GPT-6 Astra vs Claude Fable 5.1: performanță, prețuri și când să le folosești

Ce este GPT-6 Astra?

GPT-6 Astra este modelul flagship de vârf al OpenAI, succesorul lui GPT-5.6 Sol, construit în jurul execuției agentice, nu al chatului. OpenAI îl poziționează pe utilizarea computerului, munca profesională și ingineria software, și este primul model OpenAI care depășește pragul „Critic” în securitate cibernetică din Preparedness Framework al companiei. Rulează cu o fereastră de context de 1.050.000 de tokeni, output maxim 128K și un knowledge cutoff la 30 aprilie 2026.

Două lucruri ies în evidență în anunț. În Codex, Astra păstrează notițe între ferestrele de context în loc să le compacteze într-un rezumat, astfel încât ferestrele mai vechi rămân căutabile, și decide când să pună o întrebare de clarificare, în loc să ghicească mereu sau să întrebe mereu.

Pentru lista completă de funcții, tabele de benchmark și detalii de acces, vezi ghidul GPT-6 Astra. Merită citit în paralel cu acoperirea predecesorului său din GPT-5.6 Sol, Terra și Luna.

Ce este Claude Fable 5.1?

Claude Fable 5.1 este modelul de vârf disponibil în general al Anthropic pentru raționament solicitant și muncă agentică pe orizont lung. Rulează o fereastră de context de 1M tokeni cu output maxim 128K, gândire adaptivă mereu activă și knowledge cutoff în iunie 2026. Documentația Anthropic îl evaluează ca având o latență mai mare decât Claude Opus 5 și Claude Sonnet 5, ambele mai ieftine.

Claude Mythos 5.1 este același model cu alte măsuri de siguranță, disponibil prin invitație prin Project Glasswing. Schimbarea principală pentru toți ceilalți este prețul la citirea din cache, redus cu 75% la 0,25$ per milion de tokeni, în timp ce tarifele de listă au rămas neschimbate.

Ghidul Claude Fable 5.1 are defalcarea completă a benchmarkurilor, iar tutorialul API Claude Fable 5.1 construiește un agent pentru dezvoltatori, conștient de repository, inclusiv o defalcare reală a costurilor pe niveluri de efort.

GPT-6 Astra vs Claude Fable 5.1: comparație directă

Pe scurt: tabelul de comparație al OpenAI îl arată pe Astra înaintea lui Fable 5.1 la aproape fiecare rând publicat, iar Artificial Analysis arată invers pe ambii săi indici. În care crezi depinde de câtă greutate acorzi unui vendor care își punctează competitorul.

Cod și fluxuri de lucru agentice

Astra conduce pe benchmarkurile de cod alese de OpenAI pentru publicare, dar marjele sunt mici, iar indicele independent nu e de acord. Pe Terminal-Bench 4.0, care testează inginerie software, configurare de sistem și analiză de date în terminal, OpenAI raportează 57,7% pentru Astra față de 55,8% pentru Fable 5.1. Anthropic publică același 55,8%, deci cel puțin acel rând e necontestat.

Diferența crește pe DeepSWE v1.1, unde Astra ajunge la 74,1% față de 67,4%, și aproape dispare pe FrontierCode 1.1 Main, unde 53,3% față de 50,9% se încadrează în intervalul pe care Claude Fable 5 (53,5%) și Claude Opus 5 (53,4%) îl ocupaseră deja.

Ultimul rând este cel la care tot revin. Artificial Analysis îl pune pe Fable 5.1 în Claude Code la 70, cel mai mare scor pe Coding Agent Index, și pe Astra în Codex la 67, aproximativ la nivelul Claude Opus 5 și Claude Fable 5. Două avertismente merită reținute aici:

• Modelele au rulat în harness-uri diferite, Codex față de Claude Code, deci o parte din diferența de 3 puncte ține de scheletul de orchestrare, nu de model. Comparația Codex vs Claude Code acoperă cât de diferit se comportă cele două.
• Astra ajunge acolo mult mai ieftin. Artificial Analysis a măsurat că folosește o treime din tokenii lui GPT-5.6 Sol la efort maxim în Codex și o cincime din tokenii lui Claude Opus 5 la xhigh.

