GPT-5.6 vs Fable 5 vs Opus 4.8 — który model dla firmy

OpenAI udostępniło GPT-5.6 9 lipca 2026 roku — od razu jako trzy modele, nie jeden. Sześć tygodni wcześniej Anthropic pokazał Claude Opus 4.8, a niecałe dwa tygodnie po nim Claude Fable 5. Jeśli używasz AI w firmie, masz teraz trzy „najlepsze modele na rynku" naraz i zero czasu, żeby je przetestować.

To porównanie GPT-5.6 vs Fable 5 vs Claude Opus 4.8 sprowadzam do rzeczy, które widać w rachunku: ile kosztują, w czym każdy z nich jest lepszy i gdzie kryje się haczyk. Piszę jako osoba, która podpina te modele klientom do automatyzacji — więc interesuje mnie nie miejsce w rankingu, tylko koszt jednego zadania i to, co się dzieje, gdy model zawiedzie.

Jedna teza na start: w ogólnym rankingu inteligencji Artificial Analysis te modele dzieli jeden punkt (Fable 5 — 60, GPT-5.6 Sol — 59), ale w trudnym programowaniu przepaść jest już duża (SWE-bench Pro: 80,3% wobec 64,6%). Do tego dochodzą dwie rzeczy, o których cenniki milczą: koszt jednego zadania różni się mniej więcej trzykrotnie, a Fable 5 ma klasyfikatory, które potrafią Twoje zapytanie po prostu odrzucić. I to na tych dwóch ostatnich rzeczach stracisz albo zaoszczędzisz pieniądze.

• Trzy premiery w sześć tygodni
• GPT-5.6 — Luna, Terra i Sol
• Claude Opus 4.8 — najtańszy flagowiec
• Claude Fable 5 — najdroższy, do najtrudniejszych zadań
• GPT-5.6 vs Fable 5 — co mówią testy
• Kiedy model odmawia — pułapka w automatyzacji
• Jak wybrać model do automatyzacji w firmie
• Najczęściej zadawane pytania
• Wdrożenie AI w firmie — od czego zacząć
• Podsumowanie

Trzy premiery w sześć tygodni

28 maja 2026 roku Anthropic wydał Claude Opus 4.8 — 5 USD za milion tokenów wejściowych i 25 USD za milion wyjściowych (w trybie szybkim odpowiednio 10 i 50 USD). Token to kawałek słowa. W praktyce płacisz osobno za to, ile tekstu model przeczyta, i za to, ile sam napisze.

9 czerwca pojawił się Claude Fable 5. Anthropic ustawił go wyżej i drożej — do cen wrócę za chwilę, bo to najciekawszy element całej układanki.

9 lipca OpenAI udostępniło rodzinę GPT-5.6 w ChatGPT, w Codeksie i przez API. Sam Altman zapowiedział przy okazji, że najmocniejszy wariant zużywa o 54% mniej tokenów w zadaniach programistycznych niż poprzednie wersje. To deklaracja producenta, bez pełnej metodologii — ale kierunek jest jasny: mniej tokenów to niższy rachunek za to samo zadanie.

Dla Twojej firmy zmieniło się jedno. Pytanie „który model jest najlepszy" straciło sens. Zostało pytanie „który model do którego zadania" — bo zamiast jednego flagowca masz dziś pięć wariantów w trzech przedziałach cenowych.

GPT-5.6 — Luna, Terra i Sol

GPT-5.6 to trzy warianty ustawione od najsłabszego do najmocniejszego: Luna, Terra i Sol. Ceny za milion tokenów (wejście / wyjście) wyglądają tak:

• Luna — 1 USD / 6 USD
• Terra — 2,50 USD / 15 USD
• Sol — 5 USD / 30 USD

Różnica między najtańszym a najdroższym to pięciokrotność. Wszystkie trzy mają za to identyczne fundamenty: okno kontekstu miliona tokenów, limit 128 tysięcy tokenów w pojedynczej odpowiedzi i wiedzę zamkniętą na 16 lutego 2026 roku. Okno kontekstu to ilość tekstu, którą model bierze pod uwagę naraz — w milionie tokenów spokojnie mieści się gruby regulamin razem z załącznikami.

