale modello AI di frontiera è migliore?

GPT-5.6 Sol e Claude Fable 5 sono due dei modelli AI a disponibilità generale più capaci del 2026. Entrambi sono progettati per il coding complesso, gli agenti a lunga esecuzione, il lavoro professionale basato sulla conoscenza, il ragionamento visivo e i flussi di lavoro con uso intensivo di strumenti. Entrambi supportano circa un milione di token di contesto e fino a 128,000 token di output.

Non sono intercambiabili.

GPT-5.6 Sol è più economico con i prezzi API standard a contesto breve, offre un maggiore controllo su se e quanto in profondità ragiona, supporta i flussi di lavoro Pro e multi-agente di OpenAI ed è idoneo alla Zero Data Retention per i clienti API approvati. Claude Fable 5 è costruito attorno al pensiero adattivo sempre attivo, è offerto su un insieme più ampio di importanti piattaforme cloud, mantiene la sua tariffa standard per token sull'intera finestra di contesto da un milione di token e primeggia in diverse valutazioni pubblicate di rilievo, tra cui SWE-bench Pro.

Il quadro dei benchmark è variegato. Sol supera Fable in Agents' Last Exam, nell'Artificial Analysis Coding Agent Index, in DeepSWE, Terminal-Bench, GDP.pdf, GPQA Diamond e AutomationBench nei confronti pubblicati esaminati per questo articolo. Fable primeggia in SWE-bench Pro, GDPval-AA v2, nell'Artificial Analysis Intelligence Index e in Toolathlon. Questo significa che non esiste una risposta onesta in una sola riga che affermi che un modello è universalmente migliore.

Questo confronto separa i fatti verificati sui prodotti dalle affermazioni dei fornitori, individua le incongruenze nei numeri pubblicati e spiega quale modello ha maggiori probabilità di adattarsi ai diversi carichi di lavoro in produzione.

Confronto rapido

Categoria	GPT-5.6 Sol	Claude Fable 5
Sviluppatore	OpenAI	Anthropic
ID modello API	gpt-5.6-sol	claude-fable-5
Disponibilità generale	9 luglio 2026	9 giugno 2026, ripristinato a livello globale il 1 luglio dopo una sospensione temporanea
Prezzo input standard	$5 / 1M token	$10 / 1M token
Prezzo output standard	$30 / 1M token	$50 / 1M token
Lettura input in cache	$0.50 / 1M	$1 / 1M
Scrittura in cache standard	$6.25 / 1M	$12.50 / 1M per la cache di 5 minuti, $20 / 1M per la cache di 1 ora
Finestra di contesto	1,050,000 token	1,000,000 token
Output massimo	128,000 token	128,000 token
Limite delle conoscenze	16 febbraio 2026	Limite affidabile delle conoscenze: gennaio 2026
Input di testo	Sì	Sì
Input di immagini	Sì	Sì
Output di testo	Sì	Sì
Controllo del ragionamento	none, low, medium, high, xhigh, max	low, medium, high, xhigh, max; pensiero adattivo sempre attivo
Opzione multi-agente	ultra in prodotti selezionati; beta multi-agente nella Responses API	Delega a sub-agenti tramite harness per agenti come Claude Code e Managed Agents
Chiamata programmatica degli strumenti	Sì	Sì
Zero Data Retention	Idoneo per i clienti approvati, con limitazioni sulle funzionalità	No, Fable richiede una conservazione di 30 giorni
API principale	Responses API e Chat Completions	Messages API
Disponibilità cloud aggiuntiva	OpenAI API e integrazioni supportate	Claude API, Claude Platform su AWS, Amazon Bedrock, Google Cloud e Microsoft Foundry

La tabella riassume la documentazione ufficiale dei prodotti. Non significa che funzionalità con lo stesso nome si comportino in modo identico o utilizzino lo stesso conteggio dei token.

Che cos'è GPT-5.6 Sol?

