GPT-6.2 Astra vs. Claude Fable 5.2: Benchmark, Chi phí, và một bài test thực hành
GPT-6.2 Astra và Claude Fable 5.2 có giá token như nhau, nhưng không giống nhau về chi phí mỗi tác vụ. Chúng tôi so sánh benchmark, giá, quyền truy cập, và thực hiện một bài test thực hành ẩn danh.
Đầu tháng 11, Anthropic ra mắt Claude Fable 5.2 làm mẫu chủ lực mới. Ngày 17 tháng 11 năm 2026, OpenAI đáp lại với GPT-6.2 Astra, mẫu frontier mới, và các biểu đồ ra mắt của họ đặt Fable 5.2 cạnh Astra trên hầu hết benchmark.
Hai mẫu hiện có mức giá mỗi token giống hệt nhau, nên trên lý thuyết đây là cuộc đọ sức về năng lực thuần túy. Trong thực tế, hóa đơn kể một câu chuyện khác, và bài test thực hành của chúng tôi cũng vậy.
Để theo kịp lĩnh vực AI và dữ liệu, tôi khuyến nghị đăng ký bản tin hàng tuần The Median.
Tóm tắt nhanh
Không mẫu nào thắng tuyệt đối: GPT-6.2 Astra dẫn đầu công việc chuyên môn và phân tích, Claude Fable 5.2 dẫn đầu mã hóa mang tính tác vụ (agentic).
Giá mỗi token như nhau, nhưng Astra dùng ít token hơn nhiều, nên rẻ hơn đáng kể cho mỗi tác vụ.
Trong bài test video ẩn danh, chất lượng gần như hòa, nhưng Fable lặp lại một thông tin đã lỗi thời trong mọi video.
Chọn Fable cho agent mã hóa, thao tác máy tính, và triển khai trên Bedrock, Vertex AI, hoặc Azure.
Chọn Astra cho tài liệu, công việc pháp lý và tài chính, và bất kỳ khối lượng lớn nào.
GPT-6.2 Astra là gì?
GPT-6.2 Astra là mẫu frontier của OpenAI, phát hành tháng 11 năm 2026 với vị thế cao nhất trong họ GPT-6.2, trên GPT-6.2 Sol.
Thông điệp của nó: đầu ra chuyên nghiệp với chi phí mỗi tác vụ thấp hơn—slide, workbook, và tài liệu theo mẫu của bạn, cùng khả năng sử dụng máy tính trong công cụ CAD và mô phỏng.
Claude Fable 5.2 là mẫu chủ lực của Anthropic, phát hành tháng 11 năm 2026 cùng với Claude Mythos 5.2, phiên bản dành cho các tổ chức an ninh mạng và sinh y đã được thẩm định.
Anthropic định vị nó cho công việc kỹ thuật dài hạn: mã hóa agentic, sử dụng máy tính, và tác vụ nghiên cứu, với chế độ nhanh tùy chọn tạo token nhanh hơn tới 2,5 lần.
GPT-6.2 Astra vs Claude Fable 5.2: So sánh trực diện
Bức tranh năng lực là một quyết định chia đôi, và hầu hết khoảng cách benchmark chỉ vài điểm. Khoảng cách chi phí thì không: giá token như nhau, nhưng Fable cần nhiều token hơn để hoàn thành cùng tác vụ.
Tính năng
GPT-6.2 Astra
Claude Fable 5.2
Nhà phát triển
OpenAI
Anthropic
Giá token
Giống Fable
Giống Astra, input cache rẻ hơn
Chi phí mỗi tác vụ
Thấp hơn nhiều
Gấp 2,1x đến 20,8x của Astra theo biểu đồ OpenAI
Công việc chuyên nghiệp
Dẫn đầu (Agents' Last Exam, GDPval v2, Harvey LAB-AA)
Thấp hơn
Mã hóa agentic
Thấp hơn
Dẫn đầu (FrontierCode 2.0)
Khoa học, CAD, và suy luận
Dẫn các benchmark khoa học
Dẫn Intelligence Index
Sử dụng máy tính
Không có điểm so sánh tương đương được công bố
Điểm mạnh trên benchmark do Anthropic công bố
Bài test thực hành của chúng tôi
Chính xác nhất, rẻ hơn nhiều
Ổn định nhất, có một thông tin lỗi thời
Giá: cái bạn thực sự trả
Giá là khác biệt lớn nhất giữa hai mẫu này, dù mức phí theo token gần như giống hệt. Khác biệt nằm ở số token mỗi mẫu “đốt” cho mỗi tác vụ.
