Lewati ke konten utama

GPT-6.2 Astra vs. Claude Fable 5.2: Tolok Ukur, Biaya, dan Uji Coba Langsung

GPT-6.2 Astra dan Claude Fable 5.2 berbiaya sama per token, tetapi tidak per tugas. Kami membandingkan tolok ukur, harga, dan akses, serta menjalankan uji coba buta langsung.
Josef Waples
Josef Waples

Buat Akun Gratis Anda

Berlatih dan lacak kemajuan Anda.

Lanjutkan dengan GoogleDengan melanjutkan, Anda menyetujui Ketentuan Penggunaan, Kebijakan Privasi dan bahwa data Anda disimpan di AS.

Anthropic merilis Claude Fable 5.2 pada awal November sebagai model andalan barunya. Pada 17 November 2026, OpenAI menjawab dengan GPT-6.2 Astra, model frontier terbarunya, dan grafik peluncurannya menempatkan Fable 5.2 sejajar dengan Astra pada sebagian besar tolok ukurnya.

Kedua model kini tercantum dengan harga per token yang sama persis, jadi di atas kertas ini adalah adu kapabilitas murni. Dalam praktiknya, tagihan bercerita lain—begitu pula uji coba langsung kami.

Untuk tetap mengikuti perkembangan AI dan data, saya sarankan berlangganan buletin mingguan kami, The Median.

Ringkasnya

  • Tidak ada pemenang mutlak: GPT-6.2 Astra unggul untuk pekerjaan profesional dan analitis, Claude Fable 5.2 unggul untuk coding agentik.
  • Biaya per token sama, tetapi Astra memakai jauh lebih sedikit token, sehingga jauh lebih murah per tugas.
  • Dalam uji video buta kami, kualitas hampir seri, tetapi Fable mengulang satu fakta usang di setiap video.
  • Pilih Fable untuk agen coding, penggunaan komputer, dan penerapan di Bedrock, Vertex AI, atau Azure.
  • Pilih Astra untuk dokumen, pekerjaan legal dan finansial, serta apa pun yang ber-volume tinggi.

Apa itu GPT-6.2 Astra?

GPT-6.2 Astra adalah model frontier OpenAI, dirilis pada November 2026 sebagai tingkatan teratas dari keluarga GPT-6.2, di atas GPT-6.2 Sol.

Janji utamanya adalah output profesional dengan biaya per tugas yang lebih rendah: slide, workbook, dan dokumen yang mengikuti templat Anda, plus penggunaan komputer di alat CAD dan simulasi.

Pos peluncuran OpenAI membahas rilisnya, dan tutorial API GPT-6 Astra kami menunjukkan cara membangun dengan generasi sebelumnya.

Apa itu Claude Fable 5.2?

Claude Fable 5.2 adalah model andalan Anthropic, dirilis pada November 2026 bersamaan dengan Claude Mythos 5.2, versi untuk organisasi siberkeamanan dan biomedis yang telah diverifikasi.

Anthropic memposisikannya untuk pekerjaan teknis jangka panjang: coding agentik, penggunaan komputer, dan tugas riset, dengan mode cepat opsional yang menghasilkan token hingga 2,5 kali lebih cepat.

Panduan Fable 5.2 kami membahas peluncurannya; tutorial API Fable 5.2 kami memandu pembuatan agen pengujian hipotesis.

GPT-6.2 Astra vs Claude Fable 5.2: Perbandingan Langsung

Tolok ukur GPT-6.2 Astra vs Claude Fable 5.2: Astra unggul di Agents' Last Exam, GDPval v2, dan Harvey LAB-AA; Fable unggul di FrontierCode 2.0, Intelligence Index, dan BenchCAD dengan selisih satu poin

Gambaran kapabilitasnya terbagi, dan sebagian besar selisih tolok ukur hanya beberapa poin. Kesenjangan biayanya tidak: harga per token sama, tetapi Fable membutuhkan jauh lebih banyak token untuk menyelesaikan tugas yang sama.

FiturGPT-6.2 AstraClaude Fable 5.2
PengembangOpenAIAnthropic
Harga tokenSama seperti FableSama seperti Astra, input cache lebih murah
Biaya per tugasJauh lebih rendah2,1x hingga 20,8x Astra pada grafik OpenAI
Pekerjaan profesionalUnggul (Agents' Last Exam, GDPval v2, Harvey LAB-AA)Tertinggal
Coding agentikTertinggalUnggul (FrontierCode 2.0)
Sains, CAD, dan penalaranUnggul di tolok ukur sainsUnggul di Intelligence Index
Penggunaan komputerTidak ada skor sebanding yang dipublikasikanSkor kuat pada tolok ukur internal Anthropic
Uji coba langsung kamiPaling akurat, jauh lebih murahPaling konsisten, satu fakta usang

Harga: apa yang benar-benar Anda bayar

Harga adalah perbedaan terbesar antara kedua model ini, meski tarif tokennya hampir identik. Perbedaannya terletak pada berapa banyak token yang dibakar masing-masing per tugas.

