GPT-6.2 Astra बनाम Claude Fable 5.2: बेंचमार्क, लागत, और एक हैंड्स-ऑन टेस्ट
GPT-6.2 Astra और Claude Fable 5.2 की प्रति टोकन कीमत समान है—पर प्रति कार्य नहीं। हम बेंचमार्क, प्राइसिंग, और एक्सेस की तुलना करते हैं और एक ब्लाइंड हैंड्स-ऑन टेस्ट चलाते हैं।
Anthropic ने नवंबर की शुरुआत में Claude Fable 5.2 अपने नए फ्लैगशिप के रूप में जारी किया। 17 नवंबर, 2026 को OpenAI ने GPT-6.2 Astra के साथ जवाब दिया, जो उसका नया फ्रंटियर मॉडल है, और इसके लॉन्च चार्ट्स ने अधिकांश बेंचमार्क पर Fable 5.2 को Astra के बगल में रख दिया।
दोनों मॉडलों की सूचीबद्ध कीमत अब प्रति टोकन बिल्कुल समान है, इसलिए कागज पर यह पूरी तरह क्षमता की जंग है। व्यवहार में, बिल कुछ और कहानी कहता है—और हमारा हैंड्स-ऑन टेस्ट भी।
AI और डेटा स्पेस के साथ अपडेट रहने के लिए, मैं हमारी साप्ताहिक न्यूज़लेटर The Median की सदस्यता लेने की सलाह देता/देती हूँ।
सार
कोई भी मॉडल हर जगह नहीं जीतता: पेशेवर और विश्लेषणात्मक काम में GPT-6.2 Astra आगे, एजेंटिक कोडिंग में Claude Fable 5.2 आगे।
दोनों की प्रति टोकन कीमत एक जैसी है, पर Astra बहुत कम टोकन इस्तेमाल करता है, इसलिए प्रति कार्य काफी सस्ता है।
हमारे ब्लाइंड वीडियो टेस्ट में गुणवत्ता लगभग बराबर रही, लेकिन Fable ने हर वीडियो में एक पुराना तथ्य दोहराया।
कोडिंग एजेंट्स, कंप्यूटर यूज़, और Bedrock, Vertex AI, या Azure डिप्लॉयमेंट्स के लिए Fable चुनें।
दस्तावेज़, कानूनी और वित्तीय काम, और किसी भी उच्च-वॉल्यूम जरूरत के लिए Astra चुनें।
GPT-6.2 Astra क्या है?
GPT-6.2 Astra OpenAI का फ्रंटियर मॉडल है, जो नवंबर 2026 में GPT-6.2 परिवार के शीर्ष स्तर के रूप में जारी हुआ, GPT-6.2 Sol से ऊपर।
इसका वादा है प्रति कार्य कम लागत पर प्रोफेशनल आउटपुट: स्लाइड्स, वर्कबुक, और आपके टेम्पलेट्स का पालन करने वाले दस्तावेज़, साथ ही CAD और सिमुलेशन टूल्स में कंप्यूटर यूज़।
Claude Fable 5.2 Anthropic का फ्लैगशिप मॉडल है, जो नवंबर 2026 में Claude Mythos 5.2 के साथ जारी हुआ—यह एक संस्करण है जो सत्यापित साइबरसिक्योरिटी और बायोमेडिकल संस्थाओं के लिए है।
Anthropic इसे लंबे क्षितिज वाले तकनीकी कार्यों के लिए रखता है: एजेंटिक कोडिंग, कंप्यूटर यूज़, और शोध कार्य, एक वैकल्पिक फास्ट मोड के साथ जो टोकन को 2.5 गुना तक तेज़ी से जनरेट करता है।
GPT-6.2 Astra बनाम Claude Fable 5.2: आमने-सामने तुलना
क्षमताओं की तस्वीर बंटी हुई है, और अधिकांश बेंचमार्क अंतर कुछ अंकों के हैं। लागत अंतर वैसा नहीं है: प्रति टोकन कीमत समान, पर Fable को वही कार्य पूरा करने के लिए बहुत अधिक टोकन चाहिए।
फ़ीचर
GPT-6.2 Astra
Claude Fable 5.2
डेवलपर
OpenAI
Anthropic
टोकन कीमतें
Fable के समान
Astra के समान, कैश्ड इनपुट सस्ता
प्रति कार्य लागत
काफी कम
OpenAI के चार्ट्स पर Astra से 2.1x से 20.8x
पेशेवर कार्य
आगे (Agents' Last Exam, GDPval v2, Harvey LAB-AA)
पीछे
एजेंटिक कोडिंग
पीछे
आगे (FrontierCode 2.0)
विज्ञान, CAD, और रीजनिंग
विज्ञान बेंचमार्क में आगे
Intelligence Index में आगे
कंप्यूटर यूज़
तुलनीय स्कोर प्रकाशित नहीं
Anthropic के अपने बेंचमार्क पर मजबूत स्कोर
हमारा हैंड्स-ऑन टेस्ट
सबसे सटीक, काफी सस्ता
सबसे सुसंगत, एक पुराना तथ्य
