Ga naar hoofdinhoud

GPT-6.2 Astra vs. Claude Fable 5.2: Benchmarks, kosten en een hands-on test

GPT-6.2 Astra en Claude Fable 5.2 kosten hetzelfde per token, maar niet per taak. We vergelijken benchmarks, prijzen en toegang, en doen een blinde hands-on test.
Josef Waples
Josef Waples

Maak je gratis account aan

Oefen en volg je voortgang.

Ga verder met GoogleDoor verder te gaan, accepteer je ons Gebruiksvoorwaarden, onze Privacybeleid en dat je gegevens in de VS worden opgeslagen.

Anthropic bracht begin november Claude Fable 5.2 uit als nieuwe vlaggenschip. Op 17 november 2026 reageerde OpenAI met GPT-6.2 Astra, zijn nieuwe frontiermodel, en in de lanceringsgrafieken staat Fable 5.2 naast Astra op de meeste benchmarks.

De twee modellen hebben nu exact dezelfde prijs per token, dus op papier is het een pure strijd om capaciteit. In de praktijk vertelt de rekening een ander verhaal, net als onze hands-on test.

Om op de hoogte te blijven van AI en data raad ik je aan je te abonneren op onze wekelijkse nieuwsbrief, The Median.

TL;DR

  • Geen van beide wint overtuigend: GPT-6.2 Astra leidt in professioneel en analytisch werk, Claude Fable 5.2 in agentisch coderen.
  • Ze kosten hetzelfde per token, maar Astra gebruikt veel minder tokens en is daardoor per taak veel goedkoper.
  • In onze blinde videotest was de kwaliteit nagenoeg gelijk, maar Fable herhaalde in elke video een verouderd feit.
  • Kies Fable voor code-agenten, computergebruik en implementaties op Bedrock, Vertex AI of Azure.
  • Kies Astra voor documenten, juridisch en financieel werk en alles met hoog volume.

Wat is GPT-6.2 Astra?

GPT-6.2 Astra is OpenAI's frontiermodel, uitgebracht in november 2026 als de top van de GPT-6.2-familie, boven GPT-6.2 Sol.

De pitch: professioneel resultaat tegen lagere kosten per taak — slides, werkboeken en documenten die jouw templates volgen, plus computergebruik in CAD- en simulatie-tools.

OpenAI's lanceringspost behandelt de release, en onze GPT-6 Astra API-tutorial laat zien hoe je met de vorige generatie bouwt.

Wat is Claude Fable 5.2?

Claude Fable 5.2 is het vlaggenschipmodel van Anthropic, uitgebracht in november 2026 naast Claude Mythos 5.2, een versie voor gescreende organisaties in cybersecurity en biomedische domeinen.

Anthropic positioneert het voor langlopende technisch werk: agentisch coderen, computergebruik en onderzoekstaken, met een optionele snelle modus die tot 2,5 keer sneller tokens genereert.

Onze Fable 5.2-gids behandelt de lancering; onze Fable 5.2 API-tutorial doorloopt het bouwen van een hypothesetoetsende agent.

GPT-6.2 Astra vs Claude Fable 5.2: rechtstreekse vergelijking

GPT-6.2 Astra vs Claude Fable 5.2 benchmarks: Astra leidt Agents' Last Exam, GDPval v2 en Harvey LAB-AA; Fable leidt FrontierCode 2.0, de Intelligence Index en BenchCAD met een punt

Het capaciteitsbeeld is een split decision, en de meeste benchmarkverschillen zijn een paar punten. Het kostenverschil is dat niet: dezelfde prijs per token, maar Fable heeft veel meer tokens nodig om dezelfde taak af te ronden.

KenmerkGPT-6.2 AstraClaude Fable 5.2
OntwikkelaarOpenAIAnthropic
TokenprijzenZelfde als FableZelfde als Astra, goedkopere cached input
Kosten per taakVeel lager2,1x tot 20,8x van Astra's op OpenAI's grafieken
Professioneel werkLeidt (Agents' Last Exam, GDPval v2, Harvey LAB-AA)Achter
Agentisch coderenAchterLeidt (FrontierCode 2.0)
Wetenschap, CAD en redenerenLeidt wetenschapsbenchmarksLeidt de Intelligence Index
ComputergebruikGeen vergelijkbare score gepubliceerdSterke scores op Anthropics eigen benchmarks
Onze hands-on testMeest accuraat, veel goedkoperMeest consistent, één verouderd feit

Prijzen: wat je echt betaalt

Prijs is het grootste verschil tussen deze modellen, ook al zijn hun token-tarieven bijna identiek. Het verschil zit in hoeveel tokens elk model per taak verstookt.

Token-tarieven naast elkaar

TariefGPT-6.2 AstraClaude Fable 5.2
Input, per 1M tokens$8.00$8.00
Output, per 1M tokens$40.00$40.00
Cached input lezen, per 1M tokens$0.40$0.20
Cache schrijven, per 1M tokens$10.00$10.00
Snelle modus, input / output per 1M tokens$16.00 / $80.00$16.00 / $80.00

Het enige tarief dat verschilt is cached input, waar Fable de helft kost van Astra, wat helpt bij agenten die regelmatig een lange, vaste context herlezen. OpenAI verdubbelt ook Astra's inputtarief voor verzoeken boven 272K tokens; Anthropics aankondiging vermeldt geen dergelijke opslag voor Fable.

Wat een echte workload kost

Uitgewerkt tegen standaardtarieven als (volume ÷ 1M) × tarief, opgeteld over input en output:

WorkloadGPT-6.2 AstraClaude Fable 5.2Verschil
Gebalanceerde assistent: 1M in / 250K uit per maand$18.00$18.00$0 (0%)
Cache-zware lus: 100K prefix één keer geschreven, 1.000 cached reads, plus 5K vers in / 1K uit per verzoek$121.00$101.00Fable $20 goedkoper (17%)

Bij gelijke aantallen tokens is Fable nooit duurder, en de cache-zware rij is de ene plek waar het duidelijk goedkoper is. De adder onder het gras is de aanname van gelijke aantallen tokens.

Waarom dezelfde taak verschillend kost

Kosten per taak: Claude Fable 5.2 kost 2,4x tot 20,8x zoveel als GPT-6.2 Astra op zes benchmarks, ondanks identieke tokenprijzen

OpenAI's lanceringsgrafieken bevatten de kosten per taak voor beide modellen, en Fable kost op allemaal meer, van 2,1x op de Vals Science Index tot 20,8x op Agents' Last Exam ($60,05 tegen Astra's $2,89). Die cijfers zijn OpenAI's metingen van een concurrent, veelal op de hoogste inspanning per model, dus neem ze als richtinggevend, niet als offerte.

De oorzaak is outputlengte: bij dezelfde tarieven kost een model dat meerdere keren zoveel tokens schrijft, inclusief redeneertokens die als output worden gefactureerd, ook meerdere keren zoveel. Onze eigen test hieronder wees dezelfde kant op.

Professioneel werk en agentische workflows

GPT-6.2 Astra leidt hier duidelijk: op Harvey LAB-AA, dat alleen juridische deliverables crediteert die aan alle eisen voldoen, scoort het 15,0% tegen Fable's 7,2%.

BenchmarkGPT-6.2 AstraClaude Fable 5.2Notities
Agents' Last Exam v1.178,3%72,8%OpenAI-grafiek; Fable op maximale inspanning
GDPval v250,4%44,8%Interne benchmark van OpenAI
Harvey LAB-AA v1.115,0%7,2%OpenAI-grafiek
AutomationBench 1.0.652,4%51,4%Beide leveranciers rapporteren Fable op 51,4%
Remote Labor IndexNiet gepubliceerd41,3%Anthropic's tabel, tegen GPT-6 Astra

Astra is de betere keuze voor klantklare documenten en analyses, al is AutomationBench gelijkspel en ontbreekt er nog een GPT-6.2-tegenhanger bij Anthropics Remote Labor Index-resultaat.

Agentisch coderen

Fable 5.2 is de sterkere coder op de ene benchmark die beide leveranciers rapporteren: 49,1% op FrontierCode 2.0, dat beoordeelt of codewijzigingen voldoen aan de eisen van maintainers voor mergen, tegen 44,2% voor Astra.

BenchmarkGPT-6.2 AstraClaude Fable 5.2Notities
FrontierCode 2.044,2%49,1%Beide leveranciers zijn het eens over Fable's score
FrontierSWE v2Niet gepubliceerd69,9%Anthropic's tabel
SecureSWE65,7%Niet gepubliceerdInterne benchmark van OpenAI

OpenAI's eigen FrontierCode-grafiek laat de afruil zien: Fable haalt de hogere score, maar tegen veel hogere kosten per taak.

FrontierCode 2.0-grafiek: Claude Fable 5.2 behaalt de hoogste score tegen veel hogere kosten per taak, terwijl GPT-6.2 Astra en Sol lager en links clusteren

Voor code-agenten waar kwaliteit belangrijker is dan kosten, is Fable de keuze.

Wetenschap, CAD en algemeen redeneren

Deze dimensie splitst: GPT-6.2 Astra leidt de wetenschapsbenchmarks, terwijl Fable 5.2 leidt op de brede redeneringscomposite en gelijk staat op CAD.

BenchmarkGPT-6.2 AstraClaude Fable 5.2Notities
Terminal-Bench-Science 0.177,1%73,3%Fable via Artificial Analysis' harness; Anthropic rapporteert 74,6% in Claude Code
Vals Science Index v168,4%63,7%OpenAI-grafiek
Artificial Analysis Intelligence Index v5.0.162,164,6Indexscore
BenchCAD 2.1 Core82,5%83,5%Feitelijk gelijk
Humanity's Last Exam (met tools)Niet gepubliceerd74,2%Anthropic's tabel

Voor wetenschappelijke analyse heeft Astra de overhand; voor algemeen redeneren Fable, met minder dan 3 punten verschil op de composite.

Computergebruik, 3D en robotica

Anthropic rapporteert sterke resultaten voor computergebruik en robotica voor Fable 5.2, waaronder 89,3% op OSWorld 2.1, maar OpenAI publiceert geen vergelijkbare GPT-6.2 Astra-scores, dus er is geen head-to-head. Het ene gedeelde cijfer valt uit in het voordeel van Astra: op Artificial Analysis' AA-3D, waar menselijke juryleden stemmen tussen twee geblindeerde 3D-builds, staat Astra eerste met 1.318 Elo tegen Fable's 1.271.

Als je workload een agent is die desktopsoftware bedient, heeft Fable vandaag de sterkere onderbouwing.

Hoe GPT-6.2 Astra en Claude Fable 5.2 presteerden

Benchmarks van twee concurrerende leveranciers reiken maar zo ver, dus gaf ik beide modellen dezelfde creatieve codetaak, met een identieke prompt en identieke tooling.

De taak: schrijf een script voor Manim, een bekende Python-animatielibrary, dat een 60-seconden-explainer van het Collatz-vermoeden rendert voor middelbare scholieren. De regel klinkt simpel (halveer even getallen, verdriedubbel oneven en tel er 1 bij op), en niemand heeft bewezen dat elk startgetal op 1 eindigt.

Het lastige is dat de modellen hun eigen video nooit zien. Ze kunnen het script niet uitvoeren, dus het moet in één keer renderen, er goed uitzien en kloppen, zonder een enkele preview. Explainers nodigen ook uit tot indrukwekkend klinkende extra's, en elke claim op het scherm moet waar zijn.

Beide modellen draaiden in OpenCode met een vastgezet tooloppervlak (alleen lezen, zoeken en bestanden bewerken), op dezelfde hoge redeneerinspanning, in een verse sessie elke keer. Omdat een creatief briefje gevoelig is voor geluk, draaide ik elk model 3 keer en rendere ik alle 6 video's.

Daarna beoordeelde ik de video's blind, gehusseld en gelabeld A tot en met F, op 4 vragen: is alles op het scherm waar, zou een leerling het idee leren, is het interessant om te kijken en ziet het er af uit. Hier is een moment uit de beste video van GPT-6.2 Astra:

De explainer van GPT-6.2 Astra volgt 7 naar 52 en weer omlaag, en laat daarna zien dat de paden van 3 en 7 samenkomen bij 10 en bij elkaar blijven

De belangrijkste bevindingen:

  • Alle 6 scripts renderden in één keer. Elke video landde binnen 3 seconden van de doelduur van 60 seconden, zonder fouten en zonder fixes.
  • Qua kwaliteit is het nagenoeg gelijkspel. Over alle 4 vragen lagen de gemiddelden van de twee modellen binnen een tiende punt van elkaar. Fable was de consistenter filmmaker: alle 3 video's volgen dezelfde verzorgde boog, eindigend met de twee manieren waarop het vermoeden fout kan gaan en een "Niemand weet het"-payoff.
  • Astra maakte de beste en de zwakste video. De beste legt 7 uit in plaats van 6 of 27, en laat dan zien dat paden van verschillende getallen samenkomen en bij elkaar blijven — een echt diepere gedachte dan in welke andere video dan ook. De zwakste was vlak, met vergelijkingen die bij elke overgang even door elkaar lopen.
  • Nauwkeurigheid maakte het verschil. Alle 3 video's van Fable beweren dat computers elk getal tot en met 2^68 hebben getest. Dat was het record in 2020; sinds 2025 is het 2^71. Astra's video's deden geen claim die ze niet konden staven.

Hier is de claim in Fable's video's. Ze klopt op zichzelf, maar presenteert een 5 jaar oude mijlpaal als de actuele stand van zaken, in alle 3 runs:

De video van Claude Fable 5.2 beweert dat computers elk startgetal tot en met 2^68 hebben getest, een grens die in 2025 is verhoogd naar 2^71

En hier is Fable's animatie van de lange klim van 27, wat laat zien waarom de video's zo goed scoorden op vakmanschap:

De explainer van Claude Fable 5.2 animeert de reis van 27, klimmend naar 9.232 voordat het na 111 stappen naar 1 valt

Het kostenverschil was groot. Fable's scripts kostten $3,84 tot $4,35 per stuk en die van Astra $0,40 tot $0,84, omdat Fable 4 tot 10 keer zoveel outputtokens schreef, en het veel trager was.

MaatstafGPT-6.2 AstraClaude Fable 5.2
Kosten per run (USD)$0.84, $0.61, $0.40$4.35, $3.84, $4.19
Outputtokens (incl. redeneren)17.551, 10.828, 8.12484.822, 74.457, 81.316
Nauwkeurigheid, per run5, 5, 54, 4, 4
Rubricscore (gemiddelde van vier assen), per run4,8, 4,8, 3,84,2, 4,8, 4,5

Dus welk model won? Geen van beide op kwaliteit, en Astra op alles eromheen: dezelfde videostandaard, zonder onwaarheden op het scherm, voor ongeveer een zesde van de kosten. Fable's consistentie is reëel, maar dat geldt ook voor de neiging om een achterhaald feit met overtuiging te herhalen.

Wanneer kies je GPT-6.2 Astra vs Claude Fable 5.2

Welke te kiezen: Claude Fable 5.2 voor code-agenten en computergebruik, GPT-6.2 Astra voor klantdeliverables en werk met hoog volume

Omdat de tokenprijzen gelijk zijn, draait de keuze om twee vragen: is de taak in het voordeel van Fable's sterke punten bij coderen en computergebruik, en kun je je meerdere keren meer tokens per taak veroorloven?

Kies GPT-6.2 Astra als...

  • Je klantklare documenten, juridische concepten of financiële analyses produceert, waar Astra de professionele benchmarks leidt.
  • Je grote volumes taken draait, waar Astra's lagere tokengebruik de rekening drukt, zelfs bij identieke tarieven.
  • Je wetenschappelijke analyses in een terminal of notebook nodig hebt, waar Astra beide wetenschapsbenchmarks leidt.
  • Nauwkeurigheid bij open, creatieve of verklarende taken voor jou telt, zoals in onze test.

Kies Claude Fable 5.2 als...

  • Je code-agenten op echte repositories draait, waar Fable FrontierCode 2.0 met zo'n 5 punten leidt.
  • Je agenten desktopsoftware bedienen: Anthropic rapporteert 89,3% op OSWorld 2.1 voor Fable, en OpenAI heeft geen vergelijkbare score voor Astra gepubliceerd.
  • Je implementeert via AWS Bedrock, Google Vertex AI of Azure AI Foundry, die Fable allemaal aanbieden. Azure's documentatie noemt Astra niet, en we konden het bij de andere twee niet bevestigen.
  • Je agenten een lange, vaste context hergebruiken, waar Fable's cached input de helft kost.

