GPT-6.2 Astra vs. Claude Fable 5.2: benchmark, costi e un test pratico
GPT-6.2 Astra e Claude Fable 5.2 costano uguale per token, ma non per task. Confrontiamo benchmark, prezzi e accesso e realizziamo un test pratico alla cieca.
Anthropic ha rilasciato Claude Fable 5.2 a inizio novembre come nuovo modello di punta. Il 17 novembre 2026, OpenAI ha risposto con GPT-6.2 Astra, il suo nuovo modello di frontiera, e i grafici di lancio affiancano Fable 5.2 ad Astra nella maggior parte dei benchmark.
I due modelli ora hanno esattamente lo stesso prezzo per token, quindi sulla carta è una gara pura di capacità. In pratica, però, il conto racconta un'altra storia, e anche il nostro test pratico.
Per restare al passo con il mondo dell'AI e dei dati, ti consiglio di iscriverti alla nostra newsletter settimanale, The Median.
TL;DR
Nessuno dei due vince su tutto: GPT-6.2 Astra guida il lavoro professionale e analitico, Claude Fable 5.2 guida il coding agentico.
Costo uguale per token, ma Astra usa molti meno token, quindi costa molto meno per task.
Nel nostro test video alla cieca, la qualità è quasi pari, ma Fable ha ripetuto un fatto obsoleto in ogni video.
Scegli Fable per agenti di coding, uso del computer e distribuzioni su Bedrock, Vertex AI o Azure.
Scegli Astra per documenti, lavoro legale e finanziario e per tutto ciò che è ad alto volume.
Che cos'è GPT-6.2 Astra?
GPT-6.2 Astra è il modello di frontiera di OpenAI, rilasciato a novembre 2026 come livello più alto della famiglia GPT-6.2, sopra GPT-6.2 Sol.
La sua proposta è output professionale a costo per task più basso: slide, workbook e documenti che seguono i tuoi template, oltre all'uso del computer in strumenti CAD e di simulazione.
Claude Fable 5.2 è il modello di punta di Anthropic, rilasciato a novembre 2026 insieme a Claude Mythos 5.2, una versione per organizzazioni qualificate in cybersecurity e biomedicina.
Anthropic lo posiziona per lavori tecnici di lungo respiro: coding agentico, uso del computer e attività di ricerca, con una modalità rapida opzionale che genera token fino a 2,5 volte più velocemente.
GPT-6.2 Astra vs Claude Fable 5.2: confronto testa a testa
Il quadro delle capacità è una decisione divisa e la maggior parte dei gap nei benchmark è di pochi punti. Il gap di costo no: stesso prezzo per token, ma Fable ha bisogno di molti più token per completare lo stesso task.
Caratteristica
GPT-6.2 Astra
Claude Fable 5.2
Sviluppatore
OpenAI
Anthropic
Prezzi dei token
Uguali a Fable
Uguali ad Astra, input in cache più economico
Costo per task
Molto più basso
Da 2,1x a 20,8x quello di Astra secondo i grafici di OpenAI
Lavoro professionale
In testa (Agents' Last Exam, GDPval v2, Harvey LAB-AA)
Indietro
Coding agentico
Indietro
In testa (FrontierCode 2.0)
Scienza, CAD e ragionamento
Guida i benchmark scientifici
Guida l'Intelligence Index
Uso del computer
Nessun punteggio comparabile pubblicato
Punteggi elevati sui benchmark di Anthropic
Nostro test pratico
Più accurato, molto più economico
Più coerente, un fatto obsoleto
Prezzi: cosa paghi davvero
I prezzi sono la differenza più grande tra questi modelli, anche se le tariffe per token sono quasi identiche. La differenza sta in quanti token ciascuno brucia per task.
