Claude Fable 5.2 vs GPT-6 Astra: Benchmarks, prijzen en een hands-on test

Anthropic bracht Claude Fable 5.2 uit op 9 november 2026, twee maanden nadat OpenAI GPT-6 Astra lanceerde als “het intelligentste en best uitgelijnde model ter wereld.” Fable 5.2 komt met een prijsverlaging ten opzichte van Fable 5.1, en in Anthropic’s lanceertabel staat het op elke rij waar beide modellen voorkomen boven Astra. OpenAI heeft geen vergelijking tegen Fable 5.2 gepubliceerd die wij konden vinden, dus de voor de hand liggende vraag voor iedereen die een frontier-model kiest is of die cijfers standhouden.

In dit artikel vergelijk ik Claude Fable 5.2 en GPT-6 Astra op langetermijn kenniswerk, coderen, computergebruik, safeguards en prijzen, en voer ik daarna een hands-on buildtaak op beide uit.

Wil je op de hoogte blijven van AI en data? Abonneer je dan op onze wekelijkse nieuwsbrief, The Median.

TL;DR

• Fable 5.2 verslaat GPT-6 Astra op elk benchmark dat Anthropic voor beide modellen rapporteert, met de grootste marges op langetermijn kenniswerk en robotica.
• Fable 5.2 is goedkoper per token, en veel goedkoper voor gecachete prompts en voor verzoeken boven Astra’s long-contextdrempel.
• In mijn hands-on shadertest bouwde Fable 5.2 duidelijk de betere scène, maar de run kostte meer omdat het veel meer tokens verstookte.
• Kies Fable 5.2 voor lange agentruns, zwaar codeer- en onderzoekswerk, computergebruik en visuele builds.
• Kies GPT-6 Astra als je team in ChatGPT, Codex of Azure leeft, of de wiskunde- en long-contextresultaten nodig heeft die alleen OpenAI heeft gepubliceerd.
• Elke head-to-headscore komt van Anthropic, dus behandel de benchmarkkloof als Anthropic’s case tot er onafhankelijke runs verschijnen.

Wat is Claude Fable 5.2?

Claude Fable 5.2 is Anthropic’s model voor het meest veeleisende technische werk, in november 2026 uitgebracht voor alle gebruikers en gebouwd op hetzelfde onderliggende model als Claude Mythos 5.2, dat Fable’s cybersecurity- en biologiesafeguards laat vallen voor gescreende organisaties.

Anthropic positioneert het voor het meest ambitieuze langetermijn technische werk, en raadt Claude Opus 5.5 nog steeds aan als standaard voor dagelijks coderen en kennistaken.

Onze Claude Fable 5.2- en Mythos 5.2-gids behandelt de lancering volledig.

Wat is GPT-6 Astra?

GPT-6 Astra is OpenAI’s frontier-vlaggenschip, gelanceerd in september 2026 als opvolger van GPT-5.6 Sol.

OpenAI bouwde de pitch rond computergebruik en professioneel werk, en rond verzadigde benchmarks zoals ARC-AGI-3 en FrontierMath Tier 4 die bedoeld waren om AI-modellen voor te blijven.

Onze GPT-6 Astra-gids behandelt de lancering; onze GPT-6 Astra API-tutorial laat zien hoe je een release-checkagent bouwt.

Claude Fable 5.2 vs GPT-6 Astra: Head-to-head vergelijking

Fable 5.2 leidt op elke benchmark die beide modellen scoort, van coderen tot computergebruik, en alleen grafieklezen komt in de buurt van gelijkspel. De adder onder het gras is de bron: al deze cijfers komen uit Anthropic’s lanceertabel, omdat OpenAI’s eigen tabel ouder is dan Fable 5.2.

Langetermijn kenniswerk en onderzoek

Fable 5.2’s grootste voorsprong ligt bij open-ended werk met meerdere stappen. Op de Remote Labor Index, die echte freelance-achtige projecten beoordeelt, voltooit Fable 5.2 41,3% tegenover Astra’s 20,8%, ruwweg het dubbele.

Het patroon houdt stand: hoe meer een taak op een lang project lijkt in plaats van één enkel antwoord, hoe groter Fable 5.2’s voorsprong. Humanity’s Last Exam is geen verrassing: OpenAI’s eigen lanceertabel liet al zien dat Astra achterliep op Claude Fable 5.1.

