Grok 4.6 kontra GPT-5.6 Sol i Fable 5: cztery rundy na żywych zadaniach i rachunek-niespodzianka
Grok 4.6 kontra GPT-5.6 Sol i Claude Fable 5: cztery identyczne zadania przez API, rachunek co do grosza i niespodzianka: najdroższy cennik nie znaczy najdroższe zadanie.
👁 248 przeczytań
- Sol (GPT-5.6) wygrał test czterech praktycznych zadań, zdobywając rundę reportażową i ex aequo rundę ekstrakcji JSON, przy najniższym łącznym koszcie 11,0 grosza.
- Grok 4.6 kosztował w praktyce 11,5 grosza, choć ma tańszy cennik (2/6 dolarów), bo przy 80-słowowym akapicie zużył aż 1882 tokeny wyjściowe - prawie czterokrotnie więcej niż Sol.
- Fable 5 wygrał rundę kodowania NIP jako jedyny model, który automatycznie czyścił myślniki i spacje z danych wejściowych, lecz był najdroższy - 32,8 grosza za cały test.
Benchmarki swoje, a życie swoje, więc dzień po premierze posadziłem Groka 4.6 do stołu z dwoma modelami, z którymi SpaceXAI otwarcie się mierzy: GPT-5.6 Sol od OpenAI i Claude Fable 5 od Anthropiku. Cztery rundy, identyczne polecenia wysłane przez API jedno po drugim, bez żadnej selekcji wyników: liczy się pierwsza odpowiedź, tak jak dostałby ją każdy użytkownik. Do tego rzecz, której nie pokazują tabele wyników: rachunek za każdą rundę co do grosza. Cały test kosztował 55 groszy i przyniósł jedną niespodziankę, której się nie spodziewałem.
Runda 1: reportaż po polsku
Zadanie: akapit o sierpniowej burzy nad Wisłą w stylu reportażu literackiego, bez patosu. Sol napisał tekst, który mógłby wisieć w dziale miejskim: „Najpierw wiatr przewrócił papierowy kubek, potem od strony Pragi nadciągnęła sina zasłona deszczu. […] Po kwadransie zostały kałuże, mokre ławki i chłopak, który wycierał siodełko koszulką”. Konkret, detal, rytm. Grok był poprawny, ale sprawozdawczy: „Front atmosferyczny nadciągnął od zachodu, wiatr zmarszczył powierzchnię rzeki”, bardziej komunikat IMGW niż reportaż. Fable zaczął najpiękniej ze wszystkich („Najpierw ucichły ptaki. […] woda przy brzegu zrobiła się matowa, jakby ktoś zdmuchnął z niej światło”), ale jego odpowiedź ucięła się w pół zdania, o czym za chwilę, bo to osobna lekcja. Runda dla Sola.
Runda 2: pułapka logiczna
„Kasia ma trzech braci. Każdy z jej braci ma dwie siostry. Ile sióstr ma Kasia?” Wszyscy trzej odpowiedzieli bezbłędnie: jedną. Różnica była w rachunku: Sol załatwił to za 0,4 grosza, Grok potrzebował 1,2 grosza, Fable 2,2 grosza. Remis merytoryczny, ekonomicznie Sol.
Runda 3: kod z polską specyfiką
Funkcja PHP walidująca NIP z sumą kontrolną. Cała trójka napisała poprawny algorytm z prawidłowymi wagami i obsługą reszty równej 10, sprawdziłem każdą linijkę. Sol dał najczystszy minimalizm, Grok solidny standard, a Fable jako jedyny pomyślał jak inżynier na produkcji: jego funkcja najpierw czyści myślniki i spacje, których w prawdziwych danych pełno, i ma najlepsze komentarze. Runda dla Fable’a, choć zapłaciłem za nią 9,2 grosza wobec 3 groszy u konkurentów.
Runda 4: fakty do JSON-a
Ekstrakcja trzech faktów liczbowych z akapitu do czystego JSON-a, chleb powszedni każdej automatyzacji. Grok i Sol zwróciły czysty, parsowalny JSON. Fable dał treść bezbłędną, ale opakował ją w markdownowy blok kodu, który sztywny parser wyrzuci błędem. W czacie to kosmetyka, w automacie to wywrotka. Runda dla Groka i Sola.