Astra câștigă rândurile de cod publicate la mustață și câștigă clar argumentul eficienței, în timp ce Fable 5.1 deține singurul scor independent de agent de cod care îi depășește pe amândoi.

Raționament și lucru științific

Aici este cea mai curată separare din toată comparația și merge în ambele sensuri. Astra ia rândurile de matematică și științe: 97,6% față de 87,8% pe FrontierMath Tier 4 v2, 96,0% față de 93,7% pe GPQA Diamond și 64,6% față de 52,6% pe Terminal-Bench Science 0.1, benchmarkul agentic de cercetare în jurul căruia Anthropic și-a construit lansarea.

Fable 5.1 ia Humanity's Last Exam cu unelte, 65,0% față de 57,2%, și diferența este clară. Artificial Analysis confirmă independent direcția rezultatului, punctând Fable 5.1 la 66 pe Intelligence Index față de 61 pentru Astra, cel mai mare scor măsurat până acum.

Un avertisment pentru acel 66. Artificial Analysis a rulat Fable 5.1 cu fallback-ul implicit pe server al Anthropic, care redirecționează cererile marcate de siguranță către Claude Opus 4.8 sau Claude Opus 5, iar fallback-ul a servit aproximativ 4% din tokenii de output pe index. Scorul este al lui Fable 5.1, așa cum îl vor apela majoritatea, nu al modelului izolat.

Dacă munca ta este matematică sau știință la nivel de master/doctorat, Astra. Dacă este raționament larg și dificil, de tipul celui sondat de Humanity's Last Exam, Fable 5.1.

Utilizarea computerului și artefacte profesionale

Astra domină această dimensiune, în mare parte pentru că Anthropic nu a publicat cifre comparabile. OpenAI raportează 72,6% pentru Astra pe setul offline al OSWorld 2.0 față de 70,2% pentru Claude Opus 5 și 92,7% pe ScreenSpot-Pro față de 87,3% pentru Claude Fable 5. Cifrele proprii ale Anthropic pentru Fable 5.1, 77,9% parțial și 41,7% strict, provin dintr-o altă versiune de task-uri și un alt setup de notare.

Cifrele pentru artefacte sunt mai puțin ambigue: 95,9% pe BenchCAD față de 84,3% și 41,4% față de 31,4% pe AutomationBench.

Pentru agenți care dau click prin software real și produc slide-uri sau output CAD, Astra este alegerea mai puternică.

Siguranță, securitate cibernetică și aliniere

Cifrele de aliniere ale lui Astra sunt partea cel mai puțin discutată a lansării. Pe benchmarkul intern OpenAI de siguranță a utilizării computerului, unde mai mic e mai bun, obține 2,4% față de 9,5% pentru Fable 5.1.

La securitate cibernetică, e în altă ligă: 100% pe ExploitBench și 86 din 226 provocări FrontierCyber rezolvate față de 34 pentru GPT-5.6 Sol în testarea independentă a Irregular. Anthropic a relaxat suficient Fable 5.1 pentru a identifica vulnerabilități, dar nu pentru a le exploata.

Două avertismente, ambele importante:

• OpenAI raportează că raționamentul scris al lui Astra este mai greu de monitorizat decât al lui Sol, deoarece rezolvă problemele în mai puțini pași scriși.
• UK AISI a găsit Astra rulând atacuri simulate pe lanțul de aprovizionare în 2 din 500 de mostre, chiar și când sfera interzicea accesul la internet, în scădere de la 60 din 499 când sfera era ambiguă.

Astra este atât agentul mai sigur, cât și atacatorul mai capabil, de aici și limitările de acces.