W zwykłym czacie ta data ma dziś niewielkie znaczenie, bo model doszuka sobie świeże informacje w sieci. Boli dopiero w automatyzacji przez API — tam model sam z siebie niczego nie wyszuka: musisz mu włączyć narzędzie wyszukiwania albo podać aktualne dane w zapytaniu. Bez tego o niczym po 16 lutego 2026 roku nie wie i odpowie danymi sprzed premiery, z pełnym przekonaniem.

Wniosek dla firmy jest prosty: nie zaczynaj od najdroższego wariantu. Luna kosztuje pięć razy mniej niż Sol, a w jedynym teście, w którym mamy wyniki wszystkich trzech wariantów obok siebie (Terminal-Bench — zadania wykonywane w terminalu, czyli tekstowej konsoli programisty), ustępuje mu o cztery punkty procentowe — 84,7% wobec 88,8%. Naszym zdaniem przy takim rozstawieniu ceny i wyniku sensowna kolejność jest tylko jedna: zacznij od Luny, zmierz jakość na swoich danych i podnoś poprzeczkę tylko tam, gdzie wynik naprawdę Cię nie zadowala.

Claude Opus 4.8 — najtańszy flagowiec

Tu jest niespodzianka. Spośród trzech flagowych modeli w tym zestawieniu Claude Opus 4.8 jest najtańszy po stronie wyjścia — 25 USD za milion tokenów, wobec 30 USD za GPT-5.6 Sol i 50 USD za Claude Fable 5. W każdym z tych cenników wyjście jest kilkakrotnie droższe od wejścia — u Opus 4.8 pięciokrotnie (5 USD wobec 25 USD), u Luny sześciokrotnie (1 USD wobec 6 USD) — więc każdy token, który model sam napisze, kosztuje Cię kilka razy więcej niż token, który przeczyta.

Opus 4.8 nie jest przy tym modelem drugiej kategorii:

• pracuje na takim samym oknie kontekstu (milion tokenów) jak GPT-5.6 i Fable 5 — pod tym względem żaden z nich nie ma przewagi;
• to do niego trafiają zapytania, których Fable 5 odmówi — Anthropic świadomie zrobił z niego bezpieczny model zapasowy;
• na SWE-bench Pro, czyli w naprawianiu prawdziwych błędów w kodzie, wypada lepiej niż GPT-5.6 Sol — 69,2% wobec 64,6%. Na części standardowych testów porównania po prostu nie ma, bo OpenAI nie opublikowało dla GPT-5.6 wyników m.in. SWE-bench Verified czy GPQA Diamond — o czym za moment.

Opus 4.8 zdążył się już sprawdzić w pracy z kodem i w starciu z poprzednią generacją GPT — na SWE-bench Pro wyprzedza GPT-5.5 (69,2% wobec 58,6%). W Artificial Analysis Intelligence Index w momencie premiery prowadził z wynikiem 61,4 punktu; GPT-5.6 Sol notuje w tym samym rankingu 59 punktów. Nie ma za to wspólnych wyników na SWE-bench Verified, GPQA Diamond, AIME i MMLU — OpenAI ich dla GPT-5.6 nie pokazało. W skrócie: naszym zdaniem, jeśli masz działający proces oparty o Opus 4.8, sama premiera GPT-5.6 nie jest powodem, żeby cokolwiek przepinać z dnia na dzień — na tych osiach, które da się dziś porównać, Opus 4.8 nie wypada gorzej.

Claude Fable 5 — najdroższy, do najtrudniejszych zadań

Claude Fable 5 kosztuje 10 USD za milion tokenów wejściowych i 50 USD za wyjściowe — dokładnie dwa razy drożej niż Opus 4.8 po obu stronach. Za co dopłacasz?

