Fable 5.1 對比 GPT-6 Astra:同價,不同帳單

# Fable與Astra:價格相同,帳單不同

9月1日,Anthropic 發布了 Claude Fable 5.1:曾以 Mythos 之名鎖在 trusted-access 計畫裡的同一套權重,終於進入正式可用,附帶一百萬 token 上下文,以及降到每百萬 $0.25 的快取讀取。兩天後,OpenAI 用 GPT-6 Astra 回應(這就是模型的實際名字,不是某個層級或別名):105 萬上下文、128K 輸出、原生電腦操作,並且成為 OpenAI 首個被列為 Critical 資安等級的模型——所以最敏感的能力透過受限的灰度發布到來。

然後是帳單。兩者都是輸入每百萬 $10、輸出 $50。同一個貨架,同一張貼紙,一分不差。

計分板沒能接住這個局面。llm-stats 把 Astra 排第一,60.7 對 56.8;benchlm 把 Fable 排第一,82.95 對 81.05;Artificial Analysis 把智力指數判給 Fable,卻把性價比獎給了 Astra。三位裁判,同樣的兩台機器,三種說法。

• 程式: 質量打平。仓库活在快取裡選 Fable,需要 128K 輸出選 Astra。
• 代理與電腦操作: OS 自動化選 Astra(原生,拿下 llm-stats 四項共享自動化基準中的三項);編排密集的棧選 Fable(benchlm 在 151 個模型中把它排第一)。
• 長文件: Astra,105 萬輸入、128K 輸出。
• 高併發推理: Astra,88.8 對 79.4,沒有懸念。
• 規模化成本: 任務型流量歸 Astra(每任務 $0.46 對 $0.77);上下文型流量歸 Fable。

規格對照

	fable 5.1	gpt-6 astra
發布	9月1日	9月3日
輸入 / 輸出價格	$10 / $50	$10 / $50
快取讀取	$0.25 / m	$1.00 / m
上下文	1m	1.05m
最大輸出	未公布	128k
知識截止	未公布	2026年4月30日
資安姿態	放寬拒答	critical 級,受限發布

唯一無聊的一行是價格。其餘每一行都是決策。

Astra 乾淨俐落贏下的地方

硬推理沒有爭論。benchlm 稱其推理類別是整個對比中差距最清晰的一項:88.8 對 79.4。OpenAI 的卡片也支撐這份底氣:ARC-AGI-2 公開集 95%(隱藏集的 prize bar 才是誠實的門檻)、FrontierMath Tier 4 97.6、GPQA 96。低推理檔位下,Astra 完成任務的成本是每任務 $0.46 對 Fable 的 $0.77——便宜的批量推理是 Astra 的壟斷區。

電腦操作同樣傾向 Astra:模型原生驅動桌面,拿下 llm-stats 四項共享自動化基準中的三項。Fable 保住編排型工作(benchlm 的 agentic 通道 151 個模型中排第一,Toolathlon-Verified 77.8),所以代理是一記平分。但如果工作是"點這個、跑那個",那就是 Astra 的主場。

Fable 掌舵的地方

快取。Fable 重讀你的上下文只要每百萬 $0.25,Astra 是 $1.00——而代理除了重讀上下文什麼也不幹。算一下真實的一個月:3 億輸入 token、6,000 萬輸出、2.7 億快取讀取,一個長壽編碼代理就是這麼跑的。Fable 落在 $1,867.50,Astra 是 $2,070。第二個月,上下文變熱、讀取佔比拉大,差距會擴大到 $3,000 以上。

這不是捨入誤差。這是"實驗"和"帳目科目"之間的差別。

細則

電腦操作基準 OSWorld 2.0 在一條通道裡把 Fable 加冕(77.9),在另一條裡把 Astra 加冕(72.6),而 Fable 的第二條通道只有 41.7。同一模型、同一測試的兩個分數相差 36 分,而且 OpenAI 自己的卡片供應了那個 72.6——裁判記分卡的一部分,原來是選手自己的作業。1990 年代的 PC 雜誌經歷過一模一樣的階段,教訓至今成立:王冠量的是實驗室,不是機器。

OpenAI 的卡片同時報告 Astra 的 ExploitBench 為 100,而利用型能力正因為如此被放進 trust gate。Fable 反向而行:放寬了曾攔截正常工作的拒答。兩者都不是腳註:如果合規簽一個模型、紅隊要另一個,那同樣是一條路由決策。

而能回答"過夜問題"的數字還不存在。METR 對這兩個發布什麼都沒測過。自主時長目前靠氛圍和演示影片出售。

計分板顯得失靈,只是因為它們一直被問錯問題。在哪件事上更好?這才是它們唯一能誠實回答的問題。