Prețuri: cât plătești de fapt

Tarifele de listă sunt identice, deci în grila de tarife singura diferență dintre aceste două modele vine din cache și context lung. Această încadrare e valabilă doar dacă ambele modele cheltuie același număr de tokeni pe aceeași sarcină, iar ele nu o fac, motiv pentru care cifrele măsurate per task de mai jos contează mai mult decât grila.

Tarife pe token, cot la cot

Inputul, outputul, scrierile în cache și discountul de batch se potrivesc la cent. Linia pentru citirea din cache este excepția și este o diferență de 4x: Anthropic reduce citirile din cache ale lui Fable 5.1 la 0,25$, în timp ce OpenAI evaluează la 1,00$ pe Astra, un discount de 90% față de tariful la input.

Peste 272K tokeni de input, diferența se lărgește la 8x, deoarece suprataxa OpenAI dublează citirile din cache la 2,00$ odată cu inputul, în timp ce documentația de prețuri Anthropic plasează întreaga fereastră de 1M tokeni la tarife standard. Observă cât de jos este pragul relativ la ce promite Astra: 272K este aproximativ un sfert din fereastra de 1,05M, deci orice cerere care folosește mai mult de un sfert din context este taxată la nivelul mai ridicat.

Citirile din cache sunt tariful care se compune pe o buclă lungă, deoarece un agent retrimite același prompt de sistem, definițiile de unelte și contextul repository la fiecare tură. Ghidul nostru despre caching-ul prompturilor acoperă mecanica distincției cache write–cache read, dacă îți este nouă.

Cât costă un workload real pe grila de tarife

Tot ce e în acest tabel este aritmetică la tarifele de listă pe o formă fixă de tokeni, nu un rezultat măsurat. Răspunde la întrebarea „dacă ambele modele ar consuma tokeni identici, ce ar taxa grila?”. Secțiunea următoare răspunde la ce consumă ele de fapt.

Formula e aceeași pentru fiecare rând: (volum ÷ 1M) × tarif, însumat peste input proaspăt, citiri din cache, scrieri în cache și output. Rândul cu bucla dominată de cache presupune un prefix de 100K scris o dată și citit înapoi de 1.000 de ori, plus 5K input proaspăt și 1K output per cerere.

Rândul cu retrieval peste prag este de titlu. Ține fiecare cerere sub 272K tokeni de input, iar cele două modele costă exact același 150$. Împinge aceiași 10M tokeni prin cereri care depășesc fiecare 272K, iar Astra sare la 275$ în timp ce Fable 5.1 rămâne la 150$, deoarece Anthropic taxează întreaga fereastră de 1M tokeni la tarife standard.

Bucla dominată de cache este cea pe care o vor întâlni cei mai mulți cititori. La 1.000 de citiri cached ale unui prefix de 100K, diferența de 0,75$ per milion de tokeni cached se transformă într-o diferență de 75$ pe un workload altfel identic. Observă însă forma acelui workload: este deliberat sărac în output, 1K tokeni de output per cerere la 100K citiri cached. Aceasta este singura formă în care avantajul de cache al lui Fable 5.1 decide factura.

Cât costă fiecare task în realitate

Când măsori consumul real de tokeni în loc să îl presupui, imaginea se inversează. Artificial Analysis evaluează fiecare model la cost per task pe Intelligence Index, iar metoda include deja tokenii de input, hit de cache, scriere în cache, raționament și răspuns, deci cache-ul mai ieftin al lui Fable 5.1 este deja încorporat.

La efort maxim, Fable 5.1 costă de 2,25 ori cât Astra pentru același set de sarcini la același preț de listă. Artificial Analysis ajunge la aceeași concluzie pe indexul de cod, unde Astra se potrivește cu Fable 5 „la mai puțin de jumătate din cost, datorită unor câștiguri semnificative de eficiență a tokenilor”. Plaja pentru Astra coboară la 0,46$ per task la efort scăzut.

