Claude Fable 5.2 vs GPT-6 Astra: benchmarks, preços e um teste prático

A Anthropic lançou o Claude Fable 5.2 em 9 de novembro de 2026, dois meses depois de a OpenAI apresentar o GPT-6 Astra como "o modelo mais inteligente e alinhado do mundo". O Fable 5.2 chegou com redução de preço em relação ao Fable 5.1, e a tabela de lançamento da Anthropic o coloca à frente do Astra em todas as linhas em que ambos aparecem. A OpenAI não publicou uma comparação com o Fable 5.2 que pudéssemos encontrar, então a pergunta óbvia para quem precisa escolher um modelo de fronteira é: esses números se sustentam?

Neste artigo, comparo o Claude Fable 5.2 e o GPT-6 Astra em trabalho de conhecimento de longo prazo, programação, uso de computador, salvaguardas e preços — e depois executo uma tarefa prática com ambos.

Para acompanhar o mundo de IA e dados, recomendo assinar nossa newsletter semanal, The Median.

Resumo

• O Fable 5.2 vence o GPT-6 Astra em todos os benchmarks que a Anthropic reporta para ambos, com maior vantagem em trabalho de conhecimento de longo prazo e robótica.
• O Fable 5.2 é mais barato por token e bem mais barato para prompts em cache e para requisições acima do limite de contexto longo do Astra.
• No meu teste prático de shader, o Fable 5.2 construiu a cena claramente melhor, mas a execução custou mais porque gastou muitos mais tokens.
• Escolha o Fable 5.2 para execuções longas de agentes, programação e pesquisa complexas, uso de computador e construções visuais.
• Escolha o GPT-6 Astra se seu time já vive no ChatGPT, Codex ou Azure, ou precisa dos resultados de matemática e contexto longo publicados apenas pela OpenAI.
• Toda pontuação head-to-head vem da Anthropic, então trate a diferença de benchmark como a tese da Anthropic até surgirem execuções independentes.

O que é o Claude Fable 5.2?

O Claude Fable 5.2 é o modelo da Anthropic para seus trabalhos técnicos mais exigentes, lançado para todos os usuários em novembro de 2026 e construído sobre o mesmo modelo base do Claude Mythos 5.2, que remove as salvaguardas de cibersegurança e biologia do Fable para organizações aprovadas.

A Anthropic posiciona o Fable para os trabalhos técnicos mais ambiciosos e de longo horizonte, e ainda recomenda o Claude Opus 5.5 como padrão para tarefas diárias de código e conhecimento.

Nosso guia do Claude Fable 5.2 e Mythos 5.2 traz a cobertura completa do lançamento.

O que é o GPT-6 Astra?

O GPT-6 Astra é o flagship de fronteira da OpenAI, lançado em setembro de 2026 como sucessor do GPT-5.6 Sol.

A OpenAI baseou seu posicionamento em uso de computador e trabalho profissional, além de benchmarks como ARC-AGI-3 e FrontierMath Tier 4, pensados para se manterem à frente dos modelos de IA.

Nosso guia do GPT-6 Astra cobre o lançamento; nosso tutorial da API do GPT-6 Astra mostra como construir um agente de verificação de releases.

Claude Fable 5.2 vs GPT-6 Astra: comparação direta

O Fable 5.2 lidera em todos os benchmarks que avaliam ambos os modelos, de programação a uso de computador, e só a leitura de gráficos chega perto de um empate. O porém é a fonte: todos esses números vêm da tabela de lançamento da Anthropic, porque a própria tabela da OpenAI é anterior ao Fable 5.2.

Trabalho de conhecimento de longo prazo e pesquisa

A maior vantagem do Fable 5.2 está em trabalhos abertos e de múltiplas etapas. No Remote Labor Index, que avalia projetos reais no estilo de freelas, o Fable 5.2 conclui 41,3% contra 20,8% do Astra — cerca do dobro.