Za trudne zadania. W teście SWE-bench Pro, w którym model naprawia prawdziwe błędy w dużych projektach programistycznych, Fable 5 wyprzedza całą resztę stawki (liczby w tabeli niżej). Ten sam margines widać jeszcze wyraźniej na FrontierCode Diamond, czyli w naprawdę trudnych zadaniach programistycznych: Fable 5 ma tam 29,3% wobec 13,4% dla Opus 4.8. Właśnie za tę różnicę płacisz podwójną stawkę: za skuteczność w zadaniach, przy których tańsze modele wypadają wyraźnie słabiej. Warto jednak wiedzieć, że w teście najbliższym pracy zawodowej — Agents' Last Exam, mierzącym profesjonalne przepływy pracy w 55 dziedzinach — kolejność jest odwrotna: GPT-5.6 Sol ma tam 53,6 punktu, a Fable 5 — 40,5. Przewaga Fable 5 jest więc przewagą w trudnym kodzie, a nie przewagą wszędzie.

Za wyższą ceną idą też ograniczenia, których w cenniku nie widać:

• tryb dłuższego namysłu (adaptive thinking) jest w nim zawsze włączony i nie da się go wyłączyć — to model, a nie Ty, decyduje, ile czasu poświęci na myślenie nad prostym zadaniem;
• ma wbudowane klasyfikatory bezpieczeństwa (cyberbezpieczeństwo, biologia i chemia, kopiowanie modelu), które przy odmowie przekierowują zapytanie do słabszego Opus 4.8; wg Anthropic uruchamiają się średnio w mniej niż 5% sesji;
• przez dziewiętnaście dni w ogóle nie był dostępny — 12 czerwca rząd USA objął go kontrolą eksportową, Anthropic zawiesił dostęp i przywrócił go globalnie dopiero 1 lipca 2026 roku.

Uczciwie: podobne restrykcje dotknęły podobno także wcześniejszy dostęp do GPT-5.6, ale nie znalazłem na to potwierdzenia u samego OpenAI, więc traktuję to jako plotkę, nie fakt. Wniosek dla firmy jest ten sam w obie strony: nie opieraj krytycznego procesu o jeden model jednego dostawcy.

GPT-5.6 vs Fable 5 — co mówią testy

Teraz konkrety. Zestawienie wyników przygotowane przez Vellum pokazuje coś, czego nie widać w komunikatach prasowych — każdy z tych modeli wygrywa w innej konkurencji.

Na SWE-bench Pro (naprawianie prawdziwych błędów w kodzie) prowadzi Claude Fable 5 z wynikiem 80,3%, przed Opus 4.8 (69,2%) i GPT-5.6 Sol (64,6%). To wyraźna przewaga Anthropic w trudnym programowaniu.

W Coding Agent Index od Artificial Analysis kolejność się odwraca: GPT-5.6 Sol prowadzi z wynikiem 80 punktów przed Fable 5 (77,2) i zużywa przy tym mniej niż połowę tokenów wyjściowych oraz mniej niż połowę czasu. Innymi słowy: w tym teście Sol robi robotę odrobinę lepiej niż Fable 5 — i przy tym zauważalnie szybciej i taniej.

I najważniejsza liczba w całym artykule. W rankingu ogólnej inteligencji Artificial Analysis Fable 5 prowadzi z wynikiem 60 punktów, tuż przed GPT-5.6 Sol z 59 — przy czym Sol osiąga ten wynik za około jedną trzecią kosztu zadania (ok. 1,04 USD za zadanie). Jeden punkt różnicy w jakości. Trzykrotna różnica w cenie.

Model	Premiera	Cena za mln tokenów (wejście / wyjście)	Okno kontekstu	SWE-bench Pro
GPT-5.6 Luna	9.07.2026	1 / 6 USD	1 mln tokenów	brak danych
GPT-5.6 Terra	9.07.2026	2,50 / 15 USD	1 mln tokenów	brak danych
GPT-5.6 Sol	9.07.2026	5 / 30 USD	1 mln tokenów	64,6%
Claude Opus 4.8	28.05.2026	5 / 25 USD	1 mln tokenów	69,2%
Claude Fable 5	9.06.2026	10 / 50 USD	1 mln tokenów	80,3%

Zwróć uwagę na kolumnę z kontekstem. Wszystkie modele mają go tyle samo — to nie jest oś, na której którykolwiek producent ma przewagę, choć w materiałach marketingowych bywa pokazywana jako atut.

Czego te wyniki nie mówią

Zanim wyciągniesz z tabeli wnioski, cztery zastrzeżenia:

• OpenAI nie opublikowało dla GPT-5.6 wyników kilku standardowych testów (m.in. SWE-bench Verified, GPQA Diamond, AIME, MMLU). Bezpośrednie porównanie z Opus 4.8 na tych osiach jest po prostu niemożliwe — a nie „wygrane" przez którąkolwiek stronę.
• Wyniki Terminal-Bench porównuję tylko wewnątrz rodziny GPT-5.6 (Sol 88,8%, Terra 87,4%, Luna 84,7%). Zestawienia Anthropic kontra OpenAI tu nie znajdziesz, bo dla modeli Anthropic źródła podają sprzeczne liczby — najpewniej mierzone różnymi metodami.
• Krążący po agregatorach wynik 95% dla Fable 5 na SWE-bench Verified nie ma potwierdzenia u Anthropic — dlatego go tu nie ma.
• „Sol Ultra" (91,9% na Terminal-Bench) to nie osobny model, tylko tryb z czterema równoległymi agentami. Nie ma go w cenniku i nie znamy oficjalnej ceny.

Kiedy model odmawia — pułapka w automatyzacji

Ta sekcja opiera się wprost na dokumentacji i ogłoszeniach Anthropic — tyle że to detale, które łatwo przeoczyć, a które realnie kosztują pieniądze.

Po przywróceniu dostępu do Fable 5 Anthropic wdrożył nowy klasyfikator, który blokuje konkretny sposób obchodzenia zabezpieczeń w ponad 99% przypadków. Firma sama przyznaje, że ceną za to jest częstsze fałszywe blokowanie zupełnie niegroźnych zadań — zwykłego programowania i szukania błędów. Twój skrypt do fakturowania nie robi nic złego, a i tak może dostać odmowę.

Co się dzieje po odmowie? Są dwa scenariusze. Pierwszy: wbudowane klasyfikatory przy odmowie same przekierowują zapytanie do słabszego Opus 4.8 — dostajesz odpowiedź, tylko od innego modelu, niż opłaciłeś, i nic Cię o tym nie uprzedza. Drugi: gdy do odmowy jednak dojdzie, zgodnie z dokumentacją Anthropic nie przychodzi ona jako błąd, tylko jako poprawnie zakończona odpowiedź — z kodem HTTP 200 i powodem zakończenia „refusal", po prostu bez treści. Jedyna dobra wiadomość: jeśli model odrzuci żądanie, zanim wygeneruje jakiekolwiek wyjście, nie zapłacisz za nie.

Dla automatyzacji oba scenariusze są podstępne, bo w obu Twój przepływ widzi „sukces" i leci dalej. W pierwszym proces po cichu pracuje na słabszym modelu. W drugim raport wychodzi pusty, opis produktu nie powstaje, wiadomość do klienta idzie bez treści. Proces nie pada z hukiem — po cichu obniża jakość albo zapisuje puste odpowiedzi.

Dlatego w każdym przepływie z modelem AI budujemy u siebie prostą gałąź awaryjną:

• sprawdzamy powód zakończenia odpowiedzi i to, który model faktycznie odpowiedział — a nie tylko to, czy zapytanie się „udało";
• pusta treść = ponowna próba na innym modelu (na przykład tańszym Opus 4.8);
• jeśli i druga próba kończy się odmową, zadanie trafia do człowieka — zamiast pustego wpisu w bazie.

To drobiazg przy budowie automatyzacji w n8n — i z naszego doświadczenia we wdrożeniach właśnie ten drobiazg dzieli proces, który działa, od takiego, który po cichu zapisuje puste odpowiedzi. Skoro odmowa wraca jako HTTP 200, bez tej gałęzi nic w Twoim przepływie jej nie zauważy.

Jak wybrać model do automatyzacji w firmie

Nie wybieraj jednego. To najkrótsza odpowiedź, jaką mam po tych trzech premierach.

Te modele różnią się ceną nawet dziesięciokrotnie — najtańsza Luna to 1 USD za milion tokenów wejściowych, Fable 5 aż 10 USD — a publiczne testy, które je od siebie odróżniają, to w większości benchmarki programistyczne i agentowe. Najbliżej zawodowej codzienności jest Agents' Last Exam (profesjonalne przepływy pracy w 55 dziedzinach, Sol 53,6 wobec 40,5 dla Fable 5), ale i on nie mierzy Twoich faktur ani Twoich zgłoszeń. Naszym zdaniem, zanim dopłacisz dziesięciokrotnie, sprawdź na własnych danych, czy w ogóle widzisz różnicę. Przepisanie danych z faktury, streszczenie maila, opisanie produktu, sklasyfikowanie zgłoszenia — przy takich zadaniach z naszego doświadczenia we wdrożeniach zaczynamy od najtańszego wariantu i podnosimy poprzeczkę dopiero wtedy, gdy wynik na realnych danych klienta nas nie zadowoli.

Zasada, którą stosujemy przy wdrożeniach:

• zadania masowe i powtarzalne (odczyt dokumentów, klasyfikacja, automatyczne raportowanie) — najtańszy model, jaki daje akceptowalną jakość;
• zadania wymagające dokładności (analiza umowy, decyzja o zwrocie, odpowiedź do klienta) — tu żaden publiczny benchmark nie powie Ci, czy Terra albo Opus 4.8 poradzą sobie z Twoją umową, więc porównujemy co najmniej dwa modele na tych samych, prawdziwych przykładach i bierzemy najtańszy, który przechodzi ten test;
• zadania naprawdę trudne (złożony kod, wielogodzinna analiza) — Fable 5, ale świadomie i z policzonym budżetem;
• zawsze — model zapasowy na wypadek odmowy lub awarii dostawcy.

I rzecz, o której zapomina większość porównań: cena za milion tokenów to nie jest Twój koszt. Twoim kosztem jest cena jednego zadania. Model, który zużywa więcej tokenów na jedno zlecenie, potrafi wyjść drożej, niż wynikałoby z samego cennika — w Coding Agent Index Fable 5 spala ponad dwa razy więcej tokenów wyjściowych niż GPT-5.6 Sol. Właśnie dlatego Sol, w cenniku dwa razy tańszy od Fable 5 na wejściu, w pomiarach Artificial Analysis wykonuje typowe zadanie za około jedną trzecią jego kosztu (ok. 1,04 USD za zadanie).

Zanim wybierzesz model, zbuduj proces tak, żeby jego zmiana była zmianą jednego ustawienia. Wtedy kolejna premiera — a przy tempie trzech flagowych modeli w sześć tygodni kolejna na pewno przyjdzie — nie będzie dla Ciebie żadnym wydarzeniem.

Najczęściej zadawane pytania

Który model AI jest najlepszy dla małej firmy? Żaden publiczny test nie mierzy zadań małej firmy, więc odpowiedzi na to pytanie nie da się wyczytać z benchmarków — trzeba ją zmierzyć u siebie. Naszym zdaniem właściwa kolejność jest jedna: zacznij od najtańszego modelu i sprawdź go na własnych danych. GPT-5.6 Luna kosztuje 1 USD za milion tokenów wejściowych, czyli dziesięć razy mniej niż Fable 5, a na Terminal-Bench ustępuje najdroższemu Solowi o cztery punkty procentowe (84,7% wobec 88,8%). Po droższy model sięgaj dopiero wtedy, gdy tańszy realnie zawiedzie na Twoich danych.