Anthropic’s eigen showcase wijst dezelfde kant op. Fable 5.2 formaliseerde het bewijs van de Laatste Stelling van Fermat in Lean in 30 uur met zo’n 1.000 agents, een project waarvoor een eerder intern onderzoeksmodel 11 dagen nodig had.

Twee kanttekeningen voordat je dit als afgedaan beschouwt:

• Elk Astra-cijfer in deze tabel is door Anthropic gedraaid, niet door OpenAI.
• Anthropic’s Terminal-Bench-Science-score voor Astra ligt hoger dan OpenAI’s eigen cijfer, wat suggereert dat de twee labs het verschillend hebben uitgevoerd.

Fable 5.2 is het sterkere model voor lange, onduidelijke onderzoeks- en analysetrajecten, en de marges zijn groot genoeg dat een verschil in testharnas die niet waarschijnlijk dichtloopt.

Coderen en agentische workflows

Fable 5.2 leidt op beide codeerbenchmarks die Anthropic rapporteert, zij het met kleinere marges dan bij kenniswerk. Op FrontierCode 2.0, dat vraagt of open-sourcemaintainers de wijzigingen van een model zouden mergen, haalt Fable 5.2 49,1% op xhigh effort tegenover Astra’s 42,8%.

Anthropic voegt toe dat Fable 5.2 op high effort Astra’s beste FrontierCode-score verslaat tegen ongeveer dezelfde kosten per taak. OpenAI’s eigen codetabel gebruikt oudere benchmarkversies en vergelijkt Astra met Fable 5.1, dus er is nog geen OpenAI-check. Op basis van het beschikbare bewijs is Fable 5.2 het betere codeermodel.

Computergebruik, visie en robotica

Fable 5.2 leidt op computergebruik en robotica, terwijl grafieklezen dicht bij een gelijkspel zit. Robotica is de uitschieter: op RoboDojo Sim, een gesimuleerde twee-armige robot, scoort Fable 5.2 64,9% tegenover Astra’s 29,8%.

OpenAI noemde Astra “het beste model voor computergebruik ter wereld”, maar deed die claim tegen Claude Fable 5.1 en Claude Opus 5 op OSWorld 2.0. Op Anthropic’s nieuwere versie neemt Fable 5.2 de leiding.

Wiskunde, abstract redeneren en long context: Astra’s onbeantwoorde claims

Astra’s sterkste lanceringsresultaten staan op benchmarks die Anthropic niet voor Fable 5.2 rapporteerde, dus er is hier geen head-to-head, alleen claims aan één kant. De duidelijkste is long-context retrieval: Astra scoort 96,3% op OpenAI’s MRCR v2 8-needle test in de band van 512K tot 1M tokens.

OpenAI rapporteert ook bijna verzadigde scores op FrontierMath Tier 4 en ARC-AGI-3, al merkt onze GPT-6 Astra-gids op dat de ARC-AGI-3-figuur afhangt van een stateful harnas dat gewone API-calls niet krijgen. Als je werk draait op retrieval over een prompt van een miljoen tokens, is Astra de enige van de twee met gepubliceerd bewijs.

Safeguards en gegevensretentie

Beide modellen blokkeren standaard offensief cybersecuritywerk, en ze verschillen meer in gegevensretentie dan in weigeringen. Fable 5.2’s classifiers blokkeren penetratietesten, exploitgeneratie en de meeste biologie op onderzoeksniveau, al zegt Anthropic dat het minder onnodige blokkades geeft dan Fable 5.1; gescreende organisaties kunnen in plaats daarvan Claude Mythos 5.2 aanvragen.

OpenAI classificeert Astra op de Critical-cybersecuritydrempel van zijn Preparedness Framework en zet exploitcreatie achter het Daybreak-programma. Astra ondersteunt Zero Data Retention voor in aanmerking komende API-klanten, terwijl Fable 5.2 30 dagen retentie vereist voor veiligheidsmonitoring, tenzij een enterprise Anthropic’s Enterprise Frontier Safeguards gebruikt. Voor gereguleerde teams die al op nulretentie vertrouwen, past Astra makkelijker.

Prijzen: wat je echt betaalt

Fable 5.2 is goedkoper dan GPT-6 Astra op elk tarief dat beide aanbieders publiceren, en de kloof is niet uniform. Astra kost 1,25x zoveel voor input, output en cachewrites, maar 5x zoveel voor gecachete reads, en alleen Astra voegt een toeslag toe voor long context.