प्राइसिंग: आप वास्तव में क्या चुकाते हैं
टोकन रेट लगभग समान होने के बावजूद, प्राइसिंग इन मॉडलों के बीच सबसे बड़ा फर्क है। अंतर इस बात में है कि हर कार्य पर ये कितने टोकन जलाते हैं।
टोकन रेट साथ-साथ
रेट
GPT-6.2 Astra
Claude Fable 5.2
इनपुट, प्रति 1M टोकन
$8.00
$8.00
आउटपुट, प्रति 1M टोकन
$40.00
$40.00
कैश्ड इनपुट रीड, प्रति 1M टोकन
$0.40
$0.20
कैश राइट, प्रति 1M टोकन
$10.00
$10.00
फास्ट मोड, इनपुट / आउटपुट प्रति 1M टोकन
$16.00 / $80.00
$16.00 / $80.00
एकमात्र अलग रेट कैश्ड इनपुट का है, जहाँ Fable की कीमत Astra की आधी है—यह उन एजेंट्स के लिए सहायक है जो लंबा, स्थिर संदर्भ बार-बार पढ़ते हैं। OpenAI 272K टोकन से ऊपर के अनुरोधों पर Astra का इनपुट रेट भी दोगुना करता है; Anthropic की घोषणा में Fable के लिए ऐसा कोई अधिभार सूचीबद्ध नहीं है।
वास्तविक वर्कलोड की कीमत
मानक रेट पर (वॉल्यूम ÷ 1M) × रेट के रूप में, इनपुट और आउटपुट दोनों का योग:
वर्कलोड
GPT-6.2 Astra
Claude Fable 5.2
अंतर
बैलेंस्ड असिस्टेंट: प्रति माह 1M इन / 250K आउट
$18.00
$18.00
$0 (0%)
कैश-हैवी लूप: 100K प्रीफिक्स एक बार लिखा, 1,000 कैश्ड रीड, साथ में प्रति अनुरोध 5K नया इन / 1K आउट
$121.00
$101.00
Fable $20 सस्ता (17%)
बराबर टोकन काउंट पर Fable कभी महंगा नहीं है, और कैश-हैवी पंक्ति एक मात्र जगह है जहाँ यह साफ तौर पर सस्ता है। पेंच बराबर टोकन काउंट मानने में है।
एक ही कार्य की लागत अलग क्यों पड़ती है
OpenAI के लॉन्च चार्ट्स में दोनों मॉडलों की प्रति कार्य लागत शामिल है, और हर जगह Fable अधिक महंगा है—Vals Science Index पर 2.1x से लेकर Agents' Last Exam पर 20.8x तक ($60.05 बनाम Astra के $2.89)। ये आँकड़े एक प्रतिस्पर्धी के OpenAI द्वारा मापे गए हैं, अधिकतर हर मॉडल के उच्चतम प्रयास पर, इसलिए इन्हें उद्धरण नहीं, दिशा के रूप में लें।
कारण है आउटपुट की लंबाई: समान रेट पर, जो मॉडल कई गुना अधिक टोकन लिखता है—जिसमें आउटपुट के रूप में बिल होने वाले रीजनिंग टोकन भी शामिल हैं—उसकी लागत कई गुना बढ़ती है। हमारा अपना टेस्ट भी इसी ओर इशारा करता है।
पेशेवर काम और एजेंटिक वर्कफ़्लोज़
यहाँ GPT-6.2 Astra साफ आगे है: Harvey LAB-AA पर, जो केवल उन्हीं कानूनी डिलिवरेबल्स को क्रेडिट देता है जो हर आवश्यकता पूरी करते हैं, यह 15.0% स्कोर करता है जबकि Fable 7.2% पर है।
बेंचमार्क
GPT-6.2 Astra
Claude Fable 5.2
टिप्पणी
Agents' Last Exam v1.1
78.3%
72.8%
OpenAI चार्ट; Fable अधिकतम प्रयास पर
GDPval v2
50.4%
44.8%
OpenAI आंतरिक बेंचमार्क
Harvey LAB-AA v1.1
15.0%
7.2%
OpenAI चार्ट
AutomationBench 1.0.6
52.4%
51.4%
दोनों विक्रेताओं ने Fable को 51.4% पर रिपोर्ट किया
Remote Labor Index
प्रकाशित नहीं
41.3%
Anthropic की तालिका, GPT-6 Astra के विरुद्ध
क्लाइंट-रेडी दस्तावेज़ और विश्लेषण के लिए Astra बेहतर चुनाव है, हालांकि AutomationBench बराबरी पर है और Anthropic का Remote Labor Index परिणाम अभी GPT-6.2 समकक्ष के बिना है।
एजेंटिक कोडिंग
जिस एक बेंचमार्क पर दोनों विक्रेता रिपोर्ट करते हैं, उस पर Fable 5.2 अधिक सक्षम कोडर है: FrontierCode 2.0 पर 49.1%, जो यह आँकता है कि कोड परिवर्तन मर्जिंग के लिए मेंटेनर्स के मानकों को पूरा करते हैं या नहीं, जबकि Astra 44.2% पर है।