Mức phí token cạnh nhau
Mức phí
GPT-6.2 Astra
Claude Fable 5.2
Input, mỗi 1M token
$8.00
$8.00
Output, mỗi 1M token
$40.00
$40.00
Đọc input cache, mỗi 1M token
$0.40
$0.20
Ghi cache, mỗi 1M token
$10.00
$10.00
Chế độ nhanh, input / output mỗi 1M token
$16.00 / $80.00
$16.00 / $80.00
Mức phí khác biệt duy nhất là input cache, nơi Fable bằng một nửa giá của Astra, có lợi cho agent thường đọc lại ngữ cảnh dài và cố định. OpenAI cũng nhân đôi phí input của Astra cho yêu cầu trên 272K token; thông báo của Anthropic không nêu phụ phí tương tự cho Fable.
Chi phí một khối công việc thực tế
Tính theo mức chuẩn là (khối lượng ÷ 1M) × mức phí, cộng gộp input và output:
Khối công việc
GPT-6.2 Astra
Claude Fable 5.2
Chênh lệch
Trợ lý cân bằng: 1M in / 250K out mỗi tháng
$18.00
$18.00
$0 (0%)
Vòng lặp nặng cache: tiền tố 100K ghi một lần, 1.000 lần đọc cache, cộng 5K input mới / 1K output mỗi yêu cầu
$121.00
$101.00
Fable rẻ hơn $20 (17%)
Ở cùng số token, Fable không bao giờ đắt hơn, và hàng “nặng cache” là nơi nó rẻ hơn rõ rệt. Cái bẫy là giả định về số token bằng nhau.
Vì sao cùng tác vụ lại có chi phí khác nhau
Các biểu đồ ra mắt của OpenAI bao gồm chi phí mỗi tác vụ cho cả hai mẫu, và Fable đắt hơn ở mọi benchmark, từ 2,1x trên Vals Science Index đến 20,8x trên Agents' Last Exam ($60,05 so với $2,89 của Astra). Đây là phép đo của OpenAI về đối thủ, chủ yếu ở mức nỗ lực cao nhất của mỗi mẫu, nên hãy xem như định hướng thay vì báo giá.
Nguyên nhân là độ dài đầu ra: ở cùng mức phí, một mẫu viết nhiều token hơn nhiều, bao gồm token lý luận được tính là output, sẽ tốn kém hơn nhiều. Bài test của chúng tôi bên dưới cũng cho thấy điều tương tự.
Công việc chuyên nghiệp và quy trình agentic
GPT-6.2 Astra dẫn rõ ở đây: trên Harvey LAB-AA, chỉ tính điểm cho tài liệu pháp lý đáp ứng mọi yêu cầu, Astra đạt 15,0% so với 7,2% của Fable.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Ghi chú
Agents' Last Exam v1.1
78,3%
72,8%
Biểu đồ OpenAI; Fable ở mức nỗ lực tối đa
GDPval v2
50,4%
44,8%
Benchmark nội bộ OpenAI
Harvey LAB-AA v1.1
15,0%
7,2%
Biểu đồ OpenAI
AutomationBench 1.0.6
52,4%
51,4%
Cả hai nhà cung cấp báo Fable ở 51,4%
Remote Labor Index
Chưa công bố
41,3%
Bảng của Anthropic, so với GPT-6 Astra
Astra là lựa chọn tốt hơn cho tài liệu và phân tích sẵn sàng cho khách hàng, dù AutomationBench là hòa và kết quả Remote Labor Index của Anthropic chưa có đối sánh GPT-6.2.
