Ploy, la piattaforma che costruisce siti marketing con un agente, ha migrato il suo sistema da Claude Opus 4.8 a GPT-5.6 Sol. I numeri su carichi di lavoro reali: 2.2 volte più veloce a completare una build, 27% più economico, metà dei token di output. Non è stato solo cambiare un nome nella configurazione.

La squadra di Ploy documenta le tre insidie di una migrazione vera: tool call con 25 parametri mandati tutti anche quando non servono (Claude ne manda 2 o 3, GPT-5.6 li riempie tutti inventando valori), prompt caching che si comporta diversamente fra i due provider, e replay del ragionamento fra turni che cambia strategia. Ogni differenza ha richiesto modifiche alla loro eval suite prima ancora di toccare l’agente.

Perché ti riguarda. Se hai un agente in produzione su Claude e stai valutando GPT-5.6, aspettati comportamenti diversi mascherati dall’SDK universale. Il post è una guida di migrazione scritta da chi l’ha fatto davvero, con trace complete e confronti side-by-side sui build reali. Non è un benchmark sintetico: è lo stesso compito (costruire una homepage da una reference) eseguito da due modelli, misurato con gli stessi criteri, con le differenze documentate file per file.

Nel dettaglio

Il contesto: quattro mesi con Opus come default

Da marzo 2026, Ploy ha tenuto Claude Opus come modello di default per il proprio agente di costruzione siti. Opus 4.7 prima, poi 4.8. Ogni release frontier veniva testata contro di esso, e nessuna reggeva il confronto sul loro workload: costruire componenti React, generare immagini, fare screenshot, decidere quando il lavoro è finito. GPT-5.6 è stato il primo modello a superare quel test.

Cosa è cambiato nei numeri

La tabella che Ploy pubblica confronta 11 build complete con Opus contro 10 con GPT-5.6, stessa suite di test. Costo medio per build: da $3.06 a $2.22. Tempo: da 8 minuti a 3 minuti e 42 secondi. Token di output: da 33.000 a 17.100. Il visual score (valutazione di design su 10 criteri binari) sale leggermente: 0.936 contro 0.970.

GPT-5.6 scrive codice più compatto: in un caso confrontato, Opus ha prodotto un file CSS di 17.957 caratteri con 174 variabili CSS (ramp colori completi, per lo più inutilizzati), GPT-5.6 ha scritto 2.508 caratteri e 45 variabili per una pagina renderizzata comparabile.

Le tre insidie nascoste

Tool call con tutti i parametri. Lo strumento code di Ploy ha 25 parametri top-level, uno obbligatorio (action) e gli altri opzionali. Claude manda solo quelli che usa. GPT-5.6 li manda tutti, ogni volta, inventando valori plausibili per quelli che non gli servono: offset: 0, timeout: 120000, siteId: 00000000-0000-0000-0000-000000000000. Tre giorni di trace in produzione: 6.635 chiamate code(read), tutte con 25 proprietà. Questo schema ha costretto Ploy a rivedere la validazione degli argomenti tool.

Prompt caching diverso fra provider. Ploy usa il caching per evitare di ripassare il codebase intero a ogni turno. Anthropic e OpenAI implementano questa funzione con regole diverse su cosa viene cachato e quanto dura. La migrazione ha richiesto di rifare i test su quando il cache hit si verifica davvero, perché le assunzioni valide per Claude non reggevano con GPT-5.6.

Replay del ragionamento. Fra un turno e il successivo, l’agente deve vedere il proprio lavoro precedente per decidere il passo seguente. Claude tende a una strategia sequenziale (un file per volta), GPT-5.6 emette chiamate parallele. Il loro eval executor non supportava batch di letture file, cosa che Opus usava raramente e GPT-5.6 usa costantemente. Circa un terzo dei fallimenti nella prima run cross-modello tracciavano a limiti del test harness, non del modello.

Design: pulito, ma uniforme

La squadra di Ploy nota una convergenza stilistica: GPT-5.6 produce layout molto puliti, moderni, a griglia stretta, ma tende verso quel look a meno di steering esplicito. Con il loro vecchio harness progettato per Opus 4.8, GPT-5.6 tendeva a ignorare i design system esistenti e produrre output visivamente generico, anche se tecnicamente corretto. Ploy scrive che la soluzione merita un post dedicato, e che con il loro team di design sono riusciti a ottenere “brand adherence di livello mondiale che non si ottiene out of the box”.

Implicazioni per chi valuta una migrazione

Se stai usando Claude in produzione e stai guardando GPT-5.6, il takeaway di Ploy è chiaro: la tua eval suite è sintonizzata sul modello incumbent più di quanto pensi. Budget di tool call dimensionati per lo stile di un modello, executor che assumono comportamenti specifici, threshold invisibili ereditati da default. Prima di fidarti di un pass rate cross-modello, triage i trace uno per uno. Altrimenti stai misurando quanto bene il nuovo modello imita il vecchio, non quanto bene risolve il compito.

La migrazione è stata completata il 9 luglio 2026, e GPT-5.6 Sol è ora il default di ogni workspace Ploy. Il post originale include screenshot side-by-side di output reali e le tabelle complete dei confronti.