GPT-5.5 custa 2,8x mais que o Claude Sonnet 5 por 1,4 pontos de qualidade

GPT-5.5 (OpenAI) pontua 54,8 no índice de qualidade a $11,25/M de tokens de entrada. Claude Sonnet 5 (Anthropic) pontua 53,4 a $4,00/M. Essa diferença de 1,4 pontos de qualidade — cerca de 2,6% — custa 2,8x mais por token. Para a maioria das cargas de trabalho em produção, o Sonnet 5 é a melhor escolha. O GPT-5.5 justifica seu preço premium apenas em cenários específicos onde a qualidade marginal se traduz diretamente em menos retentativas, menos revisão humana ou saídas de maior risco.

Quero ser preciso sobre o que "maioria das cargas de trabalho" significa aqui. Se o seu pipeline envolve extração de dados estruturados, sumarização, classificação ou geração de código moderada, a diferença de 1,4 pontos é ruído estatístico. Você não verá isso nas taxas de falha do parser. Você não verá isso na precisão das tarefas subsequentes. O que você verá é a sua conta de tokens.

A matemática de valor

Com 1 bilhão de tokens por mês — uma figura realista para um pipeline de inferência de médio porte — o GPT-5.5 custa $11.250. O Sonnet 5 custa $4.000. Isso representa uma economia de $7.250 por mês, ou $87.000 anualmente. Nenhuma diferença de qualidade de 1,4 pontos justifica essa margem, a menos que cada token alimente um fluxo de trabalho onde erros são excepcionalmente caros.

A questão do ponto de equilíbrio é operacional, não abstrata. Se a vantagem de 1,4 pontos do GPT-5.5 reduz as retentativas em mais de 2,8x, ele se paga. Na prática, as taxas de retentativa em pipelines de saída estruturada ficam entre 3% e 8% para ambos os modelos nesta faixa de qualidade. Uma diferença de 1,4 pontos no índice de qualidade não produz uma redução de retentativas de 2,8x. Ela produz, otimisticamente, uma mudança de 0,5 a 1 ponto percentual.

Como o GPT-5.5 justifica seu preço?

O GPT-5.5 gera 79 tokens por segundo contra 69 tokens por segundo do Sonnet 5. Essa vantagem de 14% na velocidade importa em loops interativos — interfaces estilo copilot, etapas de agentes em tempo real, qualquer coisa onde um humano espera. Uma geração mais rápida significa ciclos de iteração mais curtos. Se seus usuários percebem latência, esses 10 tokens extras por segundo se acumulam ao longo de uma sessão.

Mas a velocidade não ajuda em processamento em lote. Para cargas de trabalho assíncronas — processamento de documentos, classificação em massa, enriquecimento noturno — a taxa de transferência é limitada pela infraestrutura, não pela latência por requisição. Ambos os modelos saturam confortavelmente. Pagar 2,8x por uma geração 14% mais rápida em um contexto de lote é uma má alocação.

O custo por ponto de qualidade conta a história de forma direta. O GPT-5.5 cobra $0,205 por ponto de qualidade. O Sonnet 5 cobra $0,075. Isso é 2,7x mais barato por unidade de qualidade medida.

Onde os 1,4 pontos realmente importam

Não vou fingir que a diferença é insignificante. As pontuações do índice de qualidade são agregadas em raciocínio, codificação, seguimento de instruções e tarefas de conhecimento. Uma diferença agregada de 1,4 pontos pode mascarar variações maiores em subtarefas específicas. O GPT-5.5 pode superar o Sonnet 5 por 3 a 4 pontos em raciocínio complexo de múltiplas etapas ou em benchmarks de codificação de nicho, mesmo que a pontuação combinada sugira paridade. A agregação esconde os picos.

A tradução operacional: se a sua carga de trabalho é pesada em raciocínio — cadeias de pensamento (chain-of-thought), planejamento agêntico, verificação matemática ou lógica — a vantagem do GPT-5.5 pode reduzir o número de etapas de raciocínio ou passagens de verificação necessárias. Isso se acumula. Um modelo que acerta a resposta na primeira passagem em 90% em vez de 88% não economiza apenas 2% das chamadas. Ele economiza toda a cadeia de retentativas, a sobrecarga de verificação e a latência de uma segunda inferência.

Mas aqui está o contra-argumento: com 53,4, o Sonnet 5 já está acima de modelos como GPT-5.4 (51,4), GLM 5.2 (51,1) e Gemini 3.5 Flash (50,2). Não é um modelo econômico. É um modelo premium com preço de modelo de nível intermediário. A qualidade é suficiente para a grande maioria das tarefas de raciocínio em produção.

A ótica do custo de retentativa

A verdadeira estrutura de decisão é a economia de retentativas. Se o seu pipeline tem uma baixa taxa de retentativa (menos de 5%) e retentativas baratas (chamadas idempotentes, sem humano no loop), o Sonnet 5 vence de forma decisiva. A diferença de preço de 2,8x eclipsa qualquer economia de retentativa orientada por qualidade.

Se o seu pipeline tem retentativas caras — revisão humana necessária, efeitos colaterais que precisam de reversão, fluxos de trabalho de agentes de múltiplas etapas onde uma falha significa reiniciar uma cadeia de 15 etapas — então a vantagem de qualidade marginal do GPT-5.5 começa a se pagar. Uma melhoria de 1 ponto na qualidade que evita uma execução de agente com falha a cada mil chamadas pode economizar mais do que o prêmio mensal de $7.250, dependendo de quanto cada execução falha custa a você.

O limite é aproximadamente este: se uma única inferência falha custa mais de $7,25 para remediar (em todo o seu volume de 1B de tokens), a vantagem de qualidade do GPT-5.5 atinge o ponto de equilíbrio. Abaixo disso, o Sonnet 5 é estritamente melhor em custo.

Recomendação

Para equipes que executam inferência em produção em escala — extração, classificação, sumarização, assistência de código, chat voltado para o cliente — Claude Sonnet 5 é a escolha clara. Você obtém 97,4% da qualidade do GPT-5.5 por 35,6% do preço.

Para equipes onde a falha de inferência é cara — pipelines agênticos com efeitos colaterais, geração de código de alto risco exigindo revisão mínima, raciocínio complexo de múltiplos saltos onde uma única etapa errada invalida a cadeia — GPT-5.5 justifica seu preço premium. Os 1,4 pontos e a vantagem de 14% na velocidade se acumulam nesses contextos.

Para mapear isso para sua carga de trabalho específica e economia de retentativas, use o LLM Selector ou Explore a comparação completa.