Fable 5.1 対 GPT-6 Astra: 同じ価格、違う請求

# FableとAstra、価格は同じでも請求額が違う。

Anthropic は9月の幕開けに Claude Fable 5.1 を出荷した。Mythos の名前で trusted-access パートナーに限定されていたのと同じ重みが、ついに一般提供へ。100万トークンのコンテキスト、キャッシュ読み込みは100万あたり$0.25に。2日後、OpenAI は GPT-6 Astra で応えた(ティアでもエイリアスでもなく、これがモデルの実際の名前だ):105万コンテキスト、128K出力、ネイティブな computer use、そして OpenAI のモデルとして初めてサイバーセキュリティが Critical にタグ付けされた。だから刺激的な部分は gate 付きの段階的ロールアウトで届く。

そして請求額。両モデルとも、入力100万トークンで$10、出力で$50。同じ棚、同じステッカー、1セントまで同じ。

スコアボードはこの局面を処理できなかった。llm-stats は Astra を1位、60.7対56.8。benchlm は逆に Fable を82.95対81.05で1位に。Artificial Analysis はインテリジェンス指数を Fable に分け、コスパの賞を Astra へ。審判3人、同じ2台のマシンについて3つの話。

• コーディング: 品質は引き分け。リポジトリがキャッシュに住んでいるなら Fable、128Kの出力が要るなら Astra。
• エージェントと computer use: OS自動化は Astra(ネイティブで、共有オートメーションベンチマーク4つのうち3つを llm-stats で獲得)。オーケストレーション重視のスタックは Fable(benchlm が151モデル中1位にランク)。
• 長文ドキュメント: Astra。105万入力、128K出力。
• 高ボリュームの推論: Astra。88.8対79.4、大差。
• スケールでのコスト: タスク型のボリュームは Astra(タスクあたり$0.46対$0.77)。コンテキスト型のボリュームは Fable。

スペック表

	fable 5.1	gpt-6 astra
リリース	9月1日	9月3日
入力 / 出力価格	$10 / $50	$10 / $50
キャッシュ読み込み	$0.25 / m	$1.00 / m
コンテキスト	1m	1.05m
最大出力	非公開	128k
知識カットオフ	非公開	2026年4月30日
セキュリティ姿勢	適用の緩和	criticalレベル、gate付き

退屈な行は価格だけ。それ以外はすべて意思決定だ。

Astra が素通りで勝つ領域

難しい推論は議論の余地がない。benchlm は推論カテゴリを比較全体で最も鮮明な差がついた部分と呼び、88.8対79.4。OpenAI のカード もその強気を裏付ける:ARC-AGI-2 の公開セットで95%(隠しセットの prize bar こそ正直な gate)、FrontierMath Tier 4 で97.6、GPQA で96。低推論 effort ではタスクあたり$0.46対 Fable の$0.77となり、安価な推論の大量処理は Astra の独占状態だ。

computer use も同じ方向に傾く。モデルはデスクトップをネイティブに操作し、llm-stats の共有オートメーションベンチマーク4つのうち3つを取った。Fable が保持するのはオーケストレーション型の仕事(benchlm の agentic レーンで151モデル中1位、Toolathlon-Verified は77.8)。だからエージェントは割れる。ただし仕事が「あれをクリックし、これを実行する」なら、そこは Astra のホームグラウンドだ。

Fable がハンドルを握る場所

キャッシュだ。Fable はコンテキストの再読み込みを100万あたり$0.25で行い、Astra は$1.00。そしてエージェントはコンテキストの再読み込み以外をしていない。実際の1ヶ月を回してみる:入力3億トークン、出力6,000万、キャッシュ読み込み2.7億。長寿のコーディングエージェントが実際に動く方式だ。Fable は$1,867.50。Astra は$2,070。2ヶ月目、コンテキストが温まり読み取り比率が広がると、差は$3,000を超えて広がる。

これは丸め誤差ではない。実験と経費項目の違いだ。

留意点

computer use ベンチマークの OSWorld 2.0 は、あるレーンでは Fable(77.9)を、別のレーンでは Astra(72.6)を王位に付けた。同じモデルの2つのスコアは36ポイント離れており、OpenAI のカードがその72.6を供給している。つまり審判のスコアカードの一部は、出場者自身の宿題だった。1990年代の PC 雑誌はこのフェーズをそのまま通過した。教訓は今も同じ:王冠が測ったのはマシンではなくラボだ。

OpenAI のカード で Astra の ExploitBench は報告値100とされ、exploit 型の能力がそれを理由に trust gate の後ろに座っている。Fable は逆に、良性の仕事を拒否していた refusals を緩めた。どちらも脚注ではない。コンプライアンスが片方に署名し、レッドチームがもう片方を欲しいなら、それもルーティング決定の一種だ。

そして一晩放置できるかという問いを決める数字は存在しない。METR は両リリースについて何も公表していない。自律稼働時間は現在、デモ映像と雰囲気で売られている。

リーダーボードが壊れて見えるのは、間違った質問を投げ続けているからだ。何において優れているか?それこそが、彼らがまっすぐ答える唯一の質問だ。