Три передовые модели за пять недель: DeepSeek V4, GPT-5.5 и Claude Opus 4.8

Весной 2026 года три компании выпустили свои самые сильные модели всего за пять недель: OpenAI представила GPT-5.5 23 апреля, DeepSeek последовала за ней с DeepSeek V4 24 апреля, а затем Anthropic выпустила Claude Opus 4.8 28 мая. Все три соревнуются на одной арене — программирование, автономные агенты и интеллектуальная работа, — но с тремя разными философиями: открытая и дешёвая, закрытая и сильная в рассуждениях или закрытая и надёжная в долгих задачах. Это практическое руководство сравнивает их по официальным цифрам, а не по лозунгам.

Замечание о методе: сравнение бенчмарков разных компаний остаётся приблизительным, потому что каждый поставщик использует свою тестовую среду и свою версию бенчмарка (например, Terminal-Bench 2.0 против 2.1), поэтому небольшие различия не должны приводить к твёрдым выводам. Ниже мы сосредоточимся на действительно сопоставимых цифрах, собранных из официальных анонсов и независимых трекеров бенчмарков.

Краткая сравнительная таблица

ПараметрDeepSeek V4GPT-5.5Claude Opus 4.8
РазработчикDeepSeekOpenAIAnthropic
Дата выхода24 апреля 2026 г.23 апреля 2026 г.28 мая 2026 г.
ЛицензияОткрытые веса (MIT)ЗакрытаяЗакрытая
Контекстное окно1M токенов~1M токенов1M токенов
Цена за 1M токенов (вход/выход)Flash: 0,14 $/0,28 $ — Pro: 0,435 $/0,87 $5 $/30 $5 $/25 $
SWE-Bench Pro (реальное программирование)—58,6%69,2%
OSWorld-Verified (работа за компьютером)—78,7%83,4%
GPQA Diamond (научные рассуждения)90,1%93,6%—
Главная силаОткрытость и стоимостьРассуждения и эффективностьПрограммирование и долгие задачи

DeepSeek V4 — открытый претендент, догоняющий закрытые модели

DeepSeek выпустила два варианта на архитектуре Mixture-of-Experts (MoE): V4-Pro с 1,6 трлн параметров в сумме (49 млрд активных на токен) и V4-Flash с 284 млрд параметров в сумме и 13 млрд активных — быстрый и экономичный вариант. Оба поддерживают контекстное окно в 1 млн токенов, вывод до 384K токенов, два режима работы (с рассуждением / без рассуждения) и новую схему внимания (DeepSeek Sparse Attention), которая снижает вычислительные затраты на длинных контекстах.

Его решающее преимущество — открытые веса под лицензией MIT: модель можно скачать и запустить на собственных серверах, не отправляя данные третьей стороне. Это важно для любой организации, чувствительной к конфиденциальности данных в рамках Закона Саудовской Аравии о защите персональных данных (PDPL). DeepSeek называет её лучшей моделью с открытым исходным кодом для агентного программирования, уступающей по знаниям о мире среди моделей лишь Gemini 3.1 Pro.

GPT-5.5 — научные рассуждения и эффективность

OpenAI называет её своей самой умной моделью на сегодняшний день, ориентированной на долгие агентные задачи: программирование, работу за компьютером и переход между инструментами до завершения задачи. Она поддерживает контекстное окно около одного миллиона токенов, вывод до 128K токенов, ввод текста и изображений, а дата среза знаний — декабрь 2025 года. По словам OpenAI, модель обеспечивает интеллект передового уровня за половину стоимости конкурирующих передовых моделей для программирования в Coding Index от Artificial Analysis и тратит меньше токенов на выполнение той же задачи — с надбавкой к цене для контекстов свыше 272K токенов.

