OpenAI vs Claude vs Gemini API, melyikkel mit építünk

Régen elég volt egy provider mögé beállni. 2026-ban ez nem védhető többé, az ár-érték arány, a feature set és a feldolgozási sebesség provider-enként más. A nagyobb KKV projektjeinkben ma 2-3 providert keverünk, és ezt routing layer-rel intézzük az AI SDK-n keresztül.

OpenAI (GPT család)

A legszélesebb feature set: Realtime API hangra, Assistants v2 thread management, DALL-E képgenerálás, Whisper, jól dokumentált function calling. A modellek jók general-purpose feladatokra, és a kisebb modellek (GPT-4.1 mini, nano) ár-érték arányban kiválóak rövid promptokhoz.

• Erős: hang feldolgozás (Whisper, Realtime), agentic workflow Assistants API-n, ökoszisztéma.
• Gyengébb: hosszú dokumentum, magyar nyelvű árnyalt szöveg, többfordulós kódolás.

Anthropic (Claude család)

Nálunk az alap kódoló és író modell. A Claude Sonnet és Opus egyaránt jobb magyarul mint a GPT, jobban követi a stílus instrukciókat, és kódíráshoz egyszerűen pontosabb. A prompt caching nagyon olcsóvá teszi a long-context használatot (pl. egy 50 oldalas szerződés újra és újra elemzése).

• Erős: kódolás, hosszú dokumentum feldolgozás, magyar nyelvű kimenet, hangnem tartás.
• Gyengébb: kép input részletes diagram megértés, hang, beépített assistant rendszer.

Google (Gemini család)

A Gemini 2.5 Pro és Flash 2026-ban tényleg felzárkózott. A 2M token context window egyszerűen nem összehasonlítható a többivel, és a multimodális képességek (videó input, PDF natív) máshol nincsenek meg. Cserébe a magyar még mindig kicsit gyengébb mint Claude-nál.

• Erős: extrém hosszú context, video és PDF input, multimodal, Flash modell ára.
• Gyengébb: agentic loop stability, magyar finomhangolás.

Hogy keverjük élesben

• Sima magyar nyelvű chat, dokumentum feldolgozás: Claude Sonnet 4.5.
• Hang input (telefon transzkript): OpenAI Whisper, Claude post-processing.
• Videó vagy nagy PDF (pl. szerződésbank): Gemini 2.5 Pro.
• Olcsó tömeges osztályozás: Gemini Flash vagy GPT-4.1 nano.
• Komplex kódoló agent: Claude Sonnet 4.5 vagy Opus.

Routing nélkül nem érdemes

Ha komolyan akarsz többszolgáltatós lenni, kell egy abstraction layer. Vercel AI SDK provider switch, vagy LiteLLM proxy. Anélkül minden új modell egy újabb integrációs munka. A LiteLLM-et különösen self-hosted backendnél szeretjük: egy OpenAI-kompatibilis interface mögé teszi a teljes modell-zoo-t.

Mi az alapszabály

Minden új projektnél két dolgot rögzítünk: 1) mi a default modell, 2) milyen feature-höz mi a fallback. Ezt írásban, a projekt CLAUDE.md-jébe. Hat hónap múlva ezzel lehet eldönteni hogy érdemes-e átállni az újabb modellre vagy nem.