Mã hóa agentic
Fable 5.2 viết mã mạnh hơn trên benchmark mà cả hai đều báo cáo: 49,1% trên FrontierCode 2.0—đánh giá liệu thay đổi mã đáp ứng tiêu chuẩn gộp nhánh của maintainer—so với 44,2% của Astra.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Ghi chú
FrontierCode 2.0
44,2%
49,1%
Hai bên thống nhất điểm của Fable
FrontierSWE v2
Chưa công bố
69,9%
Bảng của Anthropic
SecureSWE
65,7%
Chưa công bố
Benchmark nội bộ OpenAI
Biểu đồ FrontierCode của OpenAI cho thấy đánh đổi: Fable đạt điểm cao hơn, nhưng với chi phí mỗi tác vụ cao hơn nhiều.
Với agent mã hóa nơi chất lượng quan trọng hơn chi phí, hãy chọn Fable.
Khoa học, CAD, và suy luận tổng quát
Khía cạnh này chia đôi: GPT-6.2 Astra dẫn các benchmark khoa học, trong khi Fable 5.2 dẫn hợp phần suy luận rộng và hòa ở CAD.
Benchmark
GPT-6.2 Astra
Claude Fable 5.2
Ghi chú
Terminal-Bench-Science 0.1
77,1%
73,3%
Fable qua bộ công cụ của Artificial Analysis; Anthropic báo 74,6% trong Claude Code
Vals Science Index v1
68,4%
63,7%
Biểu đồ OpenAI
Artificial Analysis Intelligence Index v5.0.1
62,1
64,6
Điểm chỉ số
BenchCAD 2.1 Core
82,5%
83,5%
Gần như hòa
Humanity's Last Exam (có công cụ)
Chưa công bố
74,2%
Bảng của Anthropic
Cho phân tích khoa học, Astra nhỉnh hơn; cho suy luận tổng quát, Fable nhỉnh hơn, dưới 3 điểm trên hợp phần.
Sử dụng máy tính, 3D, và robot
Anthropic báo cáo kết quả mạnh về sử dụng máy tính và robot cho Fable 5.2, bao gồm 89,3% trên OSWorld 2.1, nhưng OpenAI không công bố điểm GPT-6.2 Astra tương ứng, nên không có so găng trực tiếp. Con số chung duy nhất nghiêng về Astra: trên AA-3D của Artificial Analysis, nơi giám khảo con người bỏ phiếu giữa hai bản dựng 3D ẩn danh, Astra xếp hạng nhất với Elo 1.318 so với 1.271 của Fable.
Nếu khối công việc của bạn là một agent vận hành phần mềm desktop, Fable hiện có bằng chứng mạnh hơn đứng sau.
Kết quả thực tế của GPT-6.2 Astra và Claude Fable 5.2
Các benchmark từ hai nhà cung cấp cạnh tranh chỉ đi được đến vậy, nên tôi giao cho cả hai cùng một tác vụ mã hóa sáng tạo, với prompt và công cụ giống hệt nhau.
Tác vụ: viết script cho Manim, thư viện Python dựng phim hoạt họa nổi tiếng, để render video giải thích 60 giây về giả thuyết Collatz cho học sinh trung học. Quy tắc nghe có vẻ đơn giản (số chẵn chia đôi, số lẻ nhân ba cộng 1), và chưa ai chứng minh mọi số bắt đầu đều kết thúc ở 1.
Điểm khó là các mẫu không thấy video của chính mình. Chúng không thể chạy script, nên phải render đúng ngay lần đầu, nhìn ổn, và chính xác, không có bản xem trước nào. Video giải thích cũng dễ mời gọi những chi tiết nghe ấn tượng, và mọi phát biểu trên màn hình đều phải đúng.
Cả hai mẫu chạy trong OpenCode với bề mặt công cụ cố định (chỉ đọc, tìm kiếm, và chỉnh sửa file), cùng mức nỗ lực lý luận cao, mỗi lần trong một phiên mới. Vì đề bài sáng tạo dễ gặp may rủi, tôi chạy mỗi mẫu 3 lần và render cả 6 video.
