Claude vs GPT на практике: реальный контекст GPT-5.6 оказался втрое меньше заявленного

Результаты опубликовал автор, который ведёт ежедневные агентные сессии (ИИ-агент выполняет цепочки задач автономно, без пошаговых команд) и подключает подписку OpenAI через локальный прокси-сервер, совместимый с протоколом Anthropic. Прокси записывает фактическое потребление токенов (токен, минимальная единица текста для модели, примерно три четверти слова) в собственную базу данных, и именно эти логи, а не интерфейс чата, стали источником цифр. Параллельно автор разобрал четыре парных теста Claude vs GPT, которые энтузиасты выложили в соцсети: одинаковый промпт (промпт, текстовое задание для модели) двум моделям, результат оценивается визуально.

Что именно измеряли?

Автор отказался от синтетических бенчмарков (стандартизированных тестов вроде SWE-Bench), потому что они не отвечают на практический вопрос: как модель ведёт себя на длинной сессии, когда контекст забит инструментами, правилами и выводом команд.

Вместо этого он использовал два метода. Первый: парные визуальные тесты, один и тот же промпт отправляется в GPT-5.6 и Claude Fable 5, результат сравнивается глазами. Четыре задачи: воксельная птица с анимацией, гоночная 3D-игра, интерактивный дом, шутер от первого лица.

Второй: замер реального контекстного окна. Автор подключает подписку к агентному CLI (инструмент для работы с моделью через командную строку) через прокси-сервер, который пишет в базу каждый блок usage, фактическое потребление токенов. Именно эта таблица, а не цифра в статусной строке чата, показывает, на каком объёме срабатывает компакция (compaction, принудительное сжатие истории, когда модель начинает «забывать» начало разговора).

Что обнаружили?

• GPT-5.6 выигрывает в интерактивности. Её «дом» оказался не статичным рендером, а песочницей, где открываются ящики и включается свет. Анимация птицы двигалась естественнее, чем у Fable.
• Fable 5 выигрывает в визуальном качестве. Чистый рендер без пересветов, шутер выглядит как собранный руками прототип. У GPT-версии шутера прицел оказался непрозрачным: сквозь оптику ничего не видно. Деталь мелкая, но отделяет «работает» от «играбельно».
• Контекстное окно GPT-5.6 на подписке: 320 000 токенов за два часа. Это больше, чем 250-270 тысяч у предыдущего поколения, но втрое меньше заявленного в API 1,05 миллиона. OpenAI точную цифру для подписки не публикует.
• Заполнить окно стало сложнее по другой причине. GPT-5.6 заметно охотнее запускает субагентов (вложенные агенты, чей контекст не попадает в основное окно), что маскирует реальный потолок.
• Fable 5 отказывалась выполнять рабочие задачи. На запросах по кодингу и разбору медицинских анализов модель сваливалась в фолбек (fallback, откат) на Opus «по соображениям безопасности». Формально это задокументированное поведение нового класса безопасности, но по факту автор не смог использовать модель, за которую платит.

Что делать с этим прямо сейчас?

Авторам Дзена и копирайтерам. Если вы работаете с длинными текстами или ведёте многоступенчатые сессии, не ориентируйтесь на цифру «миллион токенов». Реальный потолок на подписке пока втрое ниже. Для текста в 5 000 слов это некритично, но если вы загружаете модели книгу целиком или длинный бриф с примерами, закладывайте 300 тысяч как рабочий максимум.

Маркетологам. При сравнении Claude vs GPT для рабочих задач единственный способ узнать реальные лимиты модели на вашем тарифе: замерить самостоятельно. Маркетинговые цифры описывают API-версию, а не то, что получает подписчик. Из российских аналогов YandexGPT и GigaChat заявляют контекст скромнее, но хотя бы не расходятся с практикой в разы.

Предпринимателям в РФ. Прямая подписка на OpenAI и Anthropic из России недоступна, доступ идёт через сервисы-посредники. Если ваш посредник проксирует подписку, а не API, контекстное окно будет урезанным. Уточняйте у провайдера, какой именно тариф он транслирует, и просите показать логи usage, а не скриншот интерфейса.

Выбор между GPT-5.6 и Fable 5 сводится не к вопросу «кто лучше», а к двум конкретным: нужна вам интерактивность или визуальное качество, и готовы ли вы мириться с контекстным окном, которое втрое меньше обещанного. Проверяйте заявленные цифры на своей инфраструктуре, расхождение между маркетингом и логами бывает четырёхкратным.

По данным авторского обзора, опубликованного 9 июля 2025 года