GPT-5.6 Sol è il modello di punta di OpenAI nella famiglia GPT-5.6. OpenAI lo posiziona per il lavoro professionale complesso, il ragionamento, il coding e i flussi di lavoro agentici. I suoi identificatori API sono:

gpt-5.6-sol
gpt-5.6

L'alias più breve gpt-5.6 instrada attualmente verso Sol. Sol accetta input di testo e immagini e produce output di testo. Supporta function calling, output strutturati, ricerca web, ricerca su file, computer use e altri strumenti della Responses API. Con la generazione GPT-5.6 OpenAI ha inoltre introdotto Programmatic Tool Calling, un livello di ragionamento max, la modalità Pro e l'esecuzione multi-agente.

Che cos'è Claude Fable 5?

Claude Fable 5 è il modello più capace tra quelli rilasciati su larga scala da Anthropic. Anthropic lo descrive come un'intelligenza di nuova generazione per il ragionamento impegnativo e il lavoro agentico a lungo orizzonte. Il suo ID modello API è:

claude-fable-5

Fable accetta input di testo e immagini e produce output di testo. È progettato per gli agenti a lunga esecuzione, i progetti di coding ambiziosi, il lavoro aziendale basato sulla conoscenza, l'analisi di documenti a forte componente visiva e i flussi di lavoro autonomi che possono proseguire per ore o giorni. Fable è costruito sullo stesso modello di base di Claude Mythos 5, ma aggiunge classificatori di sicurezza di produzione per ambiti come la cybersecurity e la biologia. Mythos 5 è disponibile solo attraverso il programma riservato Project Glasswing di Anthropic.

Confronto dei benchmark: importante avvertenza metodologica

Le tabelle dei benchmark possono creare una falsa impressione di precisione. Un punteggio è direttamente confrontabile solo quando i modelli utilizzano lo stesso set di task, lo stesso harness, gli stessi strumenti, lo stesso limite di tempo, la stessa configurazione di ragionamento, lo stesso numero di tentativi e lo stesso metodo di valutazione. Le tabelle pubbliche di lancio a volte combinano risultati riportati da fornitori o curatori di benchmark diversi.

OpenAI dichiara esplicitamente che alcune cifre relative a costi e latenza sono simulate a partire dal comportamento in produzione e possono variare sensibilmente nei carichi di lavoro reali. La system card di Anthropic afferma che i risultati di Fable includono gli effetti delle protezioni di produzione e del comportamento di fallback. Per questo motivo, la tabella seguente va letta come un confronto di risultati pubblicati, non come un test diretto controllato in laboratorio ed eseguito da una terza parte indipendente.

Risultati dei benchmark pubblicati

Valutazione	GPT-5.6 Sol	Claude Fable 5	Leader pubblicato	Nota importante
Agents' Last Exam	52.7%*	40.5%	Sol	La tabella dettagliata di OpenAI riporta 52.7%, ma il suo testo discorsivo indica 53.6
Artificial Analysis Intelligence Index v4.1	58.9	59.9	Fable	Sol è entro un punto; OpenAI dichiara un costo e una latenza stimati inferiori
Artificial Analysis Coding Agent Index v1.1	80.0	77.2	Sol	OpenAI descrive l'indice come indipendente
SWE-bench Pro	64.6%	80.0%	Fable	Fable ha un ampio vantaggio pubblicato
DeepSWE v1.1	72.7%	69.7%	Sol	Confronto pubblicato da OpenAI
Terminal-Bench 2.1	88.8%	84.3% / 83.1%**	Sol	Anthropic e OpenAI pubblicano valori diversi per Fable
GDPval-AA v2	1,747.8 Elo	1,759.6 Elo	Fable	Fable è in vantaggio di 11.8 Elo
GDP.pdf	30.7%	29.8%	Sol	Vantaggio ristretto di Sol
GPQA Diamond	94.6%	92.6%	Sol	Confronto pubblicato da OpenAI
AutomationBench	18.1%	17.4%	Sol	Vantaggio ristretto di Sol
Toolathlon	58.0%	61.7%	Fable	Fable primeggia in questa valutazione sull'uso degli strumenti
HealthBench Professional	60.5%	60.9%	Fable	OpenAI avverte che il suo punteggio non è confrontabile con i dati riportati nella system card di Anthropic

* La tabella dettagliata dei benchmark di OpenAI riporta 52.7% per Sol, mentre il testo discorsivo nella stessa pagina indica 53.6. Fable è indicato a 40.5%. L'articolo contiene quindi una discrepanza interna di 0.9 punti per Sol.

** La system card di Anthropic riporta 84.3% per Fable su Terminal-Bench 2.1. La tabella di lancio di GPT-5.6 di OpenAI indica 83.1%. La conclusione più prudente è che Sol sia in vantaggio in entrambi i confronti pubblicati, ma l'esatta differenza dipende dalla configurazione della valutazione o dalla versione della fonte.

Cosa significano davvero i risultati

La conclusione onesta non è «Sol vince tutto». Sol ha risultati pubblicati migliori sull'ampio benchmark professionale a lungo orizzonte, sull'indice per agenti di coding, in DeepSWE, Terminal-Bench, GDP.pdf, GPQA Diamond e AutomationBench. Fable ha un vantaggio importante su SWE-bench Pro e vantaggi più piccoli su GDPval-AA, sull'ampio Artificial Analysis Intelligence Index, su Toolathlon e HealthBench Professional.

Il risultato su SWE-bench Pro è particolarmente importante. Suggerisce che Fable rimane altamente competitivo per i difficili task su repository del mondo reale, anche se Sol primeggia in altre misure per agenti di coding. I risultati divergenti mostrano anche perché un singolo benchmark non può scegliere un modello di produzione. SWE-bench Pro, Terminal-Bench e DeepSWE mettono alla prova parti diverse dell'ingegneria del software. Un modello può essere migliore nel risolvere i problemi dei repository mentre un altro si comporta meglio nella pianificazione da terminale, nel coordinamento degli strumenti o nell'esecuzione di agenti a lungo orizzonte.

Coding: Sol o Fable?

Dove Sol sembra più forte

OpenAI riferisce che Sol raggiunge 80 nell'Artificial Analysis Coding Agent Index, rispetto a 77.2 di Fable. Riferisce inoltre 72.7% su DeepSWE rispetto a 69.7% di Fable. Il punteggio di Sol su Terminal-Bench 2.1 è 88.8%. Anche utilizzando il valore più alto di Fable riportato da Anthropic, pari a 84.3%, Sol resta avanti di 4.5 punti percentuali.

OpenAI afferma inoltre che Sol utilizza meno della metà dei token di output, impiega meno della metà del tempo e costa circa un terzo in meno rispetto a Fable nell'indice per agenti di coding. Si tratta di stime di efficienza riportate dal fornitore, non di garanzie universali sulle API.

Dove Fable sembra più forte

Il maggior vantaggio pubblicato di Fable è su SWE-bench Pro:

Claude Fable 5: 80.0%
GPT-5.6 Sol:    64.6%

Anthropic descrive Fable come il suo modello più capace per i progetti di coding ambiziosi, comprese le grandi migrazioni, le implementazioni complesse e le sessioni autonome di più giorni. Può scrivere test, verificare il proprio lavoro e usare la visione per confrontare le interfacce generate con il design previsto. La documentazione di Claude Code di Anthropic afferma inoltre che Fable è progettato per lavori più ampi di una singola sessione e verifica il proprio operato più spesso rispetto ai modelli Claude più piccoli.

Raccomandazione pratica per il coding

Inizia con Sol quando:

• il costo delle API e la latenza sono vincoli importanti;
• il flusso di lavoro comporta molte chiamate da terminale o a strumenti;
• il task trae vantaggio da un controllo esplicito del ragionamento;
• l'applicazione necessita degli strumenti della Responses API di OpenAI;
• è richiesta l'idoneità alla ZDR.

Inizia con Fable quando:

• la risoluzione di problemi su repository in stile SWE-bench è rappresentativa del carico di lavoro;
• il lavoro può proseguire per molte ore o giorni;
• il team utilizza già in modo intensivo Claude Code;
• il deployment multi-cloud è importante;
• il sistema trae vantaggio dal ragionamento adattivo sempre attivo e dall'auto-verifica di Fable.