Sau đó tôi chấm video ẩn danh, xáo trộn và gán nhãn A đến F, trên 4 câu hỏi: mọi thứ trên màn hình có đúng không, học sinh có nắm được ý không, có thú vị để xem không, và có trông hoàn chỉnh không. Đây là một khoảnh khắc từ video tốt nhất của GPT-6.2 Astra:
Kết luận chính:
Cả 6 script đều render ngay lần đầu. Mỗi video lệch mục tiêu 60 giây không quá 3 giây, không lỗi và không cần sửa.
Về chất lượng, gần như hòa. Trên cả 4 câu hỏi, hai mẫu có điểm trung bình chênh nhau chưa đến một phần mười điểm. Fable nhất quán hơn về làm phim: cả 3 video đều theo một mạch trau chuốt, kết thúc bằng hai cách giả thuyết có thể sai và cú chốt "Chưa ai biết".
Astra làm video hay nhất và yếu nhất. Video hay nhất giải thích số 7 thay vì 6 hay 27, rồi cho thấy đường đi từ các số khác nhau nhập vào nhau và đi cùng, một ý sâu hơn thực sự so với mọi video khác. Video yếu nhất thì đơn giản, với các phương trình bị xáo trộn ngắn ở mỗi chuyển cảnh.
Độ chính xác phân định kết quả. Cả 3 video của Fable khẳng định máy tính đã kiểm tra mọi số bắt đầu tới 2^68. Đó là kỷ lục năm 2020; từ 2025 đã là 2^71. Video của Astra không nêu tuyên bố nào mà chúng không thể chứng minh.
Đây là tuyên bố trong các video của Fable. Nó đúng trong phạm vi của nó, nhưng trình bày một cột mốc 5 năm trước như trạng thái hiện tại, trong cả 3 lần chạy:
Và đây là hoạt họa hành trình leo dốc dài của 27 do Fable dựng, cho thấy vì sao video của nó đạt điểm cao về tay nghề:
Khoảng cách chi phí rất lớn. Script của Fable tốn $3,84 đến $4,35 mỗi bản, còn Astra $0,40 đến $0,84, vì Fable viết nhiều token output hơn 4 đến 10 lần, và chậm hơn nhiều.
Chỉ số
GPT-6.2 Astra
Claude Fable 5.2
Chi phí mỗi lần chạy (USD)
$0.84, $0.61, $0.40
$4.35, $3.84, $4.19
Token output (bao gồm lý luận)
17.551, 10.828, 8.124
84.822, 74.457, 81.316
Độ chính xác, theo lượt chạy
5, 5, 5
4, 4, 4
Điểm rubric (trung bình bốn trục), theo lượt chạy
4,8; 4,8; 3,8
4,2; 4,8; 4,5
Vậy mẫu nào thắng? Không mẫu nào về chất lượng, và Astra thắng ở mọi thứ xung quanh: cùng tiêu chuẩn video, không có thông tin sai trên màn hình, với chi phí khoảng một phần sáu. Tính nhất quán của Fable là có thật, nhưng thói quen lặp lại một thực tế cũ kỹ với sự tự tin cũng vậy.
Khi nào chọn GPT-6.2 Astra và khi nào chọn Claude Fable 5.2
Vì giá token trùng nhau, quyết định phụ thuộc vào hai câu hỏi: tác vụ có thiên về thế mạnh mã hóa và sử dụng máy tính của Fable không, và bạn có chịu được việc tiêu tốn nhiều lần token hơn cho mỗi tác vụ không?
Chọn GPT-6.2 Astra nếu...
Bạn sản xuất tài liệu sẵn sàng cho khách hàng, dự thảo pháp lý, hoặc phân tích tài chính, nơi Astra dẫn các benchmark công việc chuyên nghiệp.
Bạn chạy khối lượng tác vụ lớn, nơi việc dùng ít token hơn của Astra cắt giảm hóa đơn dù mức phí giống hệt.
Bạn cần phân tích khoa học trong terminal hoặc notebook, nơi Astra dẫn cả hai benchmark khoa học.
Độ chính xác trong công việc sáng tạo hoặc giải thích mở quan trọng với bạn, như trong bài test của chúng tôi.
Chọn Claude Fable 5.2 nếu...
Bạn chạy agent mã hóa trên kho mã thực, nơi Fable dẫn FrontierCode 2.0 khoảng 5 điểm.
Agent của bạn vận hành phần mềm desktop: Anthropic báo 89,3% trên OSWorld 2.1 cho Fable, và OpenAI chưa công bố điểm tương ứng cho Astra.
Bạn triển khai qua AWS Bedrock, Google Vertex AI, hoặc Azure AI Foundry, đều liệt kê Fable. Tài liệu Azure không liệt kê Astra, và chúng tôi không xác nhận được trên hai nền tảng còn lại.
Agent của bạn tái sử dụng ngữ cảnh dài và cố định, nơi input cache của Fable tốn nửa chi phí.
Bắt đầu với GPT-6.2 Astra và Claude Fable 5.2 như thế nào
Bề mặt
GPT-6.2 Astra
Claude Fable 5.2
Ứng dụng tiêu dùng
ChatGPT Work và Codex (Plus, Pro, Enterprise, Edu)
Ứng dụng Claude (mở cho mọi người dùng)
API của nhà cung cấp
OpenAI API
Claude Platform
Nền tảng đám mây
Không được liệt kê trong tài liệu Azure AI Foundry tính đến 17/11/2026
AWS Bedrock, Google Vertex AI, Azure AI Foundry
Agent mã hóa
Codex; không được liệt kê trong tài liệu Cursor hoặc GitHub Copilot tại thời điểm viết
GitHub Copilot; không được liệt kê trong tài liệu Cursor tại thời điểm viết
Bộ định tuyến bên thứ ba
OpenRouter
OpenRouter
ID model API
gpt-6.2-astra
claude-fable-5-2
Khác biệt lớn nhất là độ phủ đám mây: Fable có mặt trên cả ba nền tảng lớn, trong khi Astra truy cập qua API và sản phẩm của chính OpenAI. Trên OpenRouter, hai mẫu chỉ khác một chuỗi ký tự:
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)Được hỗ trợ bởi
Về năng lực, GPT-6.2 Astra và Claude Fable 5.2 chia nhau phần thắng: Astra cho công việc chuyên môn và phân tích, Fable cho mã hóa và sử dụng máy tính.
Về chi phí, Astra gần như thắng ở mọi nơi, vì giá token giống hệt che giấu khẩu vị token rất khác nhau.
Tôi là một cây bút và biên tập viên về khoa học dữ liệu, đã có bài đóng góp cho các nghiên cứu đăng trên tạp chí khoa học. Tôi đặc biệt quan tâm đến đại số tuyến tính, thống kê, R và các chủ đề tương tự. Tôi cũng chơi cờ vua khá thường xuyên!
Câu hỏi thường gặp
GPT-6.2 Astra có tốt hơn Claude Fable 5.2 không?⌄
Không mẫu nào tốt hơn trên mọi phương diện. GPT-6.2 Astra dẫn đầu các benchmark chuyên môn và phân tích như Harvey LAB-AA và GDPval v2, trong khi Claude Fable 5.2 dẫn đầu mã hóa agentic trên FrontierCode 2.0. Cả hai có giá token như nhau, nhưng Astra dùng ít token hơn nhiều cho mỗi tác vụ, nên thường rẻ hơn đáng kể.
GPT-6.2 Astra và Claude Fable 5.2 có giá bao nhiêu?⌄
Cả hai có giá $8 cho mỗi triệu token input và $40 cho mỗi triệu token output, với chế độ nhanh ở mức $16 và $80. Input cache của Fable rẻ hơn ở $0,20 mỗi triệu so với $0,40 của Astra. Trên biểu đồ của OpenAI, Fable vẫn tốn 2,1 đến 20,8 lần chi phí cho mỗi tác vụ vì dùng nhiều token hơn.
Mẫu nào tốt hơn cho mã hóa, GPT-6.2 Astra hay Claude Fable 5.2?⌄
Claude Fable 5.2 mã hóa mạnh hơn trên benchmark mà cả hai cùng báo cáo, đạt 49,1% trên FrontierCode 2.0 so với 44,2% của GPT-6.2 Astra. Astra rẻ hơn nhiều cho mỗi tác vụ mã hóa, nên là lựa chọn hợp lý cho khối lượng lớn hoặc công việc nhạy chi phí.
Tôi có thể truy cập GPT-6.2 Astra và Claude Fable 5.2 ở đâu?⌄
GPT-6.2 Astra có trong ChatGPT Work và Codex cho người dùng Plus, Pro, Enterprise, và Edu, và trong OpenAI API. Claude Fable 5.2 có trong ứng dụng Claude, Claude Platform, AWS Bedrock, Google Vertex AI, Azure AI Foundry, và GitHub Copilot. Cả hai đều có trên OpenRouter.
ID model API của GPT-6.2 Astra và Claude Fable 5.2 là gì?⌄
Trong API của nhà cung cấp, GPT-6.2 Astra là gpt-6.2-astra và Claude Fable 5.2 là claude-fable-5-2. Trên OpenRouter, lần lượt là openai/gpt-6.2-astra và anthropic/claude-fable-5.2, nên chuyển đổi giữa chúng trong client tương thích OpenAI chỉ là thay một chuỗi. Cả hai mẫu cũng cung cấp năm mức nỗ lực lý luận, từ thấp đến tối đa.
Đầu tháng 11, Anthropic ra mắt Claude Fable 5.2 làm mẫu chủ lực mới. Ngày 17 tháng 11 năm 2026, OpenAI đáp lại với GPT-6.2 Astra, mẫu frontier mới, và các biểu đồ ra mắt của họ đặt Fable 5.2 cạnh Astra trên hầu hết benchmark.
Hai mẫu hiện có mức giá mỗi token giống hệt nhau, nên trên lý thuyết đây là cuộc đọ sức về năng lực thuần túy. Trong thực tế, hóa đơn kể một câu chuyện khác, và bài test thực hành của chúng tôi cũng vậy.
Để theo kịp lĩnh vực AI và dữ liệu, tôi khuyến nghị đăng ký bản tin hàng tuần The Median.
Tóm tắt nhanh
GPT-6.2 Astra là gì?
GPT-6.2 Astra là mẫu frontier của OpenAI, phát hành tháng 11 năm 2026 với vị thế cao nhất trong họ GPT-6.2, trên GPT-6.2 Sol.
Thông điệp của nó: đầu ra chuyên nghiệp với chi phí mỗi tác vụ thấp hơn—slide, workbook, và tài liệu theo mẫu của bạn, cùng khả năng sử dụng máy tính trong công cụ CAD và mô phỏng.
Bài đăng ra mắt của OpenAI trình bày bản phát hành, và hướng dẫn API GPT-6 Astra của chúng tôi cho thấy cách xây dựng với thế hệ trước.
Claude Fable 5.2 là gì?
Claude Fable 5.2 là mẫu chủ lực của Anthropic, phát hành tháng 11 năm 2026 cùng với Claude Mythos 5.2, phiên bản dành cho các tổ chức an ninh mạng và sinh y đã được thẩm định.
Anthropic định vị nó cho công việc kỹ thuật dài hạn: mã hóa agentic, sử dụng máy tính, và tác vụ nghiên cứu, với chế độ nhanh tùy chọn tạo token nhanh hơn tới 2,5 lần.
Hướng dẫn Fable 5.2 của chúng tôi đề cập đến lần ra mắt; hướng dẫn API Fable 5.2 hướng dẫn xây dựng một agent kiểm định giả thuyết.
GPT-6.2 Astra vs Claude Fable 5.2: So sánh trực diện
Bức tranh năng lực là một quyết định chia đôi, và hầu hết khoảng cách benchmark chỉ vài điểm. Khoảng cách chi phí thì không: giá token như nhau, nhưng Fable cần nhiều token hơn để hoàn thành cùng tác vụ.
Giá: cái bạn thực sự trả
Giá là khác biệt lớn nhất giữa hai mẫu này, dù mức phí theo token gần như giống hệt. Khác biệt nằm ở số token mỗi mẫu “đốt” cho mỗi tác vụ.