Hoe je aan de slag gaat met GPT-6.2 Astra en Claude Fable 5.2

SurfaceGPT-6.2 AstraClaude Fable 5.2
ConsumentenappChatGPT Work en Codex (Plus, Pro, Enterprise, Edu)Claude-apps (beschikbaar voor alle gebruikers)
Eerste-partij-APIOpenAI APIClaude Platform
CloudplatformsNiet genoemd in de Azure AI Foundry-docs per 17 november 2026AWS Bedrock, Google Vertex AI, Azure AI Foundry
Code-agentenCodex; niet genoemd in de documentatie van Cursor of GitHub Copilot ten tijde van schrijvenGitHub Copilot; niet genoemd in de documentatie van Cursor ten tijde van schrijven
Routers van derdenOpenRouterOpenRouter
API-model-IDgpt-6.2-astraclaude-fable-5-2

Het grootste verschil is cloudbereik: Fable staat op alle drie de grote clouds, terwijl Astra via OpenAI's eigen API en producten te bereiken is. Op OpenRouter zijn de twee een string wissel:

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)

Voor volledige setups, zie onze Fable 5.2 API-tutorial en onze GPT-6 Astra API-tutorial.

Slotgedachten

Qua capaciteit wisselen GPT-6.2 Astra en Claude Fable 5.2 stuivertje: Astra voor professioneel en analytisch werk, Fable voor coderen en computergebruik.

Qua kosten wint Astra vrijwel overal, omdat identieke tokenprijzen heel verschillende tokenappetijt verhullen.

Als je meer wilt leren over bouwen met Anthropics modellen, bekijk dan onze cursus Introduction to Claude Models. Voor iets met OpenAI: probeer Working with the OpenAI API.

Josef Waples

Auteur

Josef Waples

Ik ben een schrijver en editor op het gebied van data science en heb bijgedragen aan onderzoeksartikelen in wetenschappelijke tijdschriften. Ik ben vooral geïnteresseerd in lineaire algebra, statistiek, R en dergelijke. Ik speel ook best wat schaak! 

FAQs

Is GPT-6.2 Astra beter dan Claude Fable 5.2?

Geen van beide is overal beter. GPT-6.2 Astra leidt op professionele en analytische benchmarks zoals Harvey LAB-AA en GDPval v2, terwijl Claude Fable 5.2 leidt op agentisch coderen op FrontierCode 2.0. Beide kosten hetzelfde per token, maar Astra gebruikt veel minder tokens per taak en is dus meestal veel goedkoper.

Hoeveel kosten GPT-6.2 Astra en Claude Fable 5.2?

Beiden kosten $8 per miljoen inputtokens en $40 per miljoen outputtokens, met snelle modi op $16 en $80. Fable's cached input is goedkoper met $0,20 per miljoen tegen $0,40 voor Astra. Op OpenAI's grafieken kost Fable nog steeds 2,1 tot 20,8 keer zoveel per taak omdat het meer tokens gebruikt.

Welke is beter voor coderen, GPT-6.2 Astra of Claude Fable 5.2?

Claude Fable 5.2 is de sterkere coder op de benchmark die beide leveranciers rapporteren, met 49,1% op FrontierCode 2.0 tegen 44,2% voor GPT-6.2 Astra. Astra kost veel minder per codetaak en is dus een redelijke keuze voor werk met hoog volume of strakke budgetten.

Waar kan ik GPT-6.2 Astra en Claude Fable 5.2 gebruiken?

GPT-6.2 Astra is beschikbaar in ChatGPT Work en Codex voor Plus-, Pro-, Enterprise- en Edu-gebruikers, en in de OpenAI API. Claude Fable 5.2 is beschikbaar in de Claude-apps, het Claude Platform, AWS Bedrock, Google Vertex AI, Azure AI Foundry en GitHub Copilot. Beide staan op OpenRouter.

Wat zijn de API-model-ID's voor GPT-6.2 Astra en Claude Fable 5.2?

In de first-party API's is GPT-6.2 Astra gpt-6.2-astra en Claude Fable 5.2 claude-fable-5-2. Op OpenRouter zijn ze openai/gpt-6.2-astra en anthropic/claude-fable-5.2, dus wisselen tussen ze in een OpenAI-compatibele client is één string aanpassen. Beide modellen bieden ook vijf niveaus van redeneerinspanning, van laag tot max.

Onderwerpen

Gerelateerd