बेंचमार्क
GPT-6.2 Astra
Claude Fable 5.2
टिप्पणी
FrontierCode 2.0
44.2%
49.1%
दोनों विक्रेताओं की सहमति से Fable का स्कोर
FrontierSWE v2
प्रकाशित नहीं
69.9%
Anthropic की तालिका
SecureSWE
65.7%
प्रकाशित नहीं
OpenAI आंतरिक बेंचमार्क
OpenAI का FrontierCode चार्ट यह ट्रेड-ऑफ दिखाता है: Fable उच्चतर स्कोर तक पहुँचता है, लेकिन प्रति कार्य लागत कहीं अधिक पर।
जहाँ गुणवत्ता लागत से अधिक मायने रखती है, ऐसे कोडिंग एजेंट्स के लिए Fable सही चुनाव है।
विज्ञान, CAD, और सामान्य रीजनिंग
यह आयाम बँटता है: GPT-6.2 Astra विज्ञान बेंचमार्क में आगे है, जबकि Fable 5.2 व्यापक रीजनिंग कॉम्पोज़िट में आगे और CAD पर बराबरी पर है।
बेंचमार्क
GPT-6.2 Astra
Claude Fable 5.2
टिप्पणी
Terminal-Bench-Science 0.1
77.1%
73.3%
Fable Artificial Analysis के हार्नेस से; Anthropic Claude Code में 74.6% रिपोर्ट करता है
Vals Science Index v1
68.4%
63.7%
OpenAI चार्ट
Artificial Analysis Intelligence Index v5.0.1
62.1
64.6
इंडेक्स स्कोर
BenchCAD 2.1 Core
82.5%
83.5%
व्यावहारिक रूप से बराबर
Humanity's Last Exam (टूल्स के साथ)
प्रकाशित नहीं
74.2%
Anthropic की तालिका
वैज्ञानिक विश्लेषण के लिए Astra आगे है; सामान्य रीजनिंग के लिए Fable—कॉम्पोज़िट पर 3 अंकों से कम के अंतर से।
कंप्यूटर यूज़, 3D, और रोबोटिक्स
Anthropic Fable 5.2 के लिए कंप्यूटर-यूज़ और रोबोटिक्स में मजबूत परिणाम रिपोर्ट करता है, जिसमें OSWorld 2.1 पर 89.3% शामिल है, पर OpenAI GPT-6.2 Astra के तुलनीय स्कोर प्रकाशित नहीं करता, इसलिए आमने-सामने तुलना नहीं है। साझा एक संख्या Astra के पक्ष में है: Artificial Analysis के AA-3D पर, जहाँ मानव जज दो ब्लाइंडेड 3D बिल्ड्स के बीच वोट करते हैं, Astra 1,318 Elo के साथ प्रथम है जबकि Fable 1,271 पर है।
यदि आपका वर्कलोड डेस्कटॉप सॉफ़्टवेयर पर ऑपरेट करने वाला एजेंट है, तो आज Fable के पास मजबूत प्रमाण हैं।
GPT-6.2 Astra और Claude Fable 5.2 ने कैसे प्रदर्शन किया
दो प्रतिस्पर्धी विक्रेताओं के बेंचमार्क की एक सीमा होती है, इसलिए मैंने दोनों मॉडलों को एक ही क्रिएटिव कोडिंग कार्य दिया—एक समान प्रॉम्प्ट और समान टूलिंग के साथ।
कार्य: Manim, एक प्रसिद्ध Python एनीमेशन लाइब्रेरी, के लिए एक स्क्रिप्ट लिखें जो हाई-स्कूल छात्रों के लिए Collatz अनुमान का 60-सेकंड का एक्सप्लेनेर रेंडर करे। नियम सरल लगता है (सम संख्याएँ आधी, विषम का तीन गुना करके 1 जोड़ें), और कोई यह साबित नहीं कर पाया है कि हर शुरुआती संख्या 1 पर खत्म होती है।
कठिन हिस्सा यह है कि मॉडल्स अपना वीडियो कभी नहीं देखते। वे स्क्रिप्ट चला नहीं सकते, इसलिए इसे पहली बार में रेंडर होना चाहिए, अच्छा दिखना चाहिए, और बिना किसी प्रीव्यू के सही होना चाहिए। एक्सप्लेनेर प्रभावशाली लगने वाले अतिरिक्त दावों को आमंत्रित करते हैं, और स्क्रीन पर हर दावा सच होना चाहिए।
दोनों मॉडलों को OpenCode में पिन की गई टूल सतह (सिर्फ़ फाइलें पढ़ना, खोज, और संपादन) पर, समान उच्च रीजनिंग प्रयास के साथ, हर बार नई सेशन में चलाया गया। क्योंकि क्रिएटिव ब्रीफ में किस्मत का असर होता है, मैंने प्रत्येक मॉडल को 3 बार चलाया और सभी 6 वीडियो रेंडर किए।