Mức phí token cạnh nhau
Mức phí khác biệt duy nhất là input cache, nơi Fable bằng một nửa giá của Astra, có lợi cho agent thường đọc lại ngữ cảnh dài và cố định. OpenAI cũng nhân đôi phí input của Astra cho yêu cầu trên 272K token; thông báo của Anthropic không nêu phụ phí tương tự cho Fable.
Chi phí một khối công việc thực tế
Tính theo mức chuẩn là (khối lượng ÷ 1M) × mức phí, cộng gộp input và output:
Ở cùng số token, Fable không bao giờ đắt hơn, và hàng “nặng cache” là nơi nó rẻ hơn rõ rệt. Cái bẫy là giả định về số token bằng nhau.
Vì sao cùng tác vụ lại có chi phí khác nhau
Các biểu đồ ra mắt của OpenAI bao gồm chi phí mỗi tác vụ cho cả hai mẫu, và Fable đắt hơn ở mọi benchmark, từ 2,1x trên Vals Science Index đến 20,8x trên Agents' Last Exam ($60,05 so với $2,89 của Astra). Đây là phép đo của OpenAI về đối thủ, chủ yếu ở mức nỗ lực cao nhất của mỗi mẫu, nên hãy xem như định hướng thay vì báo giá.
Nguyên nhân là độ dài đầu ra: ở cùng mức phí, một mẫu viết nhiều token hơn nhiều, bao gồm token lý luận được tính là output, sẽ tốn kém hơn nhiều. Bài test của chúng tôi bên dưới cũng cho thấy điều tương tự.
Công việc chuyên nghiệp và quy trình agentic
GPT-6.2 Astra dẫn rõ ở đây: trên Harvey LAB-AA, chỉ tính điểm cho tài liệu pháp lý đáp ứng mọi yêu cầu, Astra đạt 15,0% so với 7,2% của Fable.
Astra là lựa chọn tốt hơn cho tài liệu và phân tích sẵn sàng cho khách hàng, dù AutomationBench là hòa và kết quả Remote Labor Index của Anthropic chưa có đối sánh GPT-6.2.
Mã hóa agentic
Fable 5.2 viết mã mạnh hơn trên benchmark mà cả hai đều báo cáo: 49,1% trên FrontierCode 2.0—đánh giá liệu thay đổi mã đáp ứng tiêu chuẩn gộp nhánh của maintainer—so với 44,2% của Astra.
Biểu đồ FrontierCode của OpenAI cho thấy đánh đổi: Fable đạt điểm cao hơn, nhưng với chi phí mỗi tác vụ cao hơn nhiều.
Với agent mã hóa nơi chất lượng quan trọng hơn chi phí, hãy chọn Fable.
Khoa học, CAD, và suy luận tổng quát
Khía cạnh này chia đôi: GPT-6.2 Astra dẫn các benchmark khoa học, trong khi Fable 5.2 dẫn hợp phần suy luận rộng và hòa ở CAD.
Cho phân tích khoa học, Astra nhỉnh hơn; cho suy luận tổng quát, Fable nhỉnh hơn, dưới 3 điểm trên hợp phần.
Sử dụng máy tính, 3D, và robot
Anthropic báo cáo kết quả mạnh về sử dụng máy tính và robot cho Fable 5.2, bao gồm 89,3% trên OSWorld 2.1, nhưng OpenAI không công bố điểm GPT-6.2 Astra tương ứng, nên không có so găng trực tiếp. Con số chung duy nhất nghiêng về Astra: trên AA-3D của Artificial Analysis, nơi giám khảo con người bỏ phiếu giữa hai bản dựng 3D ẩn danh, Astra xếp hạng nhất với Elo 1.318 so với 1.271 của Fable.
Nếu khối công việc của bạn là một agent vận hành phần mềm desktop, Fable hiện có bằng chứng mạnh hơn đứng sau.
Kết quả thực tế của GPT-6.2 Astra và Claude Fable 5.2
Các benchmark từ hai nhà cung cấp cạnh tranh chỉ đi được đến vậy, nên tôi giao cho cả hai cùng một tác vụ mã hóa sáng tạo, với prompt và công cụ giống hệt nhau.