Questa raccomandazione è un punto di partenza ingegneristico, non una garanzia derivata dai benchmark.

Controlli del ragionamento

Entrambi i modelli offrono controlli sull'impegno, ma i loro valori predefiniti e i loro vincoli differiscono.

GPT-5.6 Sol

Sol supporta sei livelli di impegno di ragionamento: none, low, medium, high, xhigh e max. OpenAI afferma che le modalità standard e Pro utilizzano per impostazione predefinita medium quando l'impegno di ragionamento non viene specificato, e che max è pensato per i carichi di lavoro più difficili in cui la qualità viene prima di tutto. Sol può funzionare con il ragionamento disattivato tramite none, il che è utile per task di estrazione, classificazione, instradamento o formattazione a bassa latenza in cui un ragionamento più approfondito aggiunge poco valore. OpenAI fornisce inoltre:

• la modalità Pro, abilitata tramite reasoning.mode: "pro";
• Ultra, una configurazione multi-agente che utilizza per impostazione predefinita quattro agenti nella configurazione pubblicata;
• una beta multi-agente nella Responses API per costruire flussi di lavoro concorrenti simili.

Claude Fable 5

Fable utilizza il pensiero adattivo su ogni richiesta e non consente di disattivare il pensiero. I suoi livelli di impegno comprendono low, medium, high, xhigh e max. high è il valore predefinito. Anthropic raccomanda high per la maggior parte dei task di Fable, xhigh per il lavoro a lungo orizzonte sensibile alle capacità e medium o low per i carichi di lavoro di routine. Il modello decide quando e quanto pensare all'interno del livello di impegno selezionato, e non sono supportati budget manuali di token di pensiero.

Quale approccio è migliore?

Sol offre un maggiore controllo nella fascia bassa perché il ragionamento può essere disattivato completamente, riducendo latenza e costi per i carichi di lavoro semplici. Fable propone un approccio più deciso: il pensiero adattivo è sempre attivo, il che può semplificare la progettazione di agenti orientati alla qualità ma elimina la possibilità di usare lo stesso modello come endpoint puramente privo di ragionamento. Nessuno dei due approcci è intrinsecamente superiore. La scelta giusta dipende dal fatto che l'applicazione dia valore a un controllo flessibile dei costi o a un comportamento coerente che mette il ragionamento al primo posto.

Finestra di contesto e prezzi a contesto lungo

Entrambi i modelli supportano prompt molto grandi:

Modello	Finestra di contesto	Output massimo
GPT-5.6 Sol	1,050,000 token	128,000 token
Claude Fable 5	1,000,000 token	128,000 token

La differenza nominale di 50,000 token è meno importante della politica dei prezzi.

La soglia di contesto lungo di Sol

Per Sol, le richieste che contengono più di 272,000 token di input vengono fatturate a $10 per milione di token di input, $1 per milione di token di input in cache, $12.50 per milione di token di scrittura in cache e $45 per milione di token di output. Le tariffe più alte si applicano all'intera richiesta, non solo alla parte oltre i 272,000 token.

I prezzi a contesto pieno di Fable

Anthropic afferma che una richiesta Fable da 900,000 token utilizza le stesse tariffe per token di una richiesta da 9,000 token: $10 per milione di token di input e $50 per milione di token di output. Il prompt caching e gli sconti in batch restano disponibili sull'intera finestra di contesto.

Quale è più economico per il contesto lungo?

Al di sotto dei 272,000 token di input, Sol ha un chiaro vantaggio di prezzo di listino. Al di sopra della soglia:

Prezzo	GPT-5.6 Sol	Claude Fable 5
Input / 1M	$10	$10
Output / 1M	$45	$50
Lettura input in cache / 1M	$1	$1
Scrittura in cache di base / 1M	$12.50	$12.50 per una cache di 5 minuti

Con lunghezze di contesto molto elevate, i due modelli sono quindi molto più vicini nel prezzo. Sol resta il 10% più economico sui token di output, ma il suo vantaggio sull'input a contesto breve scompare. Questa è una delle differenze più importanti da comprendere prima di scegliere un modello per interi repository, grandi file legali, archivi di ricerca o agenti di lunga durata.