Tariffe per token affiancate
Tariffa
GPT-6.2 Astra
Claude Fable 5.2
Input, per 1M token
$8.00
$8.00
Output, per 1M token
$40.00
$40.00
Lettura input in cache, per 1M token
$0.40
$0.20
Scrittura cache, per 1M token
$10.00
$10.00
Modalità rapida, input / output per 1M token
$16.00 / $80.00
$16.00 / $80.00
L'unica tariffa diversa è l'input in cache, dove Fable costa la metà di Astra, cosa che aiuta gli agenti che rileggono un contesto lungo e fisso. OpenAI inoltre raddoppia la tariffa di input di Astra per richieste oltre 272K token; l'annuncio di Anthropic non elenca alcun sovrapprezzo simile per Fable.
Quanto costa un carico di lavoro reale
Calcolato alle tariffe standard come (volume ÷ 1M) × tariffa, sommando input e output:
Workload
GPT-6.2 Astra
Claude Fable 5.2
Differenza
Assistente bilanciato: 1M in / 250K out al mese
$18.00
$18.00
$0 (0%)
Loop con cache pesante: prefisso da 100K scritto una volta, 1.000 letture in cache, più 5K input nuovo / 1K output per richiesta
$121.00
$101.00
Fable $20 più economico (17%)
A parità di token, Fable non è mai più costoso, e la riga con cache pesante è l'unico caso in cui è chiaramente più economico. Il punto è l'assunzione di pari token.
Perché lo stesso task costa importi diversi
I grafici di lancio di OpenAI includono il costo per task per entrambi i modelli e Fable costa di più in ognuno, da 2,1x sul Vals Science Index a 20,8x su Agents' Last Exam ($60,05 contro i $2,89 di Astra). Sono misurazioni di OpenAI su un concorrente, per lo più allo sforzo massimo di ciascun modello, quindi prendile come direzione e non come preventivo.
La causa è la lunghezza dell'output: a tariffe identiche, un modello che scrive diversi multipli di token in più, inclusi i token di ragionamento fatturati come output, costa diversi multipli in più. Anche il nostro test, sotto, ha indicato la stessa cosa.
Lavoro professionale e workflow agentici
Qui GPT-6.2 Astra è nettamente in testa: su Harvey LAB-AA, che accredita solo gli elaborati legali che soddisfano ogni requisito, segna 15,0% contro il 7,2% di Fable.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Note
Agents' Last Exam v1.1
78,3%
72,8%
Grafico OpenAI; Fable allo sforzo massimo
GDPval v2
50,4%
44,8%
Benchmark interno OpenAI
Harvey LAB-AA v1.1
15,0%
7,2%
Grafico OpenAI
AutomationBench 1.0.6
52,4%
51,4%
Entrambi i vendor riportano Fable al 51,4%
Remote Labor Index
Non pubblicato
41,3%
Tabella di Anthropic, confronto con GPT-6 Astra
Astra è la scelta migliore per documenti pronti per il cliente e analisi, anche se AutomationBench è un pareggio e il risultato di Anthropic sul Remote Labor Index non ha ancora un omologo GPT-6.2.
Coding agentico
Fable 5.2 è il coder più forte nell'unico benchmark riportato da entrambi i vendor: 49,1% su FrontierCode 2.0, che valuta se le modifiche al codice soddisfano gli standard dei maintainer per il merge, contro il 44,2% di Astra.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Note
FrontierCode 2.0
44,2%
49,1%
I due vendor concordano sul punteggio di Fable
FrontierSWE v2
Non pubblicato
69,9%
Tabella di Anthropic
SecureSWE
65,7%
Non pubblicato
Benchmark interno OpenAI
Il grafico FrontierCode di OpenAI mostra il trade-off: Fable raggiunge il punteggio più alto, ma a un costo per task molto più elevato.
Per agenti di coding in cui la qualità conta più del costo, Fable è la scelta.
Scienza, CAD e ragionamento generale
Questa dimensione è divisa: GPT-6.2 Astra guida i benchmark scientifici, mentre Fable 5.2 guida il composito di ragionamento generale e pareggia sul CAD.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Note
Terminal-Bench-Science 0.1
77,1%
73,3%
Fable via harness di Artificial Analysis; Anthropic riporta 74,6% in Claude Code
Vals Science Index v1
68,4%
63,7%
Grafico OpenAI
Artificial Analysis Intelligence Index v5.0.1
62,1
64,6
Punteggio d'indice
BenchCAD 2.1 Core
82,5%
83,5%
Praticamente pari
Humanity's Last Exam (con strumenti)
Non pubblicato
74,2%
Tabella di Anthropic
Per l'analisi scientifica, Astra ha il vantaggio; per il ragionamento generale, Fable lo ha, con meno di 3 punti di margine sul composito.