Tarif token berdampingan

TarifGPT-6.2 AstraClaude Fable 5.2
Input, per 1M token$8.00$8.00
Output, per 1M token$40.00$40.00
Pembacaan input cache, per 1M token$0.40$0.20
Penulisan cache, per 1M token$10.00$10.00
Mode cepat, input / output per 1M token$16.00 / $80.00$16.00 / $80.00

Satu-satunya tarif yang berbeda adalah input cache, di mana Fable setengah harga Astra, yang membantu agen yang membaca ulang konteks panjang dan tetap. OpenAI juga menggandakan tarif input Astra untuk permintaan di atas 272K token; pengumuman Anthropic tidak mencantumkan biaya tambahan semacam itu untuk Fable.

Biaya beban kerja nyata

Dihitung pada tarif standar sebagai (volume ÷ 1M) × tarif, dijumlahkan untuk input dan output:

Beban kerjaGPT-6.2 AstraClaude Fable 5.2Perbedaan
Asisten seimbang: 1M masuk / 250K keluar per bulan$18.00$18.00$0 (0%)
Loop berat cache: prefiks 100K ditulis sekali, 1.000 pembacaan cache, plus 5K input baru / 1K output per permintaan$121.00$101.00Fable lebih murah $20 (17%)

Pada jumlah token yang sama, Fable tidak pernah lebih mahal, dan baris berat cache adalah satu-satunya tempat ia jelas lebih murah. Namun ada asumsi jumlah token yang sama.

Mengapa tugas yang sama berbiaya berbeda

Biaya per tugas: Claude Fable 5.2 berbiaya 2,4x hingga 20,8x dibanding GPT-6.2 Astra pada enam tolok ukur, meski harga token identik

Grafik peluncuran OpenAI menyertakan biaya per tugas untuk kedua model, dan Fable lebih mahal di semuanya, dari 2,1x pada Vals Science Index hingga 20,8x pada Agents' Last Exam ($60,05 dibanding $2,89 milik Astra). Angka-angka itu adalah pengukuran OpenAI atas kompetitor, sebagian besar pada upaya tertinggi masing-masing model, jadi anggap sebagai arah, bukan patokan harga.

Penyebabnya adalah panjang output: pada tarif yang sama, model yang menulis beberapa kali lebih banyak token, termasuk token penalaran yang ditagih sebagai output, akan berbiaya beberapa kali lipat. Uji kami sendiri, di bawah ini, menunjukkan arah yang sama.

Pekerjaan profesional dan alur kerja agentik

GPT-6.2 Astra jelas unggul di sini: pada Harvey LAB-AA, yang hanya memberi kredit pada deliverable legal yang memenuhi setiap persyaratan, skornya 15,0% dibanding 7,2% milik Fable.

Tolok ukurGPT-6.2 AstraClaude Fable 5.2Catatan
Agents' Last Exam v1.178,3%72,8%Grafik OpenAI; Fable pada upaya maksimum
GDPval v250,4%44,8%Tolok ukur internal OpenAI
Harvey LAB-AA v1.115,0%7,2%Grafik OpenAI
AutomationBench 1.0.652,4%51,4%Kedua vendor melaporkan Fable di 51,4%
Remote Labor IndexTidak dipublikasikan41,3%Tabel Anthropic, dibanding GPT-6 Astra

Astra adalah pilihan yang lebih baik untuk dokumen dan analisis siap klien, meski AutomationBench seri dan hasil Remote Labor Index Anthropic belum memiliki padanan GPT-6.2.

Coding agentik

Fable 5.2 lebih kuat dalam coding pada satu tolok ukur yang dilaporkan kedua vendor: 49,1% pada FrontierCode 2.0, yang menilai apakah perubahan kode memenuhi standar maintainer untuk digabung, dibanding 44,2% untuk Astra.

Tolok ukurGPT-6.2 AstraClaude Fable 5.2Catatan
FrontierCode 2.044,2%49,1%Kedua vendor sepakat atas skor Fable
FrontierSWE v2Tidak dipublikasikan69,9%Tabel Anthropic
SecureSWE65,7%Tidak dipublikasikanTolok ukur internal OpenAI

Grafik FrontierCode milik OpenAI sendiri menunjukkan trade-off-nya: Fable mencapai skor lebih tinggi, tetapi dengan biaya per tugas jauh lebih besar.

Grafik FrontierCode 2.0: Claude Fable 5.2 mencapai skor tertinggi dengan biaya per tugas jauh lebih besar, sementara GPT-6.2 Astra dan Sol berkelompok lebih rendah dan ke kiri

Untuk agen coding di mana kualitas lebih penting daripada biaya, Fable adalah pilihannya.

Sains, CAD, dan penalaran umum

Dimensi ini terbagi: GPT-6.2 Astra unggul di tolok ukur sains, sementara Fable 5.2 unggul pada komposit penalaran umum dan seri pada CAD.

Tolok ukurGPT-6.2 AstraClaude Fable 5.2Catatan
Terminal-Bench-Science 0,177,1%73,3%Fable via harness Artificial Analysis; Anthropic melaporkan 74,6% di Claude Code
Vals Science Index v168,4%63,7%Grafik OpenAI
Artificial Analysis Intelligence Index v5.0.162,164,6Skor indeks
BenchCAD 2.1 Core82,5%83,5%Secara efektif seri
Humanity's Last Exam (dengan tool)Tidak dipublikasikan74,2%Tabel Anthropic

Untuk analisis ilmiah, Astra lebih unggul; untuk penalaran umum, Fable unggul, dengan selisih kurang dari 3 poin pada komposit.

Penggunaan komputer, 3D, dan robotika

Anthropic melaporkan hasil yang kuat untuk penggunaan komputer dan robotika pada Fable 5.2, termasuk 89,3% pada OSWorld 2.1, tetapi OpenAI tidak memublikasikan skor GPT-6.2 Astra yang sebanding, jadi tidak ada head-to-head. Satu angka bersama menguntungkan Astra: pada AA-3D milik Artificial Analysis, di mana juri manusia memilih di antara dua hasil 3D yang dibutakan, Astra peringkat pertama dengan 1.318 Elo dibanding 1.271 milik Fable.

Jika beban kerja Anda adalah agen yang mengoperasikan perangkat lunak desktop, Fable saat ini memiliki bukti yang lebih kuat di belakangnya.

Kinerja GPT-6.2 Astra dan Claude Fable 5.2

Tolok ukur dari dua vendor yang bersaing ada batasnya, jadi saya memberi kedua model tugas coding kreatif yang sama, dengan prompt dan tool yang identik.

Tugasnya: tulis skrip untuk Manim, pustaka animasi Python yang dikenal luas, yang merender video penjelasan 60 detik tentang dugaan Collatz untuk siswa SMA. Aturannya terdengar sederhana (bilangan genap dibagi dua, bilangan ganjil dikali tiga lalu tambah 1), dan belum ada yang membuktikan bahwa setiap bilangan awal berakhir di 1.

Bagian sulitnya adalah model tidak pernah melihat videonya sendiri. Mereka tidak bisa menjalankan skripnya, jadi harus berhasil merender di percobaan pertama, terlihat bagus, dan benar, tanpa pratinjau satu kali pun. Video penjelasan juga menggoda untuk tambahan yang terdengar impresif, dan setiap klaim di layar harus benar.

Kedua model dijalankan di OpenCode dengan permukaan tool yang dipatok (membaca, mencari, dan mengedit file saja), pada upaya penalaran tinggi yang sama, dalam sesi baru setiap kali. Karena brief kreatif mudah dipengaruhi faktor keberuntungan, saya menjalankan masing-masing model 3 kali dan merender semua 6 video.

Kemudian saya menilai videonya secara buta, diacak dan diberi label A sampai F, pada 4 pertanyaan: apakah semua yang di layar benar, apakah siswa akan mempelajari idenya, apakah menarik ditonton, dan apakah terlihat selesai. Berikut momen dari video terbaik GPT-6.2 Astra:

Video penjelasan GPT-6.2 Astra mengikuti 7 ke 52 lalu turun lagi, kemudian menunjukkan bahwa lintasan dari 3 dan 7 bertemu di 10 dan tetap bersama

Temuan utamanya:

  • Semua 6 skrip berhasil merender di percobaan pertama. Setiap video mendarat dalam selisih 3 detik dari target 60 detik, tanpa error dan tanpa perbaikan.
  • Dari sisi kualitas, hampir seri. Di keempat pertanyaan, kedua model rata-rata hanya terpaut sepersepuluh poin. Fable lebih konsisten sebagai pembuat film: ketiga videonya mengikuti alur rapi yang sama, diakhiri dengan dua cara dugaan bisa gagal dan penutup "Tidak ada yang tahu".
  • Astra membuat video terbaik dan terlemah. Yang terbaik menjelaskan 7 alih-alih 6 atau 27, lalu menunjukkan bahwa lintasan dari angka berbeda bergabung dan tetap bersama, ide yang benar-benar lebih dalam daripada video lain mana pun. Yang terlemah polos, dengan persamaan yang sempat acak pada tiap transisi.
  • Akurasi yang membedakan. Ketiga video Fable mengklaim komputer telah menguji setiap angka hingga 2^68. Itu rekor tahun 2020; sejak 2025 sudah 2^71. Video Astra tidak membuat klaim yang tak bisa didukung.

Berikut klaim dalam video Fable. Benar sejauh yang disampaikan, tetapi menyajikan tonggak 5 tahun lalu sebagai kondisi terkini, di ketiga percobaan:

Video Claude Fable 5.2 mengklaim komputer telah menguji setiap bilangan awal hingga 2^68, batas yang dinaikkan ke 2^71 pada 2025

Dan ini animasi Fable tentang pendakian panjang 27, yang menunjukkan mengapa videonya mendapat skor tinggi pada aspek penggarapan:

Video penjelasan Claude Fable 5.2 menganimasikan perjalanan 27, naik ke 9.232 sebelum turun ke 1 setelah 111 langkah

Selisih biayanya besar. Skrip Fable berharga $3,84 hingga $4,35 per video dan Astra $0,40 hingga $0,84, karena Fable menulis 4 hingga 10 kali lebih banyak token output, dan jauh lebih lambat.

UkurGPT-6.2 AstraClaude Fable 5.2
Biaya tiap run (USD)$0,84, $0,61, $0,40$4,35, $3,84, $4,19
Token output (termasuk penalaran)17.551, 10.828, 8.12484.822, 74.457, 81.316
Akurasi, per run5, 5, 54, 4, 4
Skor rubrik (rata-rata empat sumbu), per run4,8, 4,8, 3,84,2, 4,8, 4,5

Jadi siapa yang menang? Tidak ada dari sisi kualitas, dan Astra pada segala hal di sekitarnya: standar video yang sama, tanpa ada yang salah di layar, dengan biaya sekitar seperenamnya. Konsistensi Fable nyata, begitu pula kebiasaannya mengulang fakta basi dengan percaya diri.

Kapan Memilih GPT-6.2 Astra vs Claude Fable 5.2

Mana yang dipilih: Claude Fable 5.2 untuk agen coding dan penggunaan komputer, GPT-6.2 Astra untuk deliverable klien dan pekerjaan volume tinggi

Karena harga token sama, keputusan bermuara pada dua pertanyaan: apakah tugasnya menguntungkan kekuatan Fable dalam coding dan penggunaan komputer, dan bisakah Anda menanggung token per tugas yang beberapa kali lipat lebih banyak?

Pilih GPT-6.2 Astra jika...

  • Anda memproduksi dokumen siap klien, draf legal, atau analisis finansial, di mana Astra memimpin tolok ukur pekerjaan profesional.
  • Anda menjalankan volume tugas tinggi, di mana penggunaan token Astra yang lebih rendah menekan tagihan meski tarif identik.
  • Anda membutuhkan analisis ilmiah di terminal atau notebook, di mana Astra memimpin kedua tolok ukur sains.
  • Akurasi dalam pekerjaan kreatif atau penjelasan yang terbuka penting bagi Anda, seperti pada uji kami.

Pilih Claude Fable 5.2 jika...

  • Anda menjalankan agen coding pada repositori nyata, di mana Fable memimpin FrontierCode 2.0 sekitar 5 poin.
  • Agen Anda mengoperasikan perangkat lunak desktop: Anthropic melaporkan 89,3% pada OSWorld 2.1 untuk Fable, dan OpenAI belum memublikasikan skor sebanding untuk Astra.
  • Anda melakukan penerapan melalui AWS Bedrock, Google Vertex AI, atau Azure AI Foundry, yang semuanya mencantumkan Fable. Dokumen Azure tidak mencantumkan Astra, dan kami tidak dapat mengonfirmasinya di dua lainnya.
  • Agen Anda menggunakan ulang konteks panjang dan tetap, di mana biaya input cache Fable setengahnya.

Cara Memulai dengan GPT-6.2 Astra dan Claude Fable 5.2

PermukaanGPT-6.2 AstraClaude Fable 5.2
Aplikasi konsumenChatGPT Work dan Codex (Plus, Pro, Enterprise, Edu)Aplikasi Claude (tersedia untuk semua pengguna)
API pihak pertamaOpenAI APIClaude Platform
Platform cloudTidak tercantum di dokumen Azure AI Foundry per 17 November 2026AWS Bedrock, Google Vertex AI, Azure AI Foundry
Agen codingCodex; tidak tercantum di dokumen Cursor atau GitHub Copilot saat penulisanGitHub Copilot; tidak tercantum di dokumen Cursor saat penulisan
Router pihak ketigaOpenRouterOpenRouter
ID model APIgpt-6.2-astraclaude-fable-5-2

Perbedaan terbesar adalah jangkauan cloud: Fable ada di ketiga cloud besar, sedangkan Astra diakses melalui API dan produk OpenAI sendiri. Di OpenRouter, keduanya hanya beda satu string:

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)

Untuk penyiapan lengkap, lihat tutorial API Fable 5.2 dan tutorial API GPT-6 Astra kami.

Pemikiran Akhir

Dari sisi kapabilitas, GPT-6.2 Astra dan Claude Fable 5.2 saling berbagi kemenangan: Astra untuk pekerjaan profesional dan analitis, Fable untuk coding dan penggunaan komputer.

Dari sisi biaya, Astra menang hampir di mana-mana, karena harga token yang identik menutupi nafsu token yang sangat berbeda.

Jika Anda ingin mempelajari lebih lanjut tentang membangun dengan model Anthropic, saya sarankan mengikuti kursus Introduction to Claude Models kami. Untuk OpenAI, coba Working with the OpenAI API.

Josef Waples

Penulis

Josef Waples

Saya penulis dan editor data science dengan kontribusi pada artikel riset di jurnal ilmiah. Saya sangat tertarik pada aljabar linear, statistika, R, dan sejenisnya. Saya juga cukup sering bermain catur! 

FAQs

Apakah GPT-6.2 Astra lebih baik daripada Claude Fable 5.2?

Tidak ada yang lebih baik di semua aspek. GPT-6.2 Astra memimpin tolok ukur profesional dan analitis seperti Harvey LAB-AA dan GDPval v2, sementara Claude Fable 5.2 memimpin coding agentik pada FrontierCode 2.0. Keduanya berbiaya sama per token, tetapi Astra menggunakan jauh lebih sedikit token per tugas, sehingga biasanya jauh lebih murah.

Berapa harga GPT-6.2 Astra dan Claude Fable 5.2?

Keduanya berharga $8 per satu juta token input dan $40 per satu juta token output, dengan mode cepat di $16 dan $80. Input cache Fable lebih murah di $0,20 per satu juta dibanding $0,40 milik Astra. Pada grafik OpenAI, Fable tetap berbiaya 2,1 hingga 20,8 kali lebih mahal per tugas karena menggunakan lebih banyak token.

Mana yang lebih baik untuk coding, GPT-6.2 Astra atau Claude Fable 5.2?

Claude Fable 5.2 lebih kuat untuk coding pada tolok ukur yang dilaporkan kedua vendor, meraih 49,1% pada FrontierCode 2.0 dibanding 44,2% untuk GPT-6.2 Astra. Astra jauh lebih murah per tugas coding, sehingga masuk akal untuk pekerjaan coding ber-volume tinggi atau sensitif biaya.

Di mana saya dapat mengakses GPT-6.2 Astra dan Claude Fable 5.2?

GPT-6.2 Astra tersedia di ChatGPT Work dan Codex untuk pengguna Plus, Pro, Enterprise, dan Edu, serta di OpenAI API. Claude Fable 5.2 tersedia di aplikasi Claude, Claude Platform, AWS Bedrock, Google Vertex AI, Azure AI Foundry, dan GitHub Copilot. Keduanya ada di OpenRouter.

Apa ID model API untuk GPT-6.2 Astra dan Claude Fable 5.2?

Di API pihak pertama, GPT-6.2 Astra adalah gpt-6.2-astra dan Claude Fable 5.2 adalah claude-fable-5-2. Di OpenRouter, keduanya adalah openai/gpt-6.2-astra dan anthropic/claude-fable-5.2, sehingga beralih di klien yang kompatibel dengan OpenAI cukup mengganti satu string. Kedua model juga menawarkan lima tingkat upaya penalaran, dari rendah hingga maksimum.

Topik

Terkait

blogs

40 Pertanyaan Wawancara DBMS Teratas di 2026

blogs

Spaghetti Plot dan Jalur Badai