Tác vụ: viết script cho Manim, thư viện Python dựng phim hoạt họa nổi tiếng, để render video giải thích 60 giây về giả thuyết Collatz cho học sinh trung học. Quy tắc nghe có vẻ đơn giản (số chẵn chia đôi, số lẻ nhân ba cộng 1), và chưa ai chứng minh mọi số bắt đầu đều kết thúc ở 1.
Điểm khó là các mẫu không thấy video của chính mình. Chúng không thể chạy script, nên phải render đúng ngay lần đầu, nhìn ổn, và chính xác, không có bản xem trước nào. Video giải thích cũng dễ mời gọi những chi tiết nghe ấn tượng, và mọi phát biểu trên màn hình đều phải đúng.
Cả hai mẫu chạy trong OpenCode với bề mặt công cụ cố định (chỉ đọc, tìm kiếm, và chỉnh sửa file), cùng mức nỗ lực lý luận cao, mỗi lần trong một phiên mới. Vì đề bài sáng tạo dễ gặp may rủi, tôi chạy mỗi mẫu 3 lần và render cả 6 video.
Sau đó tôi chấm video ẩn danh, xáo trộn và gán nhãn A đến F, trên 4 câu hỏi: mọi thứ trên màn hình có đúng không, học sinh có nắm được ý không, có thú vị để xem không, và có trông hoàn chỉnh không. Đây là một khoảnh khắc từ video tốt nhất của GPT-6.2 Astra:
Kết luận chính:
Đây là tuyên bố trong các video của Fable. Nó đúng trong phạm vi của nó, nhưng trình bày một cột mốc 5 năm trước như trạng thái hiện tại, trong cả 3 lần chạy:
Và đây là hoạt họa hành trình leo dốc dài của 27 do Fable dựng, cho thấy vì sao video của nó đạt điểm cao về tay nghề:
Khoảng cách chi phí rất lớn. Script của Fable tốn $3,84 đến $4,35 mỗi bản, còn Astra $0,40 đến $0,84, vì Fable viết nhiều token output hơn 4 đến 10 lần, và chậm hơn nhiều.
Vậy mẫu nào thắng? Không mẫu nào về chất lượng, và Astra thắng ở mọi thứ xung quanh: cùng tiêu chuẩn video, không có thông tin sai trên màn hình, với chi phí khoảng một phần sáu. Tính nhất quán của Fable là có thật, nhưng thói quen lặp lại một thực tế cũ kỹ với sự tự tin cũng vậy.
Khi nào chọn GPT-6.2 Astra và khi nào chọn Claude Fable 5.2
Vì giá token trùng nhau, quyết định phụ thuộc vào hai câu hỏi: tác vụ có thiên về thế mạnh mã hóa và sử dụng máy tính của Fable không, và bạn có chịu được việc tiêu tốn nhiều lần token hơn cho mỗi tác vụ không?
Chọn GPT-6.2 Astra nếu...
Chọn Claude Fable 5.2 nếu...
Bắt đầu với GPT-6.2 Astra và Claude Fable 5.2 như thế nào
gpt-6.2-astraclaude-fable-5-2Khác biệt lớn nhất là độ phủ đám mây: Fable có mặt trên cả ba nền tảng lớn, trong khi Astra truy cập qua API và sản phẩm của chính OpenAI. Trên OpenRouter, hai mẫu chỉ khác một chuỗi ký tự:
Để thiết lập đầy đủ, xem hướng dẫn API Fable 5.2 và hướng dẫn API GPT-6 Astra của chúng tôi.
Kết luận
Về năng lực, GPT-6.2 Astra và Claude Fable 5.2 chia nhau phần thắng: Astra cho công việc chuyên môn và phân tích, Fable cho mã hóa và sử dụng máy tính.
Về chi phí, Astra gần như thắng ở mọi nơi, vì giá token giống hệt che giấu khẩu vị token rất khác nhau.
Nếu bạn muốn tìm hiểu sâu hơn về xây dựng với các mẫu của Anthropic, tôi khuyên xem khóa Introduction to Claude Models. Với OpenAI, hãy thử Working with the OpenAI API.