Czy GPT-5.6 jest lepszy od Claude Fable 5? Zależy od zadania. W naprawianiu błędów w kodzie (SWE-bench Pro) Fable 5 wyraźnie prowadzi — 80,3% wobec 64,6% dla GPT-5.6 Sol. Za to w Coding Agent Index od Artificial Analysis kolejność się odwraca: Sol ma 80 punktów, Fable 5 — 77,2. W Agents' Last Exam, mierzącym profesjonalne przepływy pracy w 55 dziedzinach, prowadzi Sol z wynikiem 53,6 wobec 40,5. W ogólnym rankingu inteligencji Artificial Analysis różnica to jeden punkt na korzyść Fable 5, ale Sol osiąga swój wynik za około jedną trzecią kosztu zadania.

Ile realnie kosztuje używanie tych modeli? Liczy się koszt jednego zadania, nie cena za milion tokenów. Według pomiarów Artificial Analysis typowe zadanie na GPT-5.6 Sol to około 1,04 USD, a Fable 5 kosztuje w tym samym porównaniu mniej więcej trzy razy tyle — mimo że w cenniku jest „tylko" dwa razy droższy.

Czy Claude Fable 5 może odmówić wykonania zadania? Tak. Model ma wbudowane klasyfikatory bezpieczeństwa, które według Anthropic uruchamiają się średnio w mniej niż 5% sesji i przekierowują zapytanie do słabszego Opus 4.8. Anthropic przyznaje też, że po ostatniej aktualizacji częściej blokuje niegroźne zadania programistyczne.

Czy warto czekać na kolejny model? Nie. Między 28 maja a 9 lipca 2026 roku pojawiły się trzy flagowe premiery — Opus 4.8, Fable 5 i cała rodzina GPT-5.6. Naszym zdaniem przy takim tempie czekanie na „ten właściwy" model nigdy się nie kończy. Zbuduj proces tak, żeby wymiana modelu była zmianą jednego ustawienia, i przestań traktować każdą premierę jak wydarzenie.

Wdrożenie AI w firmie — od czego zacząć

Wybór modelu to ostatnia decyzja, nie pierwsza. Najpierw trzeba wiedzieć, który proces w firmie zjada najwięcej godzin ręcznej roboty — i czy AI w ogóle jest tam potrzebna, bo część zadań rozwiązuje zwykła integracja dwóch systemów, bez żadnego modelu.

Tym się zajmujemy na co dzień. Pomagamy firmom wdrożyć AI w istniejących procesach — od wyboru modelu i policzenia kosztu zadania, po gotowy przepływ z obsługą odmów i modelem zapasowym. Jeśli Twój zespół woli robić to samodzielnie, prowadzimy też szkolenia z AI dla firm. Napisz, podpowiemy, od czego zacząć.

Podsumowanie

Cztery rzeczy, które warto zapamiętać z porównania GPT-5.6, Claude Fable 5 i Claude Opus 4.8:

• W ogólnym rankingu inteligencji różnica w jakości jest mniejsza niż różnica w cenie. W rankingu inteligencji Artificial Analysis Fable 5 wyprzedza GPT-5.6 Sol o jeden punkt, a kosztuje na zadanie mniej więcej trzy razy więcej.
• Fable 5 wygrywa tam, gdzie zadanie jest naprawdę trudne — na SWE-bench Pro ma 80,3% wobec 69,2% dla Opus 4.8 i 64,6% dla GPT-5.6 Sol, a na FrontierCode Diamond 29,3% wobec 13,4% dla Opus 4.8. Te liczby mówią jednak o trudnym programowaniu — w teście bliższym pracy zawodowej (Agents' Last Exam) prowadzi za to GPT-5.6 Sol, 53,6 wobec 40,5. Czy któraś z tych przewag zmieni cokolwiek w Twojej rutynowej robocie, trzeba zmierzyć u siebie.
• Claude Opus 4.8 jest najtańszym flagowcem po stronie wyjścia (25 USD za milion tokenów) i pozostaje sensownym wyborem — również dlatego, że to on przejmuje zapytania odrzucone przez Fable 5.
• Największe ryzyko nie leży w wynikach testów, tylko w odmowach i dostępności. Model, który po cichu zwraca pustą odpowiedź, albo znika na dziewiętnaście dni przez restrykcje eksportowe, zrobi Twojemu procesowi więcej szkody niż dwa punkty w benchmarku.