O padrão se mantém: quanto mais uma tarefa se parece com um projeto longo e menos com uma resposta única, maior a liderança do Fable 5.2. O Humanity's Last Exam não surpreende: a própria tabela de lançamento da OpenAI já mostrava o Astra atrás do Claude Fable 5.1 nele.

Os destaques da Anthropic apontam na mesma direção. O Fable 5.2 formalizou a prova do Último Teorema de Fermat em Lean em 30 horas com cerca de 1.000 agentes — um projeto que um modelo interno anterior precisou de 11 dias para concluir.

Duas ressalvas antes de tratar isso como definido:

• Todo número do Astra nesta tabela foi executado pela Anthropic, não pela OpenAI.
• A pontuação da Anthropic para o Astra no Terminal-Bench-Science é maior que a da própria OpenAI, o que sugere que os dois laboratórios rodaram o teste de formas diferentes.

O Fable 5.2 é o modelo mais forte para projetos longos, ambíguos, de pesquisa e análise — e as margens são grandes o suficiente para que uma diferença de harness provavelmente não as elimine.

Programação e workflows com agentes

O Fable 5.2 lidera os dois benchmarks de código que a Anthropic reporta, embora por menos do que em trabalho de conhecimento. No FrontierCode 2.0, que avalia se mantenedores de open source aceitariam as mudanças do modelo, o Fable 5.2 atinge 49,1% em xhigh effort contra 42,8% do Astra.

A Anthropic acrescenta que o Fable 5.2 em high effort supera a melhor pontuação do Astra no FrontierCode a um custo por tarefa semelhante. A tabela de código da OpenAI usa versões mais antigas de benchmarks e compara o Astra com o Fable 5.1, então ainda não há um contracheque do lado da OpenAI. Pelo que há, o Fable 5.2 é melhor para código.

Uso de computador, visão e robótica

O Fable 5.2 lidera em uso de computador e robótica, enquanto a leitura de gráficos fica quase empatada. Robótica é o ponto fora da curva: no RoboDojo Sim, um robô simulado de dois braços, o Fable 5.2 marca 64,9% contra 29,8% do Astra.

A OpenAI chamou o Astra de "o melhor modelo de uso de computador do mundo", mas fez essa afirmação contra o Claude Fable 5.1 e o Claude Opus 5 no OSWorld 2.0. Na versão mais nova da Anthropic, o Fable 5.2 assume a liderança.

Matemática, raciocínio abstrato e contexto longo: os pontos sem resposta do Astra

Os resultados mais fortes do lançamento do Astra estão em benchmarks que a Anthropic não reportou para o Fable 5.2, então não há confronto direto aqui — apenas alegações de um dos lados. O mais claro é a recuperação em contexto longo: o Astra marca 96,3% no teste 8-needle do MRCR v2 da OpenAI, na faixa de 512K a 1M tokens.

A OpenAI também reporta pontuações quase saturadas no FrontierMath Tier 4 e no ARC-AGI-3, embora nosso guia do GPT-6 Astra observe que o resultado do ARC-AGI-3 depende de um harness stateful que chamadas simples de API não têm. Se seu trabalho depende de recuperação em um prompt de um milhão de tokens, o Astra é o único dos dois com evidência publicada.

Salvaguardas e retenção de dados

Ambos os modelos bloqueiam trabalhos ofensivos de cibersegurança por padrão, e diferem mais na retenção de dados do que em recusas. Os classificadores do Fable 5.2 bloqueiam testes de penetração, geração de exploits e a maior parte da biologia em nível de pesquisa, embora a Anthropic diga que ele gera menos bloqueios indevidos do que o Fable 5.1; organizações aprovadas podem solicitar o Claude Mythos 5.2.