Confronto dei prezzi delle API

Prezzi standard

Tipo di token	GPT-5.6 Sol	Claude Fable 5
Input	$5 / 1M	$10 / 1M
Lettura input in cache	$0.50 / 1M	$1 / 1M
Scrittura in cache	$6.25 / 1M	$12.50 / 1M per 5 minuti
Output	$30 / 1M	$50 / 1M

Con i normali prezzi a contesto breve, l'input di Sol è il 50% più economico, l'output di Sol è il 40% più economico, l'input di Fable costa il doppio di quello di Sol e l'output di Fable è circa il 66.7% più costoso di quello di Sol.

Esempio 1: una richiesta agentica normale

Supponiamo 100,000 token di input, 10,000 token di output, nessun input in cache e nessuno strumento fatturato separatamente.

Modello	Input	Output	Totale
GPT-5.6 Sol	$0.50	$0.30	$0.80
Claude Fable 5	$1.00	$0.50	$1.50

In questo esempio semplificato, Sol costa circa il 46.7% in meno.

Esempio 2: una richiesta grande sotto la soglia di Sol

Supponiamo 250,000 token di input e 20,000 token di output.

Modello	Totale
GPT-5.6 Sol	$1.85
Claude Fable 5	$3.50

Sol è circa il 47.1% più economico.

Esempio 3: una richiesta oltre i 272,000 token di input

Supponiamo 500,000 token di input e 20,000 token di output.

Modello	Input	Output	Totale
GPT-5.6 Sol	$5.00	$0.90	$5.90
Claude Fable 5	$5.00	$1.00	$6.00

Una volta che si applicano i prezzi a contesto lungo di Sol, la differenza diventa molto piccola.

Avvertenza sulla tokenizzazione

I prezzi per milione di token non rappresentano il confronto completo dei costi, perché i fornitori utilizzano tokenizer diversi. Anthropic afferma che Fable utilizza il suo tokenizer più recente, che produce circa il 30% di token in più per lo stesso testo rispetto ai modelli Claude precedenti a Opus 4.7. Questa affermazione non stabilisce come i conteggi dei token di Fable si confrontino con il tokenizer di OpenAI. Il metodo affidabile consiste nel far passare prompt rappresentativi attraverso gli strumenti di conteggio dei token di ciascun fornitore e confrontare il costo dei risultati accettati.

Prompt caching

Entrambe le piattaforme offrono uno sconto del 90% sulle letture dalla cache rispetto al loro prezzo di input standard.

Caching di Sol

GPT-5.6 supporta breakpoint di cache espliciti e una durata minima della cache di 30 minuti. Le scritture in cache costano 1.25 volte la tariffa di input senza cache. Con i prezzi a contesto breve:

Input:       $5.00 / 1M
Cache write: $6.25 / 1M
Cache read:  $0.50 / 1M

Caching di Fable

Fable supporta:

5-minute cache write: $12.50 / 1M
1-hour cache write:   $20.00 / 1M
Cache hit or refresh: $1.00 / 1M

La lunghezza minima del prompt memorizzabile in cache per Fable stabilita da Anthropic è di 512 token sulla Claude API, sebbene esistano differenze specifiche per piattaforma.

Differenza pratica

Le letture e le scritture in cache standard di Sol sono più economiche per i prompt al di sotto della soglia di contesto lungo. Fable offre un'opzione documentata di scrittura in cache di un'ora e mantiene il suo modello di prezzo standard sull'intera finestra di contesto. Il caching fa risparmiare solo quando il prefisso viene riutilizzato un numero sufficiente di volte. Una voce di cache di grandi dimensioni che viene scritta una volta e mai più letta può costare più dell'elaborazione senza cache.

Strumenti e architettura degli agenti

Programmatic Tool Calling

Entrambi i fornitori supportano la chiamata programmatica degli strumenti. L'idea generale è la stessa: il modello può scrivere codice che coordina diversi strumenti, filtra i risultati intermedi e restituisce solo le informazioni necessarie per la risposta finale. Questo può ridurre i round trip verso il modello, gli schemi di strumenti ripetuti, gli output intermedi voluminosi, la pressione sulla finestra di contesto e i costi in token nei flussi di lavoro con uso intensivo di strumenti.

Le regole di conservazione dei dati sono diverse. OpenAI afferma che il Programmatic Tool Calling di GPT-5.6 opera in memoria ed è compatibile con la Zero Data Retention. Anthropic afferma che il suo Programmatic Tool Calling utilizza un'infrastruttura di esecuzione del codice, non è idoneo alla ZDR e può conservare i dati del container fino a 30 giorni.

Lavoro multi-agente

OpenAI fornisce una configurazione denominata ultra in prodotti selezionati. Il suo valore predefinito pubblicato utilizza quattro agenti in parallelo, e gli sviluppatori possono costruire flussi di lavoro simili a ultra con la beta multi-agente della Responses API. Anthropic non presenta l'orchestrazione dei sub-agenti di Fable come una modalità del modello con lo stesso nome; afferma che Fable può delegare a sub-agenti in harness come Claude Code e Claude Managed Agents e può continuare a lavorare per giorni. La scelta architetturale non è quindi semplicemente «multi-agente contro singolo agente». Entrambi possono essere usati in sistemi multi-agente, ma le interfacce di orchestrazione e la confezione dei prodotti differiscono.

Conservazione dei dati e privacy aziendale

Questa è una delle differenze di prodotto più nette.

GPT-5.6 Sol

OpenAI elenca gpt-5.6-sol tra i modelli idonei alla Zero Data Retention e al Modified Abuse Monitoring per i clienti API approvati. Questi controlli richiedono un'approvazione preventiva e possono presentare limitazioni per endpoint o funzionalità. Alcuni strumenti lato server possono comunque avere un proprio comportamento di conservazione, quindi i team devono esaminare le funzionalità esatte utilizzate nel flusso di lavoro.

Claude Fable 5

Anthropic richiede una conservazione dei dati di 30 giorni per il monitoraggio della sicurezza di Fable. La sua documentazione di migrazione afferma che Fable non è disponibile con accordi ZDR, e tale requisito si applica su tutte le piattaforme su cui Fable è offerto.

Cosa significa

Per le organizzazioni con un requisito rigido di conservazione zero, Sol è il candidato più plausibile, subordinatamente all'approvazione di OpenAI e all'idoneità delle funzionalità. Fable può comunque essere adatto a molte aziende, ma i team devono accettare e documentare il requisito di conservazione di 30 giorni. Questa differenza può superare piccoli vantaggi nei benchmark quando il carico di lavoro contiene codice sorgente riservato, documenti regolamentati o documenti interni sensibili.

Sistemi di sicurezza e rifiuti

I due fornitori utilizzano approcci di deployment diversi per i modelli ad alta capacità.

Il sistema di classificatori e fallback di Fable

Fable include classificatori di sicurezza che possono rifiutare determinate richieste di cybersecurity e biologia. Un rifiuto viene restituito come una risposta HTTP 200 andata a buon fine con:

stop_reason: "refusal"

La risposta può indicare quale classificatore ha rifiutato la richiesta. Anthropic supporta il fallback lato server, basato su SDK o manuale verso un altro modello Claude. Le richieste rifiutate prima che venga generato l'output non vengono fatturate, e Anthropic fornisce crediti di fallback per evitare di addebitare due volte i costi della cache dei prompt. Molte richieste segnalate possono essere instradate verso Claude Opus 4.8 invece di ricevere una risposta da Fable. Questo significa che gli sviluppatori devono trattare i rifiuti come uno stato normale dell'applicazione, non come un errore HTTP eccezionale.

Le protezioni a più livelli di Sol

OpenAI descrive GPT-5.6 come un modello che utilizza protezioni a livello di modello, controlli in tempo reale sulla generazione, monitoraggio, segnali a livello di account e accesso differenziato per le capacità a rischio più elevato. OpenAI offre inoltre percorsi di accesso fidato per alcune attività difensive di cybersecurity.

Quale è meno restrittivo?

Non esiste una percentuale universale affidabile che indichi quale modello pubblico rifiuti più spesso nel normale traffico di produzione. È corretto affermare che Fable dispone di un meccanismo di classificatori e fallback esplicitamente documentato per la cybersicurezza e la biologia, e che queste protezioni possono impedire a Fable stesso di rispondere a richieste di tali categorie. Non sarebbe corretto concludere solo da questo che Sol non abbia restrizioni comparabili.

Disponibilità ed ecosistema

GPT-5.6 Sol

OpenAI afferma che Sol è disponibile tramite ChatGPT per i piani a pagamento idonei, ChatGPT Work, Codex, la OpenAI API e le integrazioni e i percorsi cloud OpenAI supportati. Al modello si accede principalmente tramite la Responses API di OpenAI per i flussi di lavoro avanzati di ragionamento e di agenti.

Claude Fable 5

Anthropic afferma che Fable è disponibile tramite Claude.ai per gli utenti Pro, Max, Team ed Enterprise, Claude Code, Claude Cowork, la Claude API, Claude Platform su AWS, Amazon Bedrock, Google Cloud e Microsoft Foundry. Le assegnazioni dei piani, le restrizioni di capacità e i requisiti di crediti di utilizzo possono variare a seconda del prodotto e possono cambiare nel tempo.

Conclusione sull'ecosistema

Fable ha una disponibilità documentata più ampia sulle principali piattaforme cloud di terze parti. Sol ha un'integrazione più profonda con ChatGPT, Codex e l'ecosistema della Responses API. I team già orientati verso lo stack di agenti di un fornitore possono trarre maggior beneficio dalla compatibilità con l'ecosistema che da una piccola differenza nei benchmark.

Quale modello scegliere?

Scegli GPT-5.6 Sol quando

• il costo standard delle API è un vincolo importante;
• la maggior parte dei prompt rimane sotto i 272,000 token di input;
• hai bisogno di disattivare il ragionamento per le richieste semplici;
• desideri la modalità Pro o la beta multi-agente di OpenAI;
• il tuo stack utilizza già la Responses API, Codex o ChatGPT Work;
• l'idoneità alla ZDR è un requisito aziendale;
• il coding con uso intensivo del terminale e il coordinamento degli strumenti assomigliano al tuo carico di lavoro;
• desideri il limite delle conoscenze pubblicato più recente.

Scegli Claude Fable 5 quando

• il lavoro su repository in stile SWE-bench è altamente rappresentativo;
• l'agente deve operare per ore o giorni con una supervisione limitata;
• fai già affidamento su Claude Code;
• il deployment su AWS, Bedrock, Google Cloud o Microsoft Foundry è importante;
• preferisci il pensiero adattivo sempre attivo;
• l'intera finestra di contesto da un milione di token deve restare a una tariffa di input prevedibile e uniforme;
• la tua organizzazione accetta il requisito di conservazione di 30 giorni.

Testa entrambi quando

• gli errori sono costosi;
• il task dipende da strumenti proprietari;
• il modello modifica un grande repository di produzione;
• l'agente genera deliverable finanziari, legali o tecnici;
• la latenza conta quanto la qualità;
• i revisori tengono allo stile, al design o al rispetto delle istruzioni;
• i risultati dei benchmark non assomigliano molto al flusso di lavoro reale.

Il test corretto non è «quale modello fornisce la risposta demo più bella?». Misura:

output accettati
diviso per
costo totale di modello, strumenti, tentativi e revisione umana

Questa metrica cattura l'economia dell'intero sistema.

Un piano di valutazione pratico

1. Costruisci un set di task rappresentativo

Utilizza esempi reali anonimizzati provenienti dalla produzione. Includi task facili, intermedi e soggetti a errori.

2. Mantieni l'harness comparabile

Fornisci a entrambi i modelli strumenti, limiti di tempo, contesto e criteri di successo equivalenti ovunque le loro API lo consentano.