Bij een gewone gebalanceerde workload is het verschil bescheiden. Het wordt doorslaggevend zodra prompts worden gecachet of voorbij 272K tokens gaan.

Tokenprijzen naast elkaar

Beide aanbieders vermelden standaardtarieven per miljoen tokens, plus cache-, batch- en fast-modetarieven.

Het tarief voor gecachete reads is de regel die de meeste teams zullen voelen, omdat agentloops bij elke stap dezelfde lange prefix opnieuw versturen.

Wat een echte workload kost

Elke rij hieronder is een maandelijks volume, geprijsd als (volume ÷ 1M) × tarief, opgeteld over input en output.

• Gebalanceerd en retrieval onder drempel: de premie is de vaste 25% die de headline-tarieven impliceren.
• Retrieval boven drempel: hetzelfde volume kost meer dan twee keer zoveel op Astra, omdat de toeslag input verdubbelt en output met de helft verhoogt voor elk verzoek boven 272K tokens. Fable 5.2 vermeldt geen toeslag binnen zijn 1M-venster.
• Cache-zware loop: Astra’s gecachete reads kosten 5x Fable’s tarief, dus een lange hergebruikte prefix verdubbelt bijna de rekening. De rij gebruikt Fable’s 5-minutencachewriterate.

Geen van beide aanbieders heeft tokenaantallen voor een gedeelde workload gepubliceerd, dus beschouw deze totalen als een tariefvergelijking in plaats van een rekening. Mijn hands-on run hieronder herinnert eraan waarom: daar was het goedkopere model per token de duurdere run.

Hoe Claude Fable 5.2 en GPT-6 Astra presteerden

Benchmarks uit de launchpost van één leverancier gaan maar zo ver, dus ik draaide één buildtaak tegen beide modellen met een identieke prompt en identieke tooling.

De taak: een enkele HTML-pagina met een full-window geanimeerde GLSL-fragmentshader van een vuurtoren op een rotsige kust tijdens een nachtstorm, met rollende golven die op de rotsen breken, schuine regen en lage wolken die van onderen worden verlicht. De vuurtorenbundel moest de muis volgen en de golven, regen en wolken oplichten waar hij overheen veegt. p5.js mocht alleen het canvas hosten, de loop draaien en de muispositie en tijd in de shader voeren.

De volledige prompt:

Using p5.js (loaded from a CDN — that is the only external dependency allowed), build a single-file HTML page with a full-window animated shader. The scene: a **lighthouse on a rocky coast during a night storm, with rolling waves breaking on the rocks, slanted rain streaks, and low clouds lit from beneath**. The lighthouse beam should react to the mouse — the beam follows the cursor, and the waves, rain, and clouds it sweeps across light up where it falls. Write the visual effect as a **GLSL fragment shader**; use p5 only to host the canvas, run the animation loop, and pass the mouse position and time into the shader as uniforms.

Ship it as one working file named `index.html` that starts animating on load. Do not install packages. Do not open, screenshot, or headless-render the page (no Playwright, Puppeteer, or Chrome). Do not ask me clarifying questions — make reasonable assumptions and note them briefly in a comment at the top of the file.Mogelijk gemaakt door

Waarom dit lastig is:

• Vier scène-elementen — zee, rotsen, regen en wolken — allemaal per pixel berekend binnen één shader, zonder textures of geometrie om op te leunen.
• Eén bewegende lichtbron die correct moet vallen op al die elementen, waar de cursor ook wijst.
• Het doen als echte shadermath, in plaats van de scène te faken met p5’s 2D-tekenaanroepen.

Anthropic’s launchpost citeert Sam Zhang van Unity die zegt dat Fable 5.2’s duidelijkste winst ligt in “het vanaf nul bouwen van 3D-scènes van hogere kwaliteit”, dus dit test die claim direct. Het is ook een soort rematch: in onze GPT-6 Astra vs Claude Fable 5.1-vergelijking won Astra een natuurkundesimulatie van de vorige Fable.

Beide modellen draaiden in OpenCode met een vast tooloppervlak (alleen lezen en bewerken van bestanden), op high reasoning effort, één poging elk, in een verse sessie, met de prompt byte-for-byte afgeleverd.

Hier zijn mijn schermopnames van beide pagina’s, terwijl ik de muis over de scène beweeg. Fable eerst: