GPT-6 Astra против Claude Fable 5.1: программирование, Agent, цены и сравнение бенчмарков

Сразу к выводу: GPT-6 Astra — более сильная универсальная модель в общих бенчмарках, а Claude Fable 5.1 привлекательнее для длительных Agent-задач, стоимости кэша и рабочих процессов Claude Code. Если задачи в основном касаются терминального программирования, управления компьютером, математики, миграции баз данных или выполнения действий между инструментами — в первую очередь пробуйте GPT-6 Astra; если Agent должен работать непрерывно несколько часов, многократно перечитывать один и тот же контекст, или команда уже глубоко использует Claude Code, Fable 5.1 всё ещё может подойти больше.

Это не просто «на скольких пунктах выиграл GPT-6». Номинальные цены API на вход и выход у двух моделей полностью одинаковы, но чтение кэша отличается в четыре раза; опубликованные вендорами бенчмарки различаются по harness, effort, политикам безопасности и отсутствующим данным. Статья актуальна на 5 сентября 2026 года; сравниваются только официально проверяемые данные, а места, которые нельзя напрямую сопоставить, отмечены отдельно.

GPT-6 Astra и Claude Fable 5.1: ключевые характеристики в одной таблице

Характеристики взяты со страницы модели OpenAI GPT-6 Astra и страницы модели Anthropic Fable 5.1. OpenAI также указывает: когда вход превышает 272K токенов, цены входа и кэша для всего запроса удваиваются, а цена вывода увеличивается в 1.5 раза. Поэтому «у GPT-6 на 50 000 токенов больше контекста» не означает, что сверхдлинные задачи обязательно дешевле.

Поэтапное открытие GPT-6 Astra завершено, поэтому «кто первым получит доступ» больше не является основным критерием выбора. «Полная доступность» здесь по-прежнему означает подходящие платные тарифы, Codex и API: Free/Go, доступ к GPT-6 Pro в Chat и ограниченные возможности кибербезопасности имеют отдельные границы — подробнее см. в пояснениях о доступе и безопасности GPT-6 Astra.

Сравнение бенчмарков: GPT-6 Astra против Claude Fable 5.1

Ниже приведены только те показатели, по которым есть результаты у обеих сторон или причина отсутствия которых заслуживает пояснения. Результаты взяты из официальных материалов обеих сторон. Жирным выделено более высокое значение в строке; — означает лишь, что в опубликованной таблице нет данных, а не нулевой результат модели.

| Область | Бенчмарк | GPT-6 Astra | Fable 5.1 | Лидер | |---|---:|---:|---| | Научный терминал | Terminal-Bench Science | 64.6% | 52.6% | GPT-6 +12.0 | | Сложная математика | FrontierMath Tier 4 | 97.6% | 87.8% | GPT-6 +9.8 | | Научные вопросы и ответы | GPQA Diamond | 96.0% | 93.7% | GPT-6 +2.3 | | Междисциплинарные рассуждения | HLE (с инструментами) | 57.2% | 65.0% | Fable +7.8 | | Вопросы и ответы о здоровье | HealthBench Pro | 63.4% | 56.6% | GPT-6 +6.8 | | Автоматизация бизнеса | AutomationBench | 41.4% | 31.4% | GPT-6 +10.0 | | CAD | BenchCAD | 95.9% | 84.3% | GPT-6 +11.6 | | Общий интеллект | AA Intelligence Index | 61.2 | 65.7 | Fable +4.5 | | Терминальное программирование | Terminal-Bench 4.0 | 57.7% | 55.8% | GPT-6 +1.9 | | Программная инженерия | DeepSWE v1.1 | 74.1% | 67.4% | GPT-6 +6.7 | | Расширенное программирование | FrontierCode Ext. | 64.5% | 63.6% | GPT-6 +0.9 | | Основное программирование | FrontierCode Main | 53.3% | 50.9% | GPT-6 +2.4 | | Миграция баз данных | DB Migration | 63.9% | 57.8% | GPT-6 +6.1 | | Абстрактные рассуждения | ARC-AGI-2 | 95.0% | 90.0% | GPT-6 +5.0 | | Абстрактные рассуждения | ARC-AGI-1 | 98.5% | 97.5% | GPT-6 +1.0 |

Эти данные подтверждают три ограниченных вывода:

1. Преимущества GPT-6 Astra охватывают более широкий круг задач, особенно научный терминал, математику, CAD, автоматизацию бизнеса и миграцию баз данных.
2. Fable 5.1 не отстаёт по всем направлениям: он выше в режиме HLE с инструментами и в Artificial Analysis Intelligence Index.
3. Разницу менее чем в два-три процентных пункта не стоит переоценивать. Методика запуска, выборка, инструменты, бюджет рассуждений или случайность могут изменить итоговые места.

В материалах OpenAI также приведены Agents' Last Exam 59.3%, OSWorld 2.0 72.6% и ScreenSpot-Pro 92.7%, но в той же таблице нет соответствующих значений для Fable 5.1, поэтому по этим строкам нельзя объявлять Fable проигравшим. В свою очередь, показатели CursorBench 3.2.0, GDPval-AA v2 и OSWorld partial/strict со страницы Anthropic нельзя напрямую сопоставлять с цифрами OpenAI, полученными при другой конфигурации.

Программирование: GPT-6 сильнее, но разница зависит от задачи

Если вопрос в том, «какая модель лучше подходит для программирования — GPT-6 Astra или Fable 5.1», официальные общие данные скорее в пользу GPT-6: Terminal-Bench 4.0 выше на 1.9 процентного пункта, DeepSWE v1.1 — на 6.7, DB Migration — на 6.1. Его результаты в ScreenSpot-Pro, BenchCAD и задачах, связанных с Computer Use, также говорят о том, что модель не просто генерирует код, а лучше справляется с задачами в реальных программных интерфейсах.

Но разные бенчмарки кодинга измеряют не одно и то же:

• Terminal-Bench ближе к задаче понять окружение в терминале, изменить файлы и пройти проверку;
• DeepSWE нацелен на задачи программной инженерии;
• FrontierCode больше внимания уделяет реальному качеству кода и возможности его объединения;
• DB Migration — более узкая, но очень практичная задача изменения базы данных;
• Artificial Analysis Coding Agent Index объединяет несколько агентных бенчмарков кодинга; Fable 5.1 остаётся конкурентоспособным в части внешних агрегированных метрик.

Поэтому для мелких исправлений или генерации одного файла не стоит выбирать модель только по флагманским бенчмаркам. Действительно стоит A/B-тестировать собственные репрезентативные задачи: один и тот же репозиторий, одно и то же начальное состояние, одинаковые права на инструменты и одинаковые приёмочные тесты, фиксируя отдельно процент успеха, количество ручных вмешательств, суммарные токены, суммарную стоимость и время выполнения.

Длительные Agent-задачи: преимущество Fable 5.1 не только в бенчмарках

Anthropic явно проектировала Fable 5.1 как модель для задач, которые длятся несколько часов и охватывают несколько приложений. Она делает акцент на планировании, вызовах инструментов, восстановлении после сбоев, самопроверке и читаемом прогрессе, а также поддерживает настройку effort по сообщениям. Для команд, которые уже построили рабочие процессы вокруг Claude Code, Cowork или Claude API, такое поведение в рантайме может быть важнее нескольких дополнительных пунктов в отдельном benchmark.

GPT-6 Astra также ориентирован на сквозных агентов и поддерживает веб-поиск, поиск по файлам, интерпретатор кода, управляемый Shell, Computer Use, MCP, Skills и асинхронные вызовы инструментов. Кроме того, он позволяет добавлять требования во время выполнения задачи и менять интенсивность рассуждений без прерывания кэш-префикса. Иными словами, обе модели — не «просто чат»; различия больше проявляются в агентных фреймворках, экосистемной интеграции и структуре затрат.

Если задача должна выполняться несколько часов, можно через PandaNpc Agent смотреть сессии Claude Code или Codex на вашей машине с телефона, из веб-браузера или с рабочего стола. Модель и инструменты