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.
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.
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.
GPT-6.2 Astra vs Claude Fable 5.2: Perbandingan Langsung
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.
Fitur
GPT-6.2 Astra
Claude Fable 5.2
Pengembang
OpenAI
Anthropic
Harga token
Sama seperti Fable
Sama seperti Astra, input cache lebih murah
Biaya per tugas
Jauh lebih rendah
2,1x hingga 20,8x Astra pada grafik OpenAI
Pekerjaan profesional
Unggul (Agents' Last Exam, GDPval v2, Harvey LAB-AA)
Tertinggal
Coding agentik
Tertinggal
Unggul (FrontierCode 2.0)
Sains, CAD, dan penalaran
Unggul di tolok ukur sains
Unggul di Intelligence Index
Penggunaan komputer
Tidak ada skor sebanding yang dipublikasikan
Skor kuat pada tolok ukur internal Anthropic
Uji coba langsung kami
Paling akurat, jauh lebih murah
Paling 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
Tarif
GPT-6.2 Astra
Claude 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 kerja
GPT-6.2 Astra
Claude Fable 5.2
Perbedaan
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
$101.00
Fable 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
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 ukur
GPT-6.2 Astra
Claude Fable 5.2
Catatan
Agents' Last Exam v1.1
78,3%
72,8%
Grafik OpenAI; Fable pada upaya maksimum
GDPval v2
50,4%
44,8%
Tolok ukur internal OpenAI
Harvey LAB-AA v1.1
15,0%
7,2%
Grafik OpenAI
AutomationBench 1.0.6
52,4%
51,4%
Kedua vendor melaporkan Fable di 51,4%
Remote Labor Index
Tidak dipublikasikan
41,3%
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 ukur
GPT-6.2 Astra
Claude Fable 5.2
Catatan
FrontierCode 2.0
44,2%
49,1%
Kedua vendor sepakat atas skor Fable
FrontierSWE v2
Tidak dipublikasikan
69,9%
Tabel Anthropic
SecureSWE
65,7%
Tidak dipublikasikan
Tolok 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.
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 ukur
GPT-6.2 Astra
Claude Fable 5.2
Catatan
Terminal-Bench-Science 0,1
77,1%
73,3%
Fable via harness Artificial Analysis; Anthropic melaporkan 74,6% di Claude Code
Vals Science Index v1
68,4%
63,7%
Grafik OpenAI
Artificial Analysis Intelligence Index v5.0.1
62,1
64,6
Skor indeks
BenchCAD 2.1 Core
82,5%
83,5%
Secara efektif seri
Humanity's Last Exam (dengan tool)
Tidak dipublikasikan
74,2%
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:
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:
Dan ini animasi Fable tentang pendakian panjang 27, yang menunjukkan mengapa videonya mendapat skor tinggi pada aspek penggarapan:
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.
Ukur
GPT-6.2 Astra
Claude 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, 8.124
84.822, 74.457, 81.316
Akurasi, per run
5, 5, 5
4, 4, 4
Skor rubrik (rata-rata empat sumbu), per run
4,8, 4,8, 3,8
4,2, 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
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
Permukaan
GPT-6.2 Astra
Claude Fable 5.2
Aplikasi konsumen
ChatGPT Work dan Codex (Plus, Pro, Enterprise, Edu)
Aplikasi Claude (tersedia untuk semua pengguna)
API pihak pertama
OpenAI API
Claude Platform
Platform cloud
Tidak tercantum di dokumen Azure AI Foundry per 17 November 2026
AWS Bedrock, Google Vertex AI, Azure AI Foundry
Agen coding
Codex; tidak tercantum di dokumen Cursor atau GitHub Copilot saat penulisan
GitHub Copilot; tidak tercantum di dokumen Cursor saat penulisan
Router pihak ketiga
OpenRouter
OpenRouter
ID model API
gpt-6.2-astra
claude-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)Didukung oleh
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.
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.
Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.
Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.
Gunakan kecerdasan buatan generatif untuk menangani pembersihan data, memperbaiki duplikat, nilai kosong, dan format agar dataset menjadi konsisten dan akurat.
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
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
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.
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
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:
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
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.
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.
Grafik FrontierCode milik OpenAI sendiri menunjukkan trade-off-nya: Fable mencapai skor lebih tinggi, tetapi dengan biaya per tugas jauh lebih besar.
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.
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:
Temuan utamanya:
Berikut klaim dalam video Fable. Benar sejauh yang disampaikan, tetapi menyajikan tonggak 5 tahun lalu sebagai kondisi terkini, di ketiga percobaan:
Dan ini animasi Fable tentang pendakian panjang 27, yang menunjukkan mengapa videonya mendapat skor tinggi pada aspek penggarapan:
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.
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
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...
Pilih Claude Fable 5.2 jika...
Cara Memulai dengan GPT-6.2 Astra dan Claude Fable 5.2
gpt-6.2-astraclaude-fable-5-2Perbedaan 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:
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.