Claude Opus 4.8 vs GPT-5.5 vs Gemini 3.1 Pro: сравнение цен API для длинного контекста

На странице OpenAI для GPT-5.5 указано контекстное окно в 1 050 000 токенов и цена $5 за вход / $30 за выход за 1 млн токенов. Anthropic указывает для Claude Opus 4.8 цену $5 / $25 и контекст 1M в Claude API. Google оценивает Gemini 3.1 Pro Preview в $2 / $12 для промптов до 200K токенов, а затем $4 / $18 выше 200K.

В этом вся битва длинного контекста в одном предложении: GPT-5.5 дает самое большое заявленное окно и премиальную цену за выход, Claude Opus 4.8 покрывает workflow класса 1M с более дешевым выходом, а Gemini 3.1 Pro Preview имеет самое заметное ценовое преимущество, особенно когда ваши промпты остаются ниже 200K токенов.

Таблица цен, которая действительно нужна разработчикам

Вот текущие публичные прайс-листы API от самих вендоров, сверенные с официальными страницами 15 июня 2026 года.

Модель	Вход / 1M токенов	Выход / 1M токенов	Макс. контекст	Лимит выхода	Ценовой порог
GPT-5.5	$5.00	$30.00	1,050,000	128,000	Тарифного уровня по размеру промпта не указано
Claude Opus 4.8	$5.00	$25.00	1M в Claude API	128,000	Тарифного уровня по размеру промпта не указано
Gemini 3.1 Pro Preview	$2.00 до промпта 200K, $4.00 выше	$12.00 до промпта 200K, $18.00 выше	1M вход	64K	Цена за вход удваивается выше 200K

Документация OpenAI по модели описывает GPT-5.5 как frontier-модель для сложной профессиональной работы и указывает $5 за вход, $0.50 за кэшированный вход и $30 за выход за 1 млн токенов, а также окно в 1 050 000 токенов (OpenAI). Публичная страница цен Anthropic указывает для Opus 4.8 $5 за вход, $25 за выход, $6.25 за запись в кэш и $0.50 за чтение из кэша за миллион токенов (цены Anthropic). В заметках к модели Opus 4.8 сказано, что модель по умолчанию поддерживает контекст 1M токенов в Claude API, Amazon Bedrock и Vertex AI, а в Microsoft Foundry — 200K (документация Anthropic). Страница цен Google указывает для gemini-3.1-pro-preview $2 / $12 для промптов до 200K токенов и $4 / $18 выше 200K (цены Google); руководство по Gemini 3 указывает контекст входа 1M и до 64K выхода для моделей Gemini 3 (руководство Google Gemini 3).

Ловушка: формулировка «за 1M токенов» делает цены на вид линейными. Gemini не полностью линейна. Уровень по размеру промпта имеет значение.

Ценовой обрыв: 200K токенов — это граница

Для многих developer-агентов 200K токенов — не такое уж большое число. Средний репозиторий плюс package-lock.json, несколько сгенерированных файлов и дизайн-документ легко пробивают этот лимит. Корпус юридических договоров или архив поддержки клиентов может сделать то же самое еще быстрее.

Примерные расходы по прайсам первых сторон:

Нагрузка	GPT-5.5	Claude Opus 4.8	Gemini 3.1 Pro Preview
100K вход + 10K выход	$0.80	$0.75	$0.32
250K вход + 25K выход	$2.00	$1.88	$1.45
1M вход + 50K выход	$6.50	$6.25	$4.90

Допущения: только стандартные цены на текстовые токены, без batch-скидок, без экономии от кэширования у конкретного провайдера, без дополнительных платежей за инструменты, а для Gemini применяется более высокий уровень, когда промпт выше 200K токенов. Реальные счета могут меняться, если вы используете кэширование промптов, batch API, приоритетные режимы, быстрые режимы, инструменты или ретраи.

Практический вывод простой. Ниже 200K токенов промпта Gemini 3.1 Pro Preview радикально дешевле по прайсу. Выше 200K она все еще дешевле GPT-5.5 и Opus 4.8 в этих примерах, но разрыв сокращается. У Claude и GPT более ровная ценовая поверхность, поэтому прогнозировать расходы проще, когда размер промпта сильно гуляет.

Контекстное окно — не то же самое, что полезный контекст

Окно в 1M токенов позволяет пропустить часть инженерии retrieval. Оно не отменяет необходимость отбора, сжатия и evals.

Для анализа всего репозитория я бы все равно не стал по умолчанию скармливать модели весь репозиторий. Сначала дайте модели манифест: дерево файлов, метаданные пакетов, build-скрипты, граф зависимостей, недавно измененные файлы и упавшие тесты. Затем добавьте важные файлы. Длинный контекст лучше использовать как запас воздуха, а не как повод перестать проектировать агента.

Anthropic явно позиционирует Claude Opus 4.8 в заметках к модели для «сложного reasoning, long-horizon агентного кодинга и работы с высокой автономностью» (документация Anthropic). На той же странице отмечаются улучшения в long-horizon агентном кодинге, срабатывании инструментов, восстановлении после compaction и качестве длинного контекста. Это ровно те режимы отказа, которые проявляются в реальных coding-агентах после второго часа: забытые ограничения, пропущенные вызовы инструментов и плохое восстановление после суммаризации.

OpenAI позиционирует GPT-5.5 для «кодинга и профессиональной работы» и дает ей самое большое указанное здесь контекстное окно: 1 050 000 токенов (OpenAI). Эти дополнительные 50K сверх номинального 1M сами по себе не причина выбирать ее, но это полезный запас, когда ваш слой оркестрации добавляет системные сообщения, схемы инструментов, трассы и извлеченные файлы.

Google описывает Gemini 3.1 Pro Preview на странице цен и в руководстве Gemini 3 как Pro-модель для широких знаний о мире, продвинутого reasoning по модальностям, агентных возможностей и vibe-coding (цены Google, руководство Google Gemini 3). Она также поддерживает вариант gemini-3.1-pro-preview-customtools, который Google рекомендует, когда приложения объединяют Bash и кастомные инструменты и модели нужно отдавать приоритет кастомным инструментам. Это очень конкретная подсказка для разработчиков агентов.

Выбор по сценариям

Если вы строите coding-агента для всего репозитория, начните с Claude Opus 4.8 или GPT-5.5, а затем прогоните бенчмарк Gemini 3.1 Pro Preview на собственных трассах. Цена выхода Claude в $25 дает ей прямое преимущество по стоимости над GPT-5.5 для подробного планирования патчей, code review и многошаговых циклов с инструментами. У GPT-5.5 самое большое заявленное окно и сильное позиционирование для кодинга/профессиональной работы. Я бы выбрал GPT-5.5, когда workflow выигрывает от экосистемы OpenAI Responses API или когда ваш существующий стек уже нативно построен вокруг OpenAI.

Если вы строите агента для анализа с большим количеством документов, Gemini 3.1 Pro Preview — первая модель, которую я бы проверил по стоимости. При 100K входа и 10K выхода оценка по прайсу составляет $0.32 — меньше половины стоимости Claude Opus 4.8 и GPT-5.5 в таблице выше. Если ваши промпты часто пересекают 200K, следите за обрывом. Обрыв не фатален, но меняет цель оптимизации: держите часто повторяемый boilerplate в кэше или в суммаризованном виде и не прикрепляйте каждую страницу PDF, когда достаточно маршрутизированного подмножества.

Если вам нужен стабильный прогноз расходов, Claude Opus 4.8 — самый простой из трех вариантов. Те же $5 за вход, что у GPT-5.5, более дешевый выход, контекст 1M и отсутствие уровня для промптов 200K в указанном прайсе. Для команд, которые продают запуски агента как фичу, предсказуемая стоимость выхода важна.

Если вам нужен самый дешевый входной вариант среди флагманов с длинным контекстом, Gemini выигрывает по прайсу первой стороны. Компромисс — статус preview и граница тарифного уровня. Рассматривайте ее как серьезного кандидата, а не как выбор по умолчанию навсегда.

Практический паттерн маршрутизации

Не зашивайте одну флагманскую модель в продукт. Маршрутизируйте по размеру промпта, риску выхода и типу задачи.

Разумная стартовая политика:

if prompt_tokens <= 200_000 and task is document-heavy:
    try Gemini 3.1 Pro Preview
elif task is long-running coding agent:
    try Claude Opus 4.8
elif task needs OpenAI-native agent tooling or the largest listed window:
    try GPT-5.5
else:
    run a small eval set across all three

Если вы хотите протестировать эти модели без интеграции трех вендоров, onehop — простой путь: смените один base URL на https://api.onehop.ai/v1, используйте OpenAI/Anthropic-совместимые вызовы и маршрутизируйте Claude, GPT и Gemini из одного места. onehop говорит, что дешевле первых сторон, дает новым аккаунтам $10 бесплатного кредита и не требует карту.

Пример в стиле OpenAI SDK:

from openai import OpenAI

client = OpenAI(
    api_key="ONEHOP_API_KEY",
    base_url="https://api.onehop.ai/v1",
)

response = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[
        {"role": "user", "content": "Review this repo manifest and list the riskiest files."}
    ],
)

print(response.choices[0].message.content)

Важная часть — не SDK. Важна дисциплина: одна и та же задача, те же файлы, та же рубрика оценки, три модели. Измеряйте стоимость успешного запуска, а не стоимость токена в отрыве от всего остального.

Итог

На 15 июня 2026 года мои рекомендации по умолчанию такие:

• Сначала выбирайте Gemini 3.1 Pro Preview для нагрузок с большим количеством документов и промптами до 200K токенов.
• Сначала выбирайте Claude Opus 4.8 для долго работающих coding-агентов, где важны стоимость выхода и надежность инструментов.
• Сначала выбирайте GPT-5.5, когда вам нужна OpenAI-native агентная инфраструктура или самое большое указанное контекстное окно.
• Повторно тестируйте выше 200K токенов, потому что тарифный уровень Gemini меняет математику.
• Используйте кэширование промптов и маршрутизацию до того, как донастраивать промпт в гигантский дорогой blob.

Длинный контекст теперь базовое требование. Настоящий выбор — где ваш агент тратит деньги: на объем входа, многословный выход, ретраи или ошибки инструментов. Если вам нужна одна endpoint-точка, чтобы быстро сравнить их, вы можете вызывать Claude и другие модели через onehop, затем зарегистрироваться и получить $10 бесплатного кредита и прогнать собственные eval-трассы перед окончательным выбором.