Claude Opus 4.8 — реальная разработка ПО и долгие задачи

Opus 4.8 — самая сильная модель Anthropic уровня Opus (над ней для самых сложных задач стоит более дорогая Claude Fable 5). Она выделяется высокой автономностью в долгих задачах и качеством суждений: задаёт правильные вопросы, замечает собственные ошибки и возражает, когда план несостоятелен. Она поддерживает контекстное окно в 1 млн токенов по стандартной цене без надбавки за длинный контекст и вывод до 128K токенов. По словам одного из партнёров по тестированию, которого цитирует сайт Anthropic, Opus 4.8 стала единственной моделью, прошедшей от начала до конца все кейсы бенчмарка Super-Agent и обошедшей GPT-5.5 при равной стоимости.

Цены: самый явный разрыв между тремя

Цена за миллион токенов (вход/выход) по официальным источникам:

  • DeepSeek V4-Flash: 0,14 $ за вход / 0,28 $ за выход — безусловно, самая дешёвая (при попадании в кэш вход снижается до 0,0028 $). Вариант Pro: 0,435 $ за вход / 0,87 $ за выход.
  • Claude Opus 4.8: 5 $ за вход / 25 $ за выход — окно в 1M токенов по стандартной цене без доплаты.
  • GPT-5.5: 5 $ за вход / 30 $ за выход — та же цена входа, что у Opus, но более дорогой выход и двойная цена для контекстов свыше 272K токенов.
  • Для справки: Claude Fable 5 (высший уровень Anthropic) — 10 $ за вход / 50 $ за выход.

Вывод по ценам: GPT-5.5 и Opus 4.8 совпадают по цене входа, а Opus дешевле на выходе. DeepSeek примерно в 10–35 раз дешевле, а при самостоятельном размещении его предельные затраты приближаются к нулю.

Производительность: кто лидирует и где?

Там, где есть действительно сопоставимые цифры (доля успешных решений, чем выше, тем лучше):

  • Реальные задачи из GitHub (SWE-Bench Pro): Opus 4.8 лидирует с 69,2% против 58,6% у GPT-5.5 — явное преимущество Claude в настоящей разработке ПО.
  • Работа за компьютером (OSWorld-Verified): у Opus 4.8 — 83,4%, у GPT-5.5 — 78,7%.
  • Научные рассуждения (GPQA Diamond, вопросы уровня PhD): GPT-5.5 лидирует с 93,6%, а DeepSeek V4-Pro идёт следом с 90,1% — впечатляющий результат для открытой модели.
  • Программирование в терминале (Terminal-Bench): GPT-5.5 набирает 82,7% (версия 2.0), а Opus 4.8 — 74,6% (версия 2.1); версии разные, поэтому цифры напрямую не сопоставимы.

Итого: GPT-5.5 сильнее всего в научных рассуждениях и эффективности, Opus 4.8 — в реальном программировании и надёжном выполнении долгих задач, а DeepSeek V4 — в стоимости и открытости при производительности, близкой к закрытым моделям.

В 2026 году не существует абсолютной «лучшей модели» — есть только модель, наиболее подходящая для вашей задачи, вашего бюджета и чувствительности ваших данных.

Какую выбрать?

  • Чувствительные данные, ограниченный бюджет или желание полного контроля? → DeepSeek V4: запустите её на собственных серверах или используйте её гораздо более дешёвый API.
  • Серьёзное программирование, агенты, работающие часами, или задачи, требующие надёжности на длинном контексте? → Claude Opus 4.8.
  • Научные исследования, сложный анализ или задачи в терминале с упором на эффективность? → GPT-5.5.
  • Крупномасштабный рабочий продукт? Сначала измерьте все три модели на своих реальных задачах: опубликованные цифры не обязательно отражают именно ваш случай.

Чем помогает Origami

В Origami мы разрабатываем заказное программное обеспечение и системы ИИ и выбираем модель исходя из вашей задачи, а не из хайпа: открытую модель на собственных серверах, когда приоритет — конфиденциальность и стоимость, или ведущую закрытую модель, когда задача требует максимально возможных возможностей. Цель — правильный результат по лучшей цене, а не оплата громкого имени.

Источники

Сравнительные показатели производительности собраны из перечисленных выше официальных анонсов и публичных независимых трекеров бенчмарков; сравнения между разными тестовыми средами остаются приблизительными.