GPT-5, Claude Opus 4, Gemini 2.5 Pro: testa a testa nel 2026

La frontiera si muove così veloce che i post di benchmark sono spesso già vecchi quando escono. Eppure — eccoci, a quattro mesi dal 2026, e tre cose sono diventate ovvie se questi modelli li usi tutto il giorno invece di leggerli.

Il risultato in sintesi

Claude Opus 4 è il miglior generalista misurando «quante volte la risposta non ha richiesto follow-up». GPT-5 è il migliore quando deve seguire un’istruzione complessa senza perdere il filo tre paragrafi dopo. Gemini 2.5 Pro è il migliore quando il prompt include un PDF da 200 pagine e devi fargli davvero leggere la cosa invece che scorrerla.

Abbiamo passato 18 prompt rappresentativi sui tre. I task ricadevano in quattro bucket:

• Reasoning e matematica — Project Euler 600, statistica applicata, due problemi AIME aperti.
• Code review — diff Go da 200 righe, un React hook rotto di proposito, due query SQL con bug di correttezza sottili.
• Scrittura — copy per una sales-page, outline di un saggio da 1.200 parole, draft di un articolo tecnico.
• Long-context — trascrizioni da 80k token, sintesi multi-PDF, un task di retrieval su 12 documenti.

Dove vince davvero ciascun modello

Claude Opus 4 ha dominato la code review con un margine più ampio del previsto. Cattura il sottile — off-by-one in una window function SQL, una closure useEffect che cattura una variabile stantia — dove gli altri due fanno pattern-matching su «sembra ok». La extended thinking aggiunge un gradino in più solo sui problemi davvero difficili; per la review quotidiana, l’Opus base era già lì.

GPT-5 ha vinto sul seguire istruzioni multi-step. Abbiamo dato a ogni modello un prompt con undici requisiti espliciti (formattazione, tono, lunghezza, frasi da includere, cose da escludere). GPT-5 ne ha centrati dieci su undici al primo tentativo. Claude otto. Gemini sette. Se il tuo prompt è una spec strutturata, GPT-5 resta la scelta più sicura.

Gemini 2.5 Pro ha vinto sul long-context senza appello. La finestra da 2M token non è un trucco da circo — usa davvero ciò che le dai. In un task di sintesi su 12 PDF, Gemini ha citato correttamente i documenti dal terzo all’undicesimo; gli altri hanno citato per lo più il primo. Anche il multimodale nativo conta più di quanto dicano i benchmark: parsare screenshot inline risparmia un roundtrip.

Cosa significa per l’uso quotidiano

Ecco la parte che i post di benchmark saltano: nella pratica, cambi modello. Apri la chat in Opus perché è il migliore in code review. Noti che la domanda di oggi è una spec strutturata. Passi a GPT-5 a metà conversazione. Il turno dopo coinvolge un PDF — passi a Gemini, fai la domanda, torni indietro.

È esattamente il workflow per cui Any AI Studio è pensato. Le funzioni di branch e confronto affiancato fanno sì che tu non debba decidere prima. Manda il prompt a due modelli insieme, tieni la risposta migliore, branch del perdente per riprovare.

Caveat

Questi risultati valgono a maggio 2026. Il prossimo bump trimestrale ribalterà probabilmente almeno una categoria. Rilanceremo la suite quando uscirà GPT-5.1 (rumored fine estate) e pubblicheremo un update.

Anche: il costo conta. Opus è il più caro dei tre per token. Se sei API- billed, GPT-5 esce più economico per qualità simile sulla maggior parte dei task non-code. Per gli utenti in abbonamento Pro non passiamo i costi per token, quindi è una nota a margine interessante — ma vale dirla se confronti prezzi diretti dei provider.

TL;DR

Usa Opus per il codice, GPT-5 per spec strutturate, Gemini per long context. Oppure — più facile — apri Any AI Studio e lascia che il selettore di modelli ricordi quale prendi in ogni situazione.