फिर मैंने वीडियो को ब्लाइंड स्कोर किया, A से F तक शफ़ल कर लेबल किया, 4 सवालों पर: क्या स्क्रीन पर सब कुछ सच है, क्या छात्र विचार सीख पाएगा, क्या यह देखने में दिलचस्प है, और क्या यह पूरा-सा लगता है। यहाँ GPT-6.2 Astra के सबसे अच्छे वीडियो का एक पल है:
मुख्य निष्कर्ष:
सभी 6 स्क्रिप्ट पहली बार में रेंडर हुईं। हर वीडियो 60-सेकंड लक्ष्य से 3 सेकंड के भीतर उतरा, बिना त्रुटि और बिना सुधार के।
गुणवत्ता पर यह लगभग बराबरी है। सभी 4 सवालों में दोनों मॉडलों का औसत एक-दसवें अंक के भीतर रहा। Fable अधिक सुसंगत फिल्ममेकर था: उसके सभी 3 वीडियो एक ही पॉलिश्ड आर्क का पालन करते हैं, दो तरह से अनुमान गलत हो सकता है और आखिर में "Nobody knows" के पे-ऑफ पर खत्म होते हैं।
Astra ने सबसे अच्छा और सबसे कमजोर वीडियो बनाया। इसका सर्वश्रेष्ठ 6 या 27 की जगह 7 को समझाता है, फिर दिखाता है कि अलग संख्याओं के रास्ते मिलकर साथ रहते हैं—यह बाकी किसी वीडियो से सचमुच गहरी बात थी। इसका सबसे कमजोर वीडियो साधारण था, जिसमें हर ट्रांज़िशन पर कुछ पल के लिए समीकरण उलझ जाते हैं।
सटीकता ने उन्हें अलग किया। Fable के सभी 3 वीडियो दावा करते हैं कि कंप्यूटरों ने 2^68 तक हर संख्या जाँच ली है। यह 2020 का रिकॉर्ड था; 2025 से यह 2^71 है। Astra के वीडियोज़ में कोई ऐसा दावा नहीं था जिसे वे सिद्ध न कर सकें।
यह दावा Fable के वीडियो में है। जहाँ तक जाता है सच है, लेकिन 5 साल पुराने माइलस्टोन को मौजूदा स्थिति की तरह पेश करता है—वह भी सभी 3 रन में:
और यहाँ 27 की लंबी चढ़ाई का Fable का एनीमेशन है, जो बताता है कि उसके वीडियो क्राफ्ट पर इतने अच्छे स्कोर क्यों लाए:
लागत का अंतर बड़ा था। Fable की स्क्रिप्ट प्रति रन $3.84 से $4.35 पड़ीं और Astra की $0.40 से $0.84, क्योंकि Fable ने 4 से 10 गुना अधिक आउटपुट टोकन लिखे, और यह कहीं धीमा था।
माप
GPT-6.2 Astra
Claude Fable 5.2
प्रति रन लागत (USD)
$0.84, $0.61, $0.40
$4.35, $3.84, $4.19
आउटपुट टोकन (रीजनिंग सहित)
17,551, 10,828, 8,124
84,822, 74,457, 81,316
सटीकता, प्रति रन
5, 5, 5
4, 4, 4
रूब्रिक स्कोर (चार अक्षों का औसत), प्रति रन
4.8, 4.8, 3.8
4.2, 4.8, 4.5
तो कौन-सा मॉडल जीता? गुणवत्ता पर कोई नहीं, और उसके आस-पास की हर चीज़ पर Astra: समान दर्जे का वीडियो, स्क्रीन पर कुछ भी गलत नहीं, और लागत लगभग छठे हिस्से की। Fable की सुसंगति वास्तविक है, पर उतनी ही वास्तविक इसकी आदत है कि पुराना तथ्य आत्मविश्वास से दोहराता है।
कब चुनें GPT-6.2 Astra बनाम Claude Fable 5.2
क्योंकि टोकन कीमतें मेल खाती हैं, निर्णय दो सवालों पर आ टिकता है: क्या कार्य Fable की कोडिंग और कंप्यूटर-यूज़ ताकतों के पक्ष में है, और क्या आप प्रति कार्य कई गुना अधिक टोकन वहन कर सकते हैं?
GPT-6.2 Astra चुनें यदि...
आप क्लाइंट-रेडी दस्तावेज़, कानूनी ड्राफ्ट, या वित्तीय विश्लेषण बनाते हैं, जहाँ पेशेवर-कार्य बेंचमार्क में Astra आगे है।
आप उच्च वॉल्यूम के कार्य चलाते हैं, जहाँ Astra का कम टोकन उपयोग समान रेट पर भी बिल घटा देता है।
आपको टर्मिनल या नोटबुक में वैज्ञानिक विश्लेषण चाहिए, जहाँ Astra दोनों विज्ञान बेंचमार्क में आगे है।
खुले-अंत क्रिएटिव या व्याख्यात्मक काम में सटीकता आपके लिए मायने रखती है, जैसा कि हमारे टेस्ट में था।
Claude Fable 5.2 चुनें यदि...
आप वास्तविक रिपॉज़िटरीज़ पर कोडिंग एजेंट्स चलाते हैं, जहाँ Fable FrontierCode 2.0 पर करीब 5 अंकों से आगे है।
आपके एजेंट डेस्कटॉप सॉफ़्टवेयर ऑपरेट करते हैं: Anthropic Fable के लिए OSWorld 2.1 पर 89.3% रिपोर्ट करता है, और OpenAI ने Astra के लिए तुलनीय स्कोर प्रकाशित नहीं किया।
आप AWS Bedrock, Google Vertex AI, या Azure AI Foundry के माध्यम से डिप्लॉय करते हैं, जहाँ Fable सूचीबद्ध है। Azure के डॉक्स Astra को सूचीबद्ध नहीं करते, और हम बाकी दोनों पर इसकी पुष्टि नहीं कर पाए।
आपके एजेंट एक लंबा, स्थिर संदर्भ दोबारा उपयोग करते हैं, जहाँ Fable का कैश्ड इनपुट आधी कीमत का है।
GPT-6.2 Astra और Claude Fable 5.2 के साथ शुरुआत कैसे करें
सरफेस
GPT-6.2 Astra
Claude Fable 5.2
कंज्यूमर ऐप
ChatGPT Work और Codex (Plus, Pro, Enterprise, Edu)
Claude ऐप्स (सभी उपयोगकर्ताओं के लिए उपलब्ध)
फर्स्ट-पार्टी API
OpenAI API
Claude Platform
क्लाउड प्लेटफ़ॉर्म
17 नवंबर, 2026 तक Azure AI Foundry डॉक्स में सूचीबद्ध नहीं
AWS Bedrock, Google Vertex AI, Azure AI Foundry
कोडिंग एजेंट्स
Codex; लिखते समय Cursor या GitHub Copilot डॉक्स में सूचीबद्ध नहीं
GitHub Copilot; लिखते समय Cursor डॉक्स में सूचीबद्ध नहीं
थर्ड-पार्टी राउटर्स
OpenRouter
OpenRouter
API मॉडल ID
gpt-6.2-astra
claude-fable-5-2
सबसे बड़ा फर्क क्लाउड पहुँच का है: Fable तीनों प्रमुख क्लाउड्स पर है, जबकि Astra OpenAI के अपने API और प्रोडक्ट्स के माध्यम से मिलती है। OpenRouter पर, दोनों एक-स्ट्रिंग स्वैप हैं:
from openai import OpenAI
client = OpenAI(base_url="https://openrouter.ai/api/v1")# uses your OpenRouter key
response = client.chat.completions.create(
model="openai/gpt-6.2-astra",# or "anthropic/claude-fable-5.2"
messages=[{"role":"user","content":"Review this pull request..."}],)print(response.choices[0].message.content)संचालित द्वारा
मैं एक डेटा साइंस संपादक हूँ और वैज्ञानिक पत्रिकाओं में प्रकाशित शोध लेखों में योगदान दे चुका/चुकी हूँ। मुझे विशेष रूप से रैखिक बीजगणित, सांख्यिकी, R, और इसी तरह के विषयों में रुचि है।
FAQs
क्या GPT-6.2 Astra, Claude Fable 5.2 से बेहतर है?⌄
कोई भी हर मोर्चे पर बेहतर नहीं है। GPT-6.2 Astra Harvey LAB-AA और GDPval v2 जैसे पेशेवर और विश्लेषणात्मक बेंचमार्क में आगे है, जबकि Claude Fable 5.2 FrontierCode 2.0 पर एजेंटिक कोडिंग में आगे है। दोनों की प्रति टोकन लागत समान है, पर Astra प्रति कार्य बहुत कम टोकन इस्तेमाल करता है, इसलिए आमतौर पर कहीं सस्ता पड़ता है।
GPT-6.2 Astra और Claude Fable 5.2 की कीमत कितनी है?⌄
दोनों की लागत प्रति 1 मिलियन इनपुट टोकन $8 और प्रति 1 मिलियन आउटपुट टोकन $40 है, फास्ट मोड्स पर $16 और $80। Fable का कैश्ड इनपुट $0.20 प्रति मिलियन है, जो Astra के $0.40 से सस्ता है। फिर भी OpenAI के चार्ट्स पर, Fable प्रति कार्य 2.1 से 20.8 गुना तक महंगा पड़ता है क्योंकि वह अधिक टोकन उपयोग करता है।
कोडिंग के लिए कौन बेहतर है, GPT-6.2 Astra या Claude Fable 5.2?⌄
दोनों विक्रेताओं द्वारा रिपोर्ट किए गए बेंचमार्क पर Claude Fable 5.2 मजबूत कोडर है—FrontierCode 2.0 पर 49.1%—जबकि GPT-6.2 Astra 44.2% है। Astra प्रति कोडिंग कार्य काफी कम लागत का है, इसलिए उच्च-वॉल्यूम या लागत-संवेदनशील कोडिंग कार्य के लिए यह व्यावहारिक विकल्प है।
GPT-6.2 Astra और Claude Fable 5.2 कहाँ उपलब्ध हैं?⌄
GPT-6.2 Astra ChatGPT Work और Codex (Plus, Pro, Enterprise, Edu) में और OpenAI API में उपलब्ध है। Claude Fable 5.2 Claude ऐप्स, Claude Platform, AWS Bedrock, Google Vertex AI, Azure AI Foundry, और GitHub Copilot में है। दोनों OpenRouter पर भी हैं।
GPT-6.2 Astra और Claude Fable 5.2 के API मॉडल IDs क्या हैं?⌄
फर्स्ट-पार्टी APIs में, GPT-6.2 Astra gpt-6.2-astra और Claude Fable 5.2 claude-fable-5-2 है। OpenRouter पर ये openai/gpt-6.2-astra और anthropic/claude-fable-5.2 हैं, इसलिए OpenAI-कम्पैटिबल क्लाइंट में इनके बीच स्विच करना एक स्ट्रिंग बदलने जैसा है। दोनों मॉडल पाँच रीजनिंग प्रयास स्तर भी देते हैं, लो से मैक्स तक।
Anthropic ने नवंबर की शुरुआत में Claude Fable 5.2 अपने नए फ्लैगशिप के रूप में जारी किया। 17 नवंबर, 2026 को OpenAI ने GPT-6.2 Astra के साथ जवाब दिया, जो उसका नया फ्रंटियर मॉडल है, और इसके लॉन्च चार्ट्स ने अधिकांश बेंचमार्क पर Fable 5.2 को Astra के बगल में रख दिया।
दोनों मॉडलों की सूचीबद्ध कीमत अब प्रति टोकन बिल्कुल समान है, इसलिए कागज पर यह पूरी तरह क्षमता की जंग है। व्यवहार में, बिल कुछ और कहानी कहता है—और हमारा हैंड्स-ऑन टेस्ट भी।
AI और डेटा स्पेस के साथ अपडेट रहने के लिए, मैं हमारी साप्ताहिक न्यूज़लेटर The Median की सदस्यता लेने की सलाह देता/देती हूँ।
सार
GPT-6.2 Astra क्या है?
GPT-6.2 Astra OpenAI का फ्रंटियर मॉडल है, जो नवंबर 2026 में GPT-6.2 परिवार के शीर्ष स्तर के रूप में जारी हुआ, GPT-6.2 Sol से ऊपर।
इसका वादा है प्रति कार्य कम लागत पर प्रोफेशनल आउटपुट: स्लाइड्स, वर्कबुक, और आपके टेम्पलेट्स का पालन करने वाले दस्तावेज़, साथ ही CAD और सिमुलेशन टूल्स में कंप्यूटर यूज़।
OpenAI की लॉन्च पोस्ट में विवरण है, और हमारा GPT-6 Astra API ट्यूटोरियल पिछली पीढ़ी के साथ बनाना दिखाता है।
Claude Fable 5.2 क्या है?
Claude Fable 5.2 Anthropic का फ्लैगशिप मॉडल है, जो नवंबर 2026 में Claude Mythos 5.2 के साथ जारी हुआ—यह एक संस्करण है जो सत्यापित साइबरसिक्योरिटी और बायोमेडिकल संस्थाओं के लिए है।
Anthropic इसे लंबे क्षितिज वाले तकनीकी कार्यों के लिए रखता है: एजेंटिक कोडिंग, कंप्यूटर यूज़, और शोध कार्य, एक वैकल्पिक फास्ट मोड के साथ जो टोकन को 2.5 गुना तक तेज़ी से जनरेट करता है।
हमारी Fable 5.2 गाइड लॉन्च को कवर करती है; हमारा Fable 5.2 API ट्यूटोरियल एक हाइपोथिसिस-टेस्टिंग एजेंट बनाने की प्रक्रिया दिखाता है।
GPT-6.2 Astra बनाम Claude Fable 5.2: आमने-सामने तुलना
क्षमताओं की तस्वीर बंटी हुई है, और अधिकांश बेंचमार्क अंतर कुछ अंकों के हैं। लागत अंतर वैसा नहीं है: प्रति टोकन कीमत समान, पर Fable को वही कार्य पूरा करने के लिए बहुत अधिक टोकन चाहिए।
प्राइसिंग: आप वास्तव में क्या चुकाते हैं
टोकन रेट लगभग समान होने के बावजूद, प्राइसिंग इन मॉडलों के बीच सबसे बड़ा फर्क है। अंतर इस बात में है कि हर कार्य पर ये कितने टोकन जलाते हैं।
टोकन रेट साथ-साथ
एकमात्र अलग रेट कैश्ड इनपुट का है, जहाँ Fable की कीमत Astra की आधी है—यह उन एजेंट्स के लिए सहायक है जो लंबा, स्थिर संदर्भ बार-बार पढ़ते हैं। OpenAI 272K टोकन से ऊपर के अनुरोधों पर Astra का इनपुट रेट भी दोगुना करता है; Anthropic की घोषणा में Fable के लिए ऐसा कोई अधिभार सूचीबद्ध नहीं है।
