Fable 5.1 对比 GPT-6 Astra:同价,不同账单

# Fable与Astra:价格相同,账单不同

9月1日,Anthropic 发布了 Claude Fable 5.1:曾以 Mythos 之名锁在 trusted-access 项目里的同一套权重,终于进入正式可用,附带一百万 token 上下文,以及降到每百万 $0.25 的缓存读取。两天后,OpenAI 用 GPT-6 Astra 回应(这就是模型的实际名字,不是某个层级或别名):105 万上下文、128K 输出、原生计算机操作,并且成为 OpenAI 首个被列为 Critical 网络安全等级的模型——所以最敏感的能力通过受限的灰度发布到来。

然后是账单。两者都是输入每百万 $10、输出 $50。同一个货架,同一张贴纸,一分不差。

计分板没能接住这个局面。llm-stats 把 Astra 排第一,60.7 对 56.8;benchlm 把 Fable 排第一,82.95 对 81.05;Artificial Analysis 把智力指数判给 Fable,却把性价比奖给了 Astra。三位裁判,同样的两台机器,三种说法。

• 编程: 质量打平。仓库活在缓存里选 Fable,需要 128K 输出选 Astra。
• 代理与计算机操作: OS 自动化选 Astra(原生,拿下 llm-stats 四项共享自动化基准中的三项);编排密集的栈选 Fable(benchlm 在 151 个模型中把它排第一)。
• 长文档: Astra,105 万输入、128K 输出。
• 高并发推理: Astra,88.8 对 79.4,没有悬念。
• 规模化成本: 任务型流量归 Astra(每任务 $0.46 对 $0.77);上下文型流量归 Fable。

规格对照

	fable 5.1	gpt-6 astra
发布	9月1日	9月3日
输入 / 输出价格	$10 / $50	$10 / $50
缓存读取	$0.25 / m	$1.00 / m
上下文	1m	1.05m
最大输出	未公布	128k
知识截止	未公布	2026年4月30日
安全姿态	放宽拒答	critical 级,受限发布

唯一无聊的一行是价格。其余每一行都是决策。

Astra 干净利落赢下的地方

硬推理没有争论。benchlm 称其推理类别是整个对比中差距最清晰的一项:88.8 对 79.4。OpenAI 的卡片也支撑这份底气:ARC-AGI-2 公开集 95%(隐藏集的 prize bar 才是诚实的门槛)、FrontierMath Tier 4 97.6、GPQA 96。低推理档位下,Astra 完成任务的成本是每任务 $0.46 对 Fable 的 $0.77——便宜的批量推理是 Astra 的垄断区。

计算机操作同样倾向 Astra:模型原生驱动桌面,拿下 llm-stats 四项共享自动化基准中的三项。Fable 保住编排型工作(benchlm 的 agentic 通道 151 个模型中排第一,Toolathlon-Verified 77.8),所以代理是一记平分。但如果工作是"点这个、跑那个",那就是 Astra 的主场。

Fable 掌舵的地方

缓存。Fable 重读你的上下文只要每百万 $0.25,Astra 是 $1.00——而代理除了重读上下文什么也不干。算一下真实的一个月:3 亿输入 token、6,000 万输出、2.7 亿缓存读取,一个长寿编码代理就是这么跑的。Fable 落在 $1,867.50,Astra 是 $2,070。第二个月,上下文变热、读取占比拉大,差距会扩大到 $3,000 以上。

这不是舍入误差。这是"实验"和"账目科目"之间的差别。

细则

计算机操作基准 OSWorld 2.0 在一条通道里把 Fable 加冕(77.9),在另一条里把 Astra 加冕(72.6),而 Fable 的第二条通道只有 41.7。同一模型、同一测试的两个分数相差 36 分,而且 OpenAI 自己的卡片供应了那个 72.6——裁判记分卡的一部分,原来是选手自己的作业。1990 年代的 PC 杂志经历过一模一样的阶段,教训至今成立:王冠量的是实验室,不是机器。

OpenAI 的卡片同时报告 Astra 的 ExploitBench 为 100,而利用型能力正因为如此被放进 trust gate。Fable 反向而行:放宽了曾拦截正常工作的拒答。两者都不是脚注:如果合规签一个模型、红队要另一个,那同样是一条路由决策。

而能回答"过夜问题"的数字还不存在。METR 对这两个发布什么都没测过。自主时长目前靠氛围和演示视频出售。

计分板显得失灵,只是因为它们一直被问错问题。在哪件事上更好?这才是它们唯一能诚实回答的问题。