Rachunek, czyli niespodzianka dnia
| Runda | Grok 4.6 | GPT-5.6 Sol | Fable 5 |
|---|---|---|---|
| Reportaż | 4,3 gr | 5,6 gr | 17,1 gr |
| Logika | 1,2 gr | 0,4 gr | 2,2 gr |
| Kod (NIP) | 3,5 gr | 3,0 gr | 9,2 gr |
| Fakty do JSON | 2,5 gr | 2,1 gr | 4,2 gr |
| Cały test | 11,5 gr | 11,0 gr | 32,8 gr |
Tak, dobrze widzisz: Sol, model z cennikiem 5/30 dolarów, wyszedł w praktyce odrobinę taniej niż Grok z cennikiem 2/6. Jak to możliwe? Tokeny rozumowania. Grok „myśli na głos” i słono za to kasuje: przy 80-słowowym akapicie o burzy zużył 1882 tokeny wyjściowe, prawie czterokrotnie więcej niż Sol. Stawka za token to nie to samo co koszt zadania, i przy krótkich, prostych poleceniach ta różnica potrafi zjeść całą przewagę cennika. Przy długich zadaniach agentowych, gdzie wejście dominuje rachunek, przewaga Groka wraca, co policzyłem wczoraj w tekście o półce 2/6. Cztery zadania to oczywiście sonda, nie wyrok; traktuj ten wynik jako pierwszy pomiar, nie ostatni.
Lekcja przy okazji: ucięty Fable
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Uczciwość wymaga wyjaśnienia rundy pierwszej: Fable nie „zepsuł” akapitu, tylko wpadł w limit 900 tokenów, który ustawiłem dla wszystkich po równo. Jego tokeny rozumowania zjadły budżet i piękny tekst urwał się w pół słowa. Wniosek praktyczny dla każdego, kto buduje na modelach rozumujących: limit odpowiedzi musi uwzględniać myślenie, inaczej najdroższy model odda najbardziej kaleki wynik.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Werdykt
Po czterech rundach: Sol wygrywa polszczyznę i praktyczną ekonomię krótkich zadań, Fable pozostaje najbardziej inżynierski (i najdroższy), a Grok 4.6 nie wygrał żadnej rundy w cuglach, ale też w żadnej nie zawiódł, co przy jego cenniku na długich zadaniach czyni go bardzo groźnym trzecim graczem. Szczegóły premiery znajdziesz w tekście o Grok 4.6, oficjalne dema na stronie SpaceXAI, a bieżące stawki wszystkich trzech modeli w kalkulatorze kosztów AI. Kolejne rundy pojedynków, także na obrazach, znajdziesz w kategorii Pojedynki AI.
Fable doczekał się od tamtego czasu odświeżenia. Co dokładnie zmieniła wersja 5.1 i ile kosztuje, opisuję w osobnym przewodniku, a dane starszej wersji zebrałem tutaj.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Który model wygrał test Grok 4.6 kontra GPT-5.6 Sol kontra Fable 5?
Sol (GPT-5.6) wygrał najwięcej rund i okazał się najtańszy w praktyce - 11,0 grosza za cztery zadania. Grok nie wygrał żadnej rundy samodzielnie, ale też w żadnej poważnie nie zawiódł, co autor ocenia jako atut przy długich zadaniach agentowych.
Dlaczego Grok 4.6 wyszedł drożej niż Sol, skoro ma tańszy cennik?
Grok generuje tokeny rozumowania i przy krótkim akapicie o burzy zużył 1882 tokeny wyjściowe, prawie czterokrotnie więcej niż Sol. Stawka za token to nie to samo co koszt zadania - przy krótkich poleceniach tokeny myślenia zjadają całą przewagę cennika.
Ile kosztował cały test czterech modeli AI w tym porównaniu?
Cały test kosztował łącznie 55 groszy dla wszystkich trzech modeli razem. Osobno: Grok 4.6 - 11,5 grosza, Sol - 11,0 grosza, Fable 5 - 32,8 grosza.
Dlaczego Fable 5 uciął tekst w połowie zdania w rundzie reportażowej?
Fable wpadł w limit 900 tokenów ustawiony jednakowo dla wszystkich modeli, a jego tokeny rozumowania zjadły budżet przed dokończeniem odpowiedzi. Autor wyciąga z tego wniosek, że przy modelach rozumujących limit odpowiedzi musi uwzględniać tokeny myślenia, inaczej najdroższy model odda najbardziej niekompletny wynik.
Podobne tematy na Promptowym