3. Testa più di un livello di impegno

Un confronto equo non dovrebbe eseguire automaticamente entrambi i modelli al massimo impegno. Confronta la configurazione più bassa che raggiunge la qualità richiesta. Punti di partenza suggeriti:

Carico di lavoro	Sol	Fable
Estrazione semplice	none o low	low
Assistente generico	medium	medium
Coding difficile	high o xhigh	high o xhigh
Task di frontiera con priorità alla qualità	max o Pro	max

4. Conteggia i costi completi

Includi l'input senza cache, le scritture e le letture in cache, l'output generato, i token di ragionamento, le chiamate agli strumenti, i tentativi, le esecuzioni fallite, il tempo di correzione umana e i costi di latenza e infrastruttura.

5. Esamina il comportamento di sicurezza

Metti alla prova la gestione dei rifiuti, la logica di fallback, le azioni distruttive, i permessi degli strumenti e i requisiti sui dati sensibili.

6. Instrada invece di standardizzare alla cieca

L'architettura finale può utilizzare entrambi i fornitori. Ad esempio: Sol per l'orchestrazione di strumenti a basso costo e ad alto volume; Fable per task selezionati su repository a lungo orizzonte; il fallback tra fornitori quando un modello rifiuta o fallisce; e la verifica indipendente per gli output ad alto impatto.

Verdetto finale

GPT-5.6 Sol è la proposta di valore complessiva più forte con i prezzi API standard a contesto breve. Costa meno, offre maggiore flessibilità di ragionamento, primeggia in diversi benchmark generali e per agenti di coding e offre un percorso più chiaro verso i deployment approvati con Zero Data Retention.

Claude Fable 5 resta un serio concorrente di frontiera. Il suo risultato dell'80% su SWE-bench Pro è nettamente superiore al 64.6% pubblicato di Sol, primeggia nell'Artificial Analysis Intelligence Index e in GDPval-AA v2 ed è progettato appositamente per il lavoro agentico ambizioso e di lunga durata. Offre inoltre un'ampia disponibilità sulle piattaforme cloud e prezzi prevedibili sull'intera finestra di contesto da un milione di token. La conclusione accurata più semplice è:

• Scegli Sol per l'efficienza dei costi, il ragionamento configurabile, lo stack di agenti di OpenAI e i deployment sensibili alla ZDR.
• Scegli Fable per carichi di lavoro di coding a lungo orizzonte selezionati, il deployment multi-cloud e i casi in cui i suoi punti di forza in stile SWE-bench contano più del prezzo dei token.
• Esegui la tua valutazione prima di standardizzare su uno dei due modelli.

Un leader nei benchmark non è automaticamente il modello più economico per task riuscito. Un prezzo per token più basso non è automaticamente la migliore scelta ingegneristica. Il modello vincente è quello che completa il tuo carico di lavoro reale in modo affidabile, entro i vincoli richiesti di latenza, privacy e budget.

Fonti

• OpenAI Developers - GPT-5.6 Sol Model
• Anthropic - Claude Fable
• OpenAI Developers - API pricing
• Anthropic Claude Platform Docs - Pricing
• OpenAI Developers - Models
• Anthropic Claude Platform Docs - Models overview
• OpenAI Developers - Model guidance: Using GPT-5.6
• Anthropic Claude Platform Docs - Adaptive thinking
• Anthropic - Claude Fable 5 and Claude Mythos 5 System Card (9 June 2026)
• OpenAI - GPT-5.6: Frontier intelligence that scales with your ambition (9 July 2026)
• Anthropic Claude Platform Docs - Migration guide: Claude Fable 5
• OpenAI Developers - Data controls in the OpenAI platform
• Anthropic Claude Platform Docs - Introducing Claude Fable 5 and Claude Mythos 5
• Anthropic - Claude Fable 5 and Claude Mythos 5 (9 June 2026)
• Anthropic Claude Code Docs - Model configuration
• Anthropic Claude Platform Docs - Programmatic tool calling