वास्तविक वर्कलोड की कीमत
मानक रेट पर (वॉल्यूम ÷ 1M) × रेट के रूप में, इनपुट और आउटपुट दोनों का योग:
बराबर टोकन काउंट पर Fable कभी महंगा नहीं है, और कैश-हैवी पंक्ति एक मात्र जगह है जहाँ यह साफ तौर पर सस्ता है। पेंच बराबर टोकन काउंट मानने में है।
एक ही कार्य की लागत अलग क्यों पड़ती है
OpenAI के लॉन्च चार्ट्स में दोनों मॉडलों की प्रति कार्य लागत शामिल है, और हर जगह Fable अधिक महंगा है—Vals Science Index पर 2.1x से लेकर Agents' Last Exam पर 20.8x तक ($60.05 बनाम Astra के $2.89)। ये आँकड़े एक प्रतिस्पर्धी के OpenAI द्वारा मापे गए हैं, अधिकतर हर मॉडल के उच्चतम प्रयास पर, इसलिए इन्हें उद्धरण नहीं, दिशा के रूप में लें।
कारण है आउटपुट की लंबाई: समान रेट पर, जो मॉडल कई गुना अधिक टोकन लिखता है—जिसमें आउटपुट के रूप में बिल होने वाले रीजनिंग टोकन भी शामिल हैं—उसकी लागत कई गुना बढ़ती है। हमारा अपना टेस्ट भी इसी ओर इशारा करता है।
पेशेवर काम और एजेंटिक वर्कफ़्लोज़
यहाँ GPT-6.2 Astra साफ आगे है: Harvey LAB-AA पर, जो केवल उन्हीं कानूनी डिलिवरेबल्स को क्रेडिट देता है जो हर आवश्यकता पूरी करते हैं, यह 15.0% स्कोर करता है जबकि Fable 7.2% पर है।
क्लाइंट-रेडी दस्तावेज़ और विश्लेषण के लिए Astra बेहतर चुनाव है, हालांकि AutomationBench बराबरी पर है और Anthropic का Remote Labor Index परिणाम अभी GPT-6.2 समकक्ष के बिना है।
एजेंटिक कोडिंग
जिस एक बेंचमार्क पर दोनों विक्रेता रिपोर्ट करते हैं, उस पर Fable 5.2 अधिक सक्षम कोडर है: FrontierCode 2.0 पर 49.1%, जो यह आँकता है कि कोड परिवर्तन मर्जिंग के लिए मेंटेनर्स के मानकों को पूरा करते हैं या नहीं, जबकि Astra 44.2% पर है।
OpenAI का FrontierCode चार्ट यह ट्रेड-ऑफ दिखाता है: Fable उच्चतर स्कोर तक पहुँचता है, लेकिन प्रति कार्य लागत कहीं अधिक पर।
जहाँ गुणवत्ता लागत से अधिक मायने रखती है, ऐसे कोडिंग एजेंट्स के लिए Fable सही चुनाव है।
विज्ञान, CAD, और सामान्य रीजनिंग
यह आयाम बँटता है: GPT-6.2 Astra विज्ञान बेंचमार्क में आगे है, जबकि Fable 5.2 व्यापक रीजनिंग कॉम्पोज़िट में आगे और CAD पर बराबरी पर है।
वैज्ञानिक विश्लेषण के लिए Astra आगे है; सामान्य रीजनिंग के लिए Fable—कॉम्पोज़िट पर 3 अंकों से कम के अंतर से।
कंप्यूटर यूज़, 3D, और रोबोटिक्स
Anthropic Fable 5.2 के लिए कंप्यूटर-यूज़ और रोबोटिक्स में मजबूत परिणाम रिपोर्ट करता है, जिसमें OSWorld 2.1 पर 89.3% शामिल है, पर OpenAI GPT-6.2 Astra के तुलनीय स्कोर प्रकाशित नहीं करता, इसलिए आमने-सामने तुलना नहीं है। साझा एक संख्या Astra के पक्ष में है: Artificial Analysis के AA-3D पर, जहाँ मानव जज दो ब्लाइंडेड 3D बिल्ड्स के बीच वोट करते हैं, Astra 1,318 Elo के साथ प्रथम है जबकि Fable 1,271 पर है।
यदि आपका वर्कलोड डेस्कटॉप सॉफ़्टवेयर पर ऑपरेट करने वाला एजेंट है, तो आज Fable के पास मजबूत प्रमाण हैं।
GPT-6.2 Astra और Claude Fable 5.2 ने कैसे प्रदर्शन किया
दो प्रतिस्पर्धी विक्रेताओं के बेंचमार्क की एक सीमा होती है, इसलिए मैंने दोनों मॉडलों को एक ही क्रिएटिव कोडिंग कार्य दिया—एक समान प्रॉम्प्ट और समान टूलिंग के साथ।