Fable 5.1 nu este penalizat aici de grila sa de tarife, ci de volumul de output. Artificial Analysis a măsurat că folosește aproximativ 1,7x tokenii de output ai lui Fable 5 la efort maxim, motiv pentru care costă cu 20% mai mult per task decât predecesorul, în ciuda reducerii la cache. Fără reducere, cifra ar fi aproximativ 5,16$, deci discountul chiar contează, doar că nu suficient.

Plătești acel premium pentru ceva. Fable 5.1 obține cu 5 puncte mai mult pe același index, și cu 4 puncte mai mult la xhigh. Dacă merită 5 puncte pentru 2,25x cost este decizia ta, nu a mea, dar varianta în care prețurile de listă identice înseamnă facturi identice nu rezistă în fața măsurătorilor.

Legendele propriilor grafice OpenAI indică aceeași direcție, cu valoarea pe care o are auto-raportarea unui vendor. Plasează costul API estimat per task al lui Astra cu aproximativ 31% sub Fable 5.1 pe Terminal-Bench Science 0.1, aproximativ 63% sub pe Terminal-Bench 4.0 și aproximativ 86% sub pe BenchCAD, măsurat la setările de efort alese de OpenAI pentru fiecare model.

Cum s-au descurcat GPT-6 Astra și Claude Fable 5.1

Astra a câștigat ușor testul nostru per ansamblu, deși ambele modele au livrat o simulare funcțională din prima încercare.

Testul

Am rulat o singură sarcină grea pe ambele modele în condiții identice, nu mai multe superficiale. Testul ales pentru această comparație este o simulare fizică de la zero construită ca un singur fișier HTML, aleasă pentru că sondează exact ce ambii vendori susțin că au îmbunătățit: corectitudine susținută pe durata unui build lung, fără o bibliotecă de sprijin.

Această instanță este o versiune reîmprospătată a acelui test. Varianta publicată folosea un container pătrat rotitor, așa că acest rulaj înlocuiește cu un hexagon rotitor cu un obstacol central care contrarotește și masă proporțională cu dimensiunea, ceea ce ridică dificultatea păstrând închiderea ca trecere sau eșec neechivoc. Iată promptul, lipit mot-a-mot într-un chat nou pentru fiecare model:

Build a single-file HTML page (inline CSS and JS, canvas, no build step, no external libraries, no network) that simulates a few dozen balls of varying sizes bouncing under gravity inside a **slowly rotating hexagonal container**, with a **smaller counter-rotating obstacle at the centre** that the balls also collide with. 
Ball mass should scale with size, so larger balls shove smaller ones around. 
The balls should collide with each other, with the hexagon's walls, and with the central obstacle, and lose a little energy on each collision so the system settles rather than gaining energy over time. 
Both the hexagon and the inner obstacle keep rotating throughout, so the balls should slosh and re-pile as they turn.

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.

Ambele modele rulează la efort de raționament ridicat, o încercare fiecare, fără retry-uri, în același agent de cod cu aceleași unelte. Scorarea este un check de rulare pass/fail mai întâi, apoi o rubrică de la 1 la 5 pentru corectitudinea fizicii, stabilitatea pe 30 de secunde și calitatea vizuală.

Ce a produs GPT-6 Astra

Astra a trecut verificarea de rulare și a obținut 5/5 pe toate cele trei axe ale rubricii. A ajuns acolo în 6 ture și 9 apeluri de unelte, iar mixul de unelte e partea interesantă: a scris fișierul, l-a citit înapoi de 5 ori, a făcut grep de două ori și a aplicat două patch-uri înainte să declare că e gata.

Simularea este corectă. 44 de bile, masa scalată cu aria, închidere menținută pe toată durata de 30 de secunde în timp ce hexagonul se rotește. Astra a dimensionat obstacolul interior mare relativ la cameră, astfel încât bilele continuă să se ciocnească de el în loc să se așeze undeva unde nu ajunge.

A construit și o întreagă pagină editorială în jurul simulării, cu un titlu serif, etichete monospaced cu letterspacing și un panou de telemetrie care raportează ratele de rotație în timp real. Nimeni nu a cerut asta, dar arată destul de bine, după părerea mea. A livrat și controale de pauză și restart, pe care promptul nu le-a cerut, dar care au făcut artefactul mai ușor de inspectat.

Astra rotește camera la 0,09 rad/s și obstacolul la -0,16 rad/s, cam de 3 ori mai încet decât Fable pe peretele exterior și de 5 ori mai încet pe obstacol. Mai ușor de urmărit și un test mai blând al frontierei în mișcare decât o rotație mai rapidă. Din moment ce promptul cere un container care se rotește lent, e în regulă.

Ce a produs Claude Fable 5.1

Fable a trecut și el verificarea de rulare, obținând 4 la corectitudinea fizicii, 5 la stabilitate și 4 la calitatea vizuală. A avut nevoie de doar 2 ture și un singur apel de unealtă: o scriere, fără recitiri, fără patch-uri.

Fizica este solidă fără a fi impecabilă. Bilele aderă ușor de pereți, ceea ce costă punctul la corectitudine, și în primele secunde se așază în colțurile de jos unde obstacolul contrarotitor nu mai ajunge la ele. Acel obstacol stă inactiv pentru cea mai mare parte a rularii.

Fable și-a investit efortul în instrumentare, nu în prezentare. Un HUD live raportează numărul de bile, framerate-ul, energia cinetică și ambele viteze de rotație, iar un click oriunde în hexagon adaugă o bilă nouă în acel punct. Mi-a plăcut acea ultimă tușă mai mult decât mă așteptam, deoarece este cea mai rapidă cale de a testa manual codul de coliziune.

Rezultate

Astra câștigă la calitate, iar marja e mai mare la prezentare decât la fizică. Diferența e în felul în care fiecare model a citit sarcina. Astra a tratat promptul ca pe un brief de interpretat, adăugând controale, un layout editorial complet și o rotație mai lentă, potrivită pentru vizionare. Fable l-a tratat ca pe o specificație de satisfăcut, a satisfăcut-o dintr-o singură scriere și și-a cheltuit efortul rămas pe un HUD de diagnostic.

Aceasta este o singură rulare per model, deci trateaz-o ca pe un punct de date, nu un benchmark. Raportează ture, nu tokeni sau cost, și sondează doar cod de simulare de la zero, nu utilizarea computerului sau raționamentul acoperite mai sus.

Când să alegi GPT-6 Astra vs Claude Fable 5.1

Deoarece tarifele de listă se potrivesc, decizia se reduce la forma workloadului, consumul măsurat de tokeni și agentul de cod pe care îl rulezi deja. Trei numere ar trebui să te influențeze: diferența de 4x la citirea din cache, pragul de suprataxă la 272K și costul măsurat per task de 2,25x.

Alege GPT-6 Astra dacă...

• Agentii tăi operează software real. Cu 72,6% pe setul offline OSWorld 2.0 și 92,7% pe ScreenSpot-Pro, Astra este singurul dintre cei doi cu un istoric publicat pe grounding și navigare prin aplicații desktop.
• Ai nevoie de artefacte profesionale finisate. Slide-uri, foi de calcul și output CAD sunt ținte declarate de antrenament, iar scorul de 95,9% pe BenchCAD față de 84,3% este cel mai larg decalaj pe artefacte publicat de vreun vendor.
• Lucrul este matematică sau științe fizice. FrontierMath Tier 4 v2 la 97,6% față de 87,8% și GPQA Diamond la 96,0% față de 93,7%.
• Faci securitate defensivă. 100% pe ExploitBench și 86 din 226 provocări FrontierCyber rezolvate îl plasează clar în față, cu condiția să poți accepta capabilități accesibile prin programul Daybreak al OpenAI.
• Rulezi deja Codex. Notițele de context peste ferestre sunt o funcție a Codex, iar schimbarea harness-ului pentru a urmări o diferență de 3 puncte pe index rareori merită.
• Contează costul per task mai mult decât scorul maxim. 1,67$ față de 3,76$ pe Intelligence Index al Artificial Analysis la efort maxim și 0,46$ la efort scăzut dacă poți trăi cu 57 în loc de 61.

Alege Claude Fable 5.1 dacă...

• Rulezi bucle agent lungi a căror factură este citirea din cache, nu outputul. La 0,25$ per milion de tokeni cached față de 1,00$, workloadul dominat de cache de mai sus costă 126$ în loc de 201$. Avantajul se reduce imediat ce tokenii de output încep să domine, exact cum arată măsurătorile per task.
• Cererile tale sunt mari. Anthropic nu percepe suprataxă pentru context lung, deci workloadul de retrieval cu 10M tokeni rămâne la 150$, unde Astra urcă la 275$, iar citirile din cache ale lui Astra se dublează și ele peste prag.
• Vrei cel mai bun scor independent la raționament și ești dispus să plătești pentru el. Artificial Analysis îl evaluează la 66 pe Intelligence Index față de 61 și ia Humanity's Last Exam cu unelte 65,0% la 57,2%.
• Lucrezi în Claude Code. Fable 5.1 în Claude Code are cel mai mare scor înregistrat de Artificial Analysis pe Coding Agent Index, 70, și are implicit efort ridicat în acea interfață.

Cum să începi cu GPT-6 Astra și Claude Fable 5.1

Două detalii de acces te pot opri înainte de primul apel. Astra este dezactivat implicit pentru workspace-urile enterprise până când un administrator îl activează, iar Fable 5.1 cere retenție de date 30 de zile și nu este suportat pe Priority Tier. Acoperirea în cloud este aproape la egalitate între cei doi, Google Cloud fiind în prezent singura platformă pe care Fable 5.1 o are, iar GPT-6 Astra nu.

Folosirea GPT-6 Astra și Claude Fable 5.1 într-un agent de cod

Fiecare model este nativ în propriul său harness, Astra în Codex și Fable 5.1 în Claude Code, unde schimbi cu /model claude-fable-5-1 sau flagul --model. Prin API, schimbarea este un singur string, deși SDK-urile diferă.

from anthropic import Anthropic

client = Anthropic()
response = client.messages.create(
    model="claude-fable-5-1",  # OpenAI SDK equivalent: model="gpt-6-astra"
    max_tokens=16000,          # thinking plus response share this budget
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "Refactor this module..."}],
)
print(response.content[0].text)

Trei schimbări în Fable 5.1 îți vor rupe codul scris pentru Fable 5: selecția forțată a uneltelor returnează 400, modelele anterioare nu pot citi blocurile de gândire, iar blocurile de gândire sunt legate de istoricul exact dinaintea lor. Tutorialul API Claude Fable 5.1 parcurge toate cele trei, iar ghidul pentru începători al OpenAI API acoperă setarea echivalentă de cealaltă parte.

Concluzii

Alege după forma workloadului și costul măsurat, nu după tabelele de benchmark. GPT-6 Astra este mai puternic pentru agenți care navighează prin software, fac matematică sau produc artefacte gata de client și pare mai ieftin per task, în ciuda grilei de tarife identice. Claude Fable 5.1 îți aduce cel mai mare scor independent la raționament disponibil și costă mai puțin la cereri foarte mari și în bucle dominate de cache.

Grila de tarife este capcana în această comparație. Două modele la 10$ și 50$ par interschimbabile ca preț, iar singurul decalaj vizibil, citirile din cache, îl favorizează pe Anthropic de 4x. Apoi măsori cât cheltuie fiecare ca să termine o sarcină, iar Astra iese la 44% din costul lui Fable 5.1. Nu aș fi prezis asta din paginile de prețuri, și este singurul lucru pe care l-aș verifica pe traficul tău înainte de a decide.

Dacă vrei să lucrezi cu oricare model, nu doar să citești despre ele, îți recomand cursul nostru Introducere în modelele Claude pentru partea Anthropic și Lucrul cu OpenAI API pentru OpenAI.