Uso del computer, 3D e robotica
Anthropic riporta risultati solidi per l'uso del computer e la robotica per Fable 5.2, incluso l'89,3% su OSWorld 2.1, ma OpenAI non pubblica punteggi comparabili per GPT-6.2 Astra, quindi non c'è un testa a testa. L'unico numero condiviso favorisce Astra: su AA-3D di Artificial Analysis, dove giudici umani votano tra due build 3D alla cieca, Astra è prima con 1.318 Elo contro 1.271 di Fable.
Se il tuo carico di lavoro è un agente che usa software desktop, oggi Fable ha le prove più forti a supporto.
Come si sono comportati GPT-6.2 Astra e Claude Fable 5.2
I benchmark di due vendor concorrenti arrivano fino a un certo punto, quindi ho dato a entrambi i modelli lo stesso task creativo di coding, con prompt e strumenti identici.
Il task: scrivere uno script per Manim, una nota libreria di animazione Python, che renderizzi un video di 60 secondi che spieghi la congettura di Collatz per studenti delle superiori. La regola sembra semplice (dimezza i numeri pari, triplica i dispari e aggiungi 1), e nessuno ha dimostrato che ogni numero iniziale arrivi a 1.
La parte difficile è che i modelli non vedono mai il proprio video. Non possono eseguire lo script, quindi deve renderizzarsi al primo colpo, apparire bene ed essere corretto, senza nemmeno un'anteprima. Gli explainers invitano anche a “extra” che suonano bene, e ogni affermazione a schermo deve essere vera.
Entrambi i modelli sono stati eseguiti in OpenCode con una superficie di strumenti bloccata (lettura, ricerca e modifica file soltanto), allo stesso alto sforzo di ragionamento, in una sessione nuova ogni volta. Poiché un brief creativo è soggetto alla fortuna, ho eseguito ciascun modello 3 volte e renderizzato tutti e 6 i video.
Ho poi valutato i video alla cieca, mescolati e etichettati da A a F, su 4 domande: tutto ciò che è a schermo è vero, uno studente imparerebbe l'idea, è interessante da guardare, e sembra finito. Ecco un momento dal miglior video di GPT-6.2 Astra:
I risultati principali:
Tutti e 6 gli script hanno renderizzato al primo tentativo. Ogni video è rientrato entro 3 secondi rispetto all'obiettivo di 60 secondi, senza errori e senza correzioni.
Sulla qualità, è quasi un pareggio. Su tutte e 4 le domande, i due modelli hanno fatto registrare medie entro un decimo di punto l'uno dall'altro. Fable è stato il filmmaker più coerente: tutti e 3 i suoi video seguono lo stesso arco curato, chiudendo sui due modi in cui la congettura potrebbe fallire e un payoff "Nessuno lo sa".
Astra ha fatto il video migliore e il più debole. Il migliore spiega 7 invece di 6 o 27, poi mostra che i percorsi da numeri diversi si uniscono e restano insieme, un'idea davvero più profonda di qualsiasi altro video. Il più debole era piatto, con equazioni che si scompongono brevemente a ogni transizione.
L'accuratezza li ha separati. Tutti e 3 i video di Fable affermano che i computer hanno testato ogni numero fino a 2^68. Era il record nel 2020; dal 2025 è 2^71. I video di Astra non hanno fatto affermazioni che non potessero sostenere.
Ecco l'affermazione nei video di Fable. È vera fino a un certo punto, ma presenta una pietra miliare di 5 anni fa come lo stato dell'arte attuale, in tutte e 3 le esecuzioni:
E qui c'è l'animazione della lunga salita di 27 in Fable, che mostra perché i suoi video hanno ottenuto punteggi così alti sulla realizzazione:
Il divario di costo era ampio. Gli script di Fable sono costati da $3,84 a $4,35 ciascuno e quelli di Astra da $0,40 a $0,84, perché Fable ha scritto da 4 a 10 volte più token di output, ed è stato molto più lento.
Misura
GPT-6.2 Astra
Claude Fable 5.2
Costo di ogni esecuzione (USD)
$0,84, $0,61, $0,40
$4,35, $3,84, $4,19
Token di output (incl. ragionamento)
17.551, 10.828, 8.124
84.822, 74.457, 81.316
Accuratezza, per esecuzione
5, 5, 5
4, 4, 4
Punteggio rubrica (media di quattro assi), per esecuzione
4,8, 4,8, 3,8
4,2, 4,8, 4,5
Quindi chi ha vinto? Nessuno sulla qualità, e Astra su tutto il resto: lo stesso standard di video, senza nulla di falso a schermo, a circa un sesto del costo. La coerenza di Fable è reale, ma lo è anche la sua abitudine di ripetere con sicurezza un fatto invecchiato.
Quando scegliere GPT-6.2 Astra vs Claude Fable 5.2
Dato che i prezzi per token coincidono, la decisione si riduce a due domande: il task favorisce i punti di forza di Fable nel coding e nell'uso del computer? E puoi permetterti diversi multipli di token in più per task?
Scegli GPT-6.2 Astra se...
Produci documenti pronti per il cliente, bozze legali o analisi finanziarie, dove Astra guida i benchmark sul lavoro professionale.
Esegui volumi elevati di task, dove il minore uso di token di Astra riduce la bolletta anche a tariffe identiche.
Ti serve analisi scientifica in terminale o notebook, dove Astra guida entrambi i benchmark scientifici.
L'accuratezza nel lavoro creativo o esplicativo a risposta aperta è importante per te, come nel nostro test.
Scegli Claude Fable 5.2 se...
Esegui agenti di coding su repository reali, dove Fable guida FrontierCode 2.0 di circa 5 punti.
I tuoi agenti usano software desktop: Anthropic riporta 89,3% su OSWorld 2.1 per Fable, e OpenAI non ha pubblicato un punteggio comparabile per Astra.
Distribuisci tramite AWS Bedrock, Google Vertex AI o Azure AI Foundry, che includono Fable. La documentazione di Azure non elenca Astra e non siamo riusciti a confermarlo sugli altri due.
I tuoi agenti riutilizzano un contesto lungo e fisso, dove l'input in cache di Fable costa la metà.
Come iniziare con GPT-6.2 Astra e Claude Fable 5.2
Superficie
GPT-6.2 Astra
Claude Fable 5.2
App consumer
ChatGPT Work e Codex (Plus, Pro, Enterprise, Edu)
App Claude (disponibili per tutti gli utenti)
API proprietaria
OpenAI API
Claude Platform
Piattaforme cloud
Non elencato nella documentazione di Azure AI Foundry al 17 novembre 2026
AWS Bedrock, Google Vertex AI, Azure AI Foundry
Agenti di coding
Codex; non elencato nella documentazione di Cursor o GitHub Copilot al momento della stesura
GitHub Copilot; non elencato nella documentazione di Cursor al momento della stesura
Router di terze parti
OpenRouter
OpenRouter
ID modello API
gpt-6.2-astra
claude-fable-5-2
La differenza maggiore è la copertura cloud: Fable è su tutti e tre i principali cloud, mentre Astra si raggiunge tramite l'API e i prodotti di OpenAI. Su OpenRouter, il passaggio tra i due è uno scambio di stringa:
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)Offerto da
Sul fronte delle capacità, GPT-6.2 Astra e Claude Fable 5.2 si dividono le vittorie: Astra per il lavoro professionale e analitico, Fable per il coding e l'uso del computer.
Sul costo, Astra vince quasi ovunque, perché prezzi identici per token nascondono appetiti di token molto diversi.
Sono uno scrittore e editor di data science, con contributi a articoli di ricerca su riviste scientifiche. Sono particolarmente interessato ad algebra lineare, statistica, R e affini. Inoltre, gioco anche parecchio a scacchi!
FAQ
GPT-6.2 Astra è migliore di Claude Fable 5.2?⌄
Nessuno è migliore su tutta la linea. GPT-6.2 Astra guida i benchmark professionali e analitici come Harvey LAB-AA e GDPval v2, mentre Claude Fable 5.2 guida il coding agentico su FrontierCode 2.0. Entrambi costano uguale per token, ma Astra usa molti meno token per task, quindi di solito è molto più economico.
Quanto costano GPT-6.2 Astra e Claude Fable 5.2?⌄
Entrambi costano $8 per milione di token in input e $40 per milione di token in output, con modalità rapide a $16 e $80. L'input in cache di Fable è più economico a $0,20 per milione contro $0,40 di Astra. Nei grafici di OpenAI, Fable costa comunque da 2,1 a 20,8 volte di più per task perché usa più token.
Quale è migliore per il coding, GPT-6.2 Astra o Claude Fable 5.2?⌄
Claude Fable 5.2 è più forte nel coding sul benchmark riportato da entrambi i vendor, con 49,1% su FrontierCode 2.0 contro 44,2% per GPT-6.2 Astra. Astra costa molto meno per task di coding, quindi è una scelta sensata per lavoro ad alto volume o sensibile ai costi.
Dove posso accedere a GPT-6.2 Astra e Claude Fable 5.2?⌄
GPT-6.2 Astra è in ChatGPT Work e Codex per utenti Plus, Pro, Enterprise ed Edu, e nell'API di OpenAI. Claude Fable 5.2 è nelle app Claude, nella Claude Platform, in AWS Bedrock, Google Vertex AI, Azure AI Foundry e GitHub Copilot. Entrambi sono su OpenRouter.
Quali sono gli ID modello API per GPT-6.2 Astra e Claude Fable 5.2?⌄
Nelle API proprietarie, GPT-6.2 Astra è gpt-6.2-astra e Claude Fable 5.2 è claude-fable-5-2. Su OpenRouter sono openai/gpt-6.2-astra e anthropic/claude-fable-5.2, quindi passare dall'uno all'altro in un client compatibile con OpenAI è un cambio di una sola stringa. Entrambi i modelli offrono anche cinque livelli di sforzo di ragionamento, da basso a massimo.
Scopri i 15 migliori server MCP remoti che stanno trasformando lo sviluppo AI nel 2026. Scopri come migliorano automazione, ragionamento, sicurezza e velocità dei workflow.
Anthropic ha rilasciato Claude Fable 5.2 a inizio novembre come nuovo modello di punta. Il 17 novembre 2026, OpenAI ha risposto con GPT-6.2 Astra, il suo nuovo modello di frontiera, e i grafici di lancio affiancano Fable 5.2 ad Astra nella maggior parte dei benchmark.
I due modelli ora hanno esattamente lo stesso prezzo per token, quindi sulla carta è una gara pura di capacità. In pratica, però, il conto racconta un'altra storia, e anche il nostro test pratico.
Per restare al passo con il mondo dell'AI e dei dati, ti consiglio di iscriverti alla nostra newsletter settimanale, The Median.
TL;DR
Che cos'è GPT-6.2 Astra?
GPT-6.2 Astra è il modello di frontiera di OpenAI, rilasciato a novembre 2026 come livello più alto della famiglia GPT-6.2, sopra GPT-6.2 Sol.
La sua proposta è output professionale a costo per task più basso: slide, workbook e documenti che seguono i tuoi template, oltre all'uso del computer in strumenti CAD e di simulazione.
Il post di lancio di OpenAI copre il rilascio e il nostro tutorial sull'API di GPT-6 Astra mostra come costruire con la generazione precedente.
Che cos'è Claude Fable 5.2?
Claude Fable 5.2 è il modello di punta di Anthropic, rilasciato a novembre 2026 insieme a Claude Mythos 5.2, una versione per organizzazioni qualificate in cybersecurity e biomedicina.
Anthropic lo posiziona per lavori tecnici di lungo respiro: coding agentico, uso del computer e attività di ricerca, con una modalità rapida opzionale che genera token fino a 2,5 volte più velocemente.
La nostra guida a Fable 5.2 copre il lancio; il nostro tutorial sull'API di Fable 5.2 illustra come costruire un agente di verifica d'ipotesi.
GPT-6.2 Astra vs Claude Fable 5.2: confronto testa a testa
Il quadro delle capacità è una decisione divisa e la maggior parte dei gap nei benchmark è di pochi punti. Il gap di costo no: stesso prezzo per token, ma Fable ha bisogno di molti più token per completare lo stesso task.
Prezzi: cosa paghi davvero
I prezzi sono la differenza più grande tra questi modelli, anche se le tariffe per token sono quasi identiche. La differenza sta in quanti token ciascuno brucia per task.
Tariffe per token affiancate
L'unica tariffa diversa è l'input in cache, dove Fable costa la metà di Astra, cosa che aiuta gli agenti che rileggono un contesto lungo e fisso. OpenAI inoltre raddoppia la tariffa di input di Astra per richieste oltre 272K token; l'annuncio di Anthropic non elenca alcun sovrapprezzo simile per Fable.
Quanto costa un carico di lavoro reale
Calcolato alle tariffe standard come (volume ÷ 1M) × tariffa, sommando input e output:
A parità di token, Fable non è mai più costoso, e la riga con cache pesante è l'unico caso in cui è chiaramente più economico. Il punto è l'assunzione di pari token.
Perché lo stesso task costa importi diversi
I grafici di lancio di OpenAI includono il costo per task per entrambi i modelli e Fable costa di più in ognuno, da 2,1x sul Vals Science Index a 20,8x su Agents' Last Exam ($60,05 contro i $2,89 di Astra). Sono misurazioni di OpenAI su un concorrente, per lo più allo sforzo massimo di ciascun modello, quindi prendile come direzione e non come preventivo.
La causa è la lunghezza dell'output: a tariffe identiche, un modello che scrive diversi multipli di token in più, inclusi i token di ragionamento fatturati come output, costa diversi multipli in più. Anche il nostro test, sotto, ha indicato la stessa cosa.
Lavoro professionale e workflow agentici
Qui GPT-6.2 Astra è nettamente in testa: su Harvey LAB-AA, che accredita solo gli elaborati legali che soddisfano ogni requisito, segna 15,0% contro il 7,2% di Fable.
Astra è la scelta migliore per documenti pronti per il cliente e analisi, anche se AutomationBench è un pareggio e il risultato di Anthropic sul Remote Labor Index non ha ancora un omologo GPT-6.2.
Coding agentico
Fable 5.2 è il coder più forte nell'unico benchmark riportato da entrambi i vendor: 49,1% su FrontierCode 2.0, che valuta se le modifiche al codice soddisfano gli standard dei maintainer per il merge, contro il 44,2% di Astra.
Il grafico FrontierCode di OpenAI mostra il trade-off: Fable raggiunge il punteggio più alto, ma a un costo per task molto più elevato.
Per agenti di coding in cui la qualità conta più del costo, Fable è la scelta.
Scienza, CAD e ragionamento generale
Questa dimensione è divisa: GPT-6.2 Astra guida i benchmark scientifici, mentre Fable 5.2 guida il composito di ragionamento generale e pareggia sul CAD.
Per l'analisi scientifica, Astra ha il vantaggio; per il ragionamento generale, Fable lo ha, con meno di 3 punti di margine sul composito.
Uso del computer, 3D e robotica
Anthropic riporta risultati solidi per l'uso del computer e la robotica per Fable 5.2, incluso l'89,3% su OSWorld 2.1, ma OpenAI non pubblica punteggi comparabili per GPT-6.2 Astra, quindi non c'è un testa a testa. L'unico numero condiviso favorisce Astra: su AA-3D di Artificial Analysis, dove giudici umani votano tra due build 3D alla cieca, Astra è prima con 1.318 Elo contro 1.271 di Fable.
Se il tuo carico di lavoro è un agente che usa software desktop, oggi Fable ha le prove più forti a supporto.
Come si sono comportati GPT-6.2 Astra e Claude Fable 5.2
I benchmark di due vendor concorrenti arrivano fino a un certo punto, quindi ho dato a entrambi i modelli lo stesso task creativo di coding, con prompt e strumenti identici.
Il task: scrivere uno script per Manim, una nota libreria di animazione Python, che renderizzi un video di 60 secondi che spieghi la congettura di Collatz per studenti delle superiori. La regola sembra semplice (dimezza i numeri pari, triplica i dispari e aggiungi 1), e nessuno ha dimostrato che ogni numero iniziale arrivi a 1.
La parte difficile è che i modelli non vedono mai il proprio video. Non possono eseguire lo script, quindi deve renderizzarsi al primo colpo, apparire bene ed essere corretto, senza nemmeno un'anteprima. Gli explainers invitano anche a “extra” che suonano bene, e ogni affermazione a schermo deve essere vera.
Entrambi i modelli sono stati eseguiti in OpenCode con una superficie di strumenti bloccata (lettura, ricerca e modifica file soltanto), allo stesso alto sforzo di ragionamento, in una sessione nuova ogni volta. Poiché un brief creativo è soggetto alla fortuna, ho eseguito ciascun modello 3 volte e renderizzato tutti e 6 i video.
Ho poi valutato i video alla cieca, mescolati e etichettati da A a F, su 4 domande: tutto ciò che è a schermo è vero, uno studente imparerebbe l'idea, è interessante da guardare, e sembra finito. Ecco un momento dal miglior video di GPT-6.2 Astra:
I risultati principali:
Ecco l'affermazione nei video di Fable. È vera fino a un certo punto, ma presenta una pietra miliare di 5 anni fa come lo stato dell'arte attuale, in tutte e 3 le esecuzioni:
E qui c'è l'animazione della lunga salita di 27 in Fable, che mostra perché i suoi video hanno ottenuto punteggi così alti sulla realizzazione:
Il divario di costo era ampio. Gli script di Fable sono costati da $3,84 a $4,35 ciascuno e quelli di Astra da $0,40 a $0,84, perché Fable ha scritto da 4 a 10 volte più token di output, ed è stato molto più lento.
Quindi chi ha vinto? Nessuno sulla qualità, e Astra su tutto il resto: lo stesso standard di video, senza nulla di falso a schermo, a circa un sesto del costo. La coerenza di Fable è reale, ma lo è anche la sua abitudine di ripetere con sicurezza un fatto invecchiato.
Quando scegliere GPT-6.2 Astra vs Claude Fable 5.2
Dato che i prezzi per token coincidono, la decisione si riduce a due domande: il task favorisce i punti di forza di Fable nel coding e nell'uso del computer? E puoi permetterti diversi multipli di token in più per task?
Scegli GPT-6.2 Astra se...
Scegli Claude Fable 5.2 se...
Come iniziare con GPT-6.2 Astra e Claude Fable 5.2
gpt-6.2-astraclaude-fable-5-2La differenza maggiore è la copertura cloud: Fable è su tutti e tre i principali cloud, mentre Astra si raggiunge tramite l'API e i prodotti di OpenAI. Su OpenRouter, il passaggio tra i due è uno scambio di stringa:
Per setup completi, vedi il nostro tutorial sull'API di Fable 5.2 e il nostro tutorial sull'API di GPT-6 Astra.
Considerazioni finali
Sul fronte delle capacità, GPT-6.2 Astra e Claude Fable 5.2 si dividono le vittorie: Astra per il lavoro professionale e analitico, Fable per il coding e l'uso del computer.
Sul costo, Astra vince quasi ovunque, perché prezzi identici per token nascondono appetiti di token molto diversi.
Se vuoi approfondire come costruire con i modelli di Anthropic, ti consiglio il nostro corso Introduzione ai modelli Claude. Per qualcosa su OpenAI, prova Lavorare con l'API di OpenAI.