कार्य: Manim, एक प्रसिद्ध Python एनीमेशन लाइब्रेरी, के लिए एक स्क्रिप्ट लिखें जो हाई-स्कूल छात्रों के लिए Collatz अनुमान का 60-सेकंड का एक्सप्लेनेर रेंडर करे। नियम सरल लगता है (सम संख्याएँ आधी, विषम का तीन गुना करके 1 जोड़ें), और कोई यह साबित नहीं कर पाया है कि हर शुरुआती संख्या 1 पर खत्म होती है।
कठिन हिस्सा यह है कि मॉडल्स अपना वीडियो कभी नहीं देखते। वे स्क्रिप्ट चला नहीं सकते, इसलिए इसे पहली बार में रेंडर होना चाहिए, अच्छा दिखना चाहिए, और बिना किसी प्रीव्यू के सही होना चाहिए। एक्सप्लेनेर प्रभावशाली लगने वाले अतिरिक्त दावों को आमंत्रित करते हैं, और स्क्रीन पर हर दावा सच होना चाहिए।
दोनों मॉडलों को OpenCode में पिन की गई टूल सतह (सिर्फ़ फाइलें पढ़ना, खोज, और संपादन) पर, समान उच्च रीजनिंग प्रयास के साथ, हर बार नई सेशन में चलाया गया। क्योंकि क्रिएटिव ब्रीफ में किस्मत का असर होता है, मैंने प्रत्येक मॉडल को 3 बार चलाया और सभी 6 वीडियो रेंडर किए।
फिर मैंने वीडियो को ब्लाइंड स्कोर किया, A से F तक शफ़ल कर लेबल किया, 4 सवालों पर: क्या स्क्रीन पर सब कुछ सच है, क्या छात्र विचार सीख पाएगा, क्या यह देखने में दिलचस्प है, और क्या यह पूरा-सा लगता है। यहाँ GPT-6.2 Astra के सबसे अच्छे वीडियो का एक पल है:
मुख्य निष्कर्ष:
यह दावा Fable के वीडियो में है। जहाँ तक जाता है सच है, लेकिन 5 साल पुराने माइलस्टोन को मौजूदा स्थिति की तरह पेश करता है—वह भी सभी 3 रन में:
और यहाँ 27 की लंबी चढ़ाई का Fable का एनीमेशन है, जो बताता है कि उसके वीडियो क्राफ्ट पर इतने अच्छे स्कोर क्यों लाए:
लागत का अंतर बड़ा था। Fable की स्क्रिप्ट प्रति रन $3.84 से $4.35 पड़ीं और Astra की $0.40 से $0.84, क्योंकि Fable ने 4 से 10 गुना अधिक आउटपुट टोकन लिखे, और यह कहीं धीमा था।
तो कौन-सा मॉडल जीता? गुणवत्ता पर कोई नहीं, और उसके आस-पास की हर चीज़ पर Astra: समान दर्जे का वीडियो, स्क्रीन पर कुछ भी गलत नहीं, और लागत लगभग छठे हिस्से की। Fable की सुसंगति वास्तविक है, पर उतनी ही वास्तविक इसकी आदत है कि पुराना तथ्य आत्मविश्वास से दोहराता है।
कब चुनें GPT-6.2 Astra बनाम Claude Fable 5.2
क्योंकि टोकन कीमतें मेल खाती हैं, निर्णय दो सवालों पर आ टिकता है: क्या कार्य Fable की कोडिंग और कंप्यूटर-यूज़ ताकतों के पक्ष में है, और क्या आप प्रति कार्य कई गुना अधिक टोकन वहन कर सकते हैं?
GPT-6.2 Astra चुनें यदि...
Claude Fable 5.2 चुनें यदि...
GPT-6.2 Astra और Claude Fable 5.2 के साथ शुरुआत कैसे करें
gpt-6.2-astraclaude-fable-5-2सबसे बड़ा फर्क क्लाउड पहुँच का है: Fable तीनों प्रमुख क्लाउड्स पर है, जबकि Astra OpenAI के अपने API और प्रोडक्ट्स के माध्यम से मिलती है। OpenRouter पर, दोनों एक-स्ट्रिंग स्वैप हैं:
पूरी सेटअप के लिए, हमारा Fable 5.2 API ट्यूटोरियल और GPT-6 Astra API ट्यूटोरियल देखें।
अंतिम विचार
क्षमताओं में, GPT-6.2 Astra और Claude Fable 5.2 अदला-बदली से जीतते हैं: पेशेवर और विश्लेषणात्मक काम में Astra, कोडिंग और कंप्यूटर यूज़ में Fable।
लागत में, लगभग हर जगह Astra जीतता है, क्योंकि समान टोकन कीमतें बहुत अलग टोकन भूख छिपाती हैं।
यदि आप Anthropic के मॉडलों के साथ बिल्डिंग के बारे में और सीखना चाहते हैं, तो हमारा Introduction to Claude Models कोर्स देखें। OpenAI के लिए, Working with the OpenAI API आज़माएँ।