A OpenAI classifica o Astra no nível Critical de cibersegurança do seu Preparedness Framework e coloca a criação de exploits atrás do programa Daybreak. O Astra oferece Zero Data Retention para clientes elegíveis da API, enquanto o Fable 5.2 exige retenção de 30 dias para monitoramento de segurança, a menos que a empresa use o Enterprise Frontier Safeguards da Anthropic. Para times regulados que já dependem de zero retenção, o Astra se encaixa mais facilmente.

Preços: o que você realmente paga

O Fable 5.2 é mais barato que o GPT-6 Astra em todas as tarifas que ambos publicam, e a diferença não é uniforme. O Astra custa 1,25x mais para entrada, saída e gravação em cache, mas 5x mais para leituras em cache, e só o Astra adiciona sobretaxa para contexto longo.

Em uma carga de trabalho equilibrada, a diferença é modesta. Ela se torna decisiva quando os prompts são cacheados ou passam de 272K tokens.

Tarifas por token, lado a lado

Ambos listam tarifas padrão por milhão de tokens, além de preços para cache, batch e modo rápido.

A tarifa de leitura em cache é a linha que a maioria dos times vai sentir, porque loops de agentes reencaminham o mesmo prefixo longo a cada passo.

Quanto custa uma carga de trabalho real

Cada linha abaixo é um volume mensal, precificado como (volume ÷ 1M) × tarifa, somado entre entrada e saída.

• Assistente e recuperação sub-limite: o ágio é os 25% que as tarifas de vitrine já indicam.
• Recuperação acima do limite: o mesmo volume custa mais que o dobro no Astra, porque a sobretaxa dobra a entrada e aumenta a saída em metade para toda requisição acima de 272K tokens. O Fable 5.2 não lista sobretaxa na sua janela de 1M.
• Loop pesado de cache: leituras em cache no Astra custam 5x as do Fable, então um prefixo longo reutilizado quase dobra a conta. A linha usa a tarifa de 5 minutos para gravação em cache do Fable.

Nenhum dos fornecedores publicou contagem de tokens para uma carga de trabalho compartilhada, então trate esses totais como comparação de tarifas, não como fatura. Minha execução prática abaixo lembra o porquê: lá, o modelo mais barato por token foi a execução mais cara.

Como o Claude Fable 5.2 e o GPT-6 Astra se saíram

Benchmarks do post de lançamento de um fornecedor têm alcance limitado, então rodei uma tarefa de construção com ambos os modelos, com prompt e ferramental idênticos.

A tarefa: uma página HTML única com um shader de fragmento GLSL animado em tela cheia de um farol em uma costa rochosa durante uma tempestade à noite, com ondas batendo nas rochas, chuva inclinada e nuvens baixas iluminadas por baixo. O feixe do farol tinha que seguir o mouse e iluminar as ondas, a chuva e as nuvens por onde passasse. O p5.js só podia hospedar o canvas, rodar o loop e passar a posição do mouse e o tempo para o shader.

O prompt completo:

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.Tecnologia

O que torna isso difícil:

• Quatro elementos de cena — mar, rochas, chuva e nuvens — todos computados por pixel dentro de um único shader, sem texturas ou geometria de apoio.
• Uma fonte de luz móvel que precisa incidir corretamente sobre todos eles, onde quer que o cursor aponte.
• Fazer isso com matemática real de shader, em vez de simular com chamadas 2D do p5.

O post da Anthropic cita Sam Zhang, da Unity, dizendo que os ganhos mais claros do Fable 5.2 estão em "construir cenas 3D de maior qualidade do zero", então este é um teste direto dessa afirmação. Também é uma revanche de certa forma: no nosso comparativo GPT-6 Astra vs Claude Fable 5.1, o Astra venceu um teste de simulação de física contra o Fable anterior.

Ambos os modelos rodaram no OpenCode com uma superfície de ferramentas fixa (apenas ler e editar arquivo), em high effort, uma tentativa cada, em sessão nova, com o prompt entregue byte a byte.

Aqui estão minhas gravações de tela de ambas as páginas, movendo o mouse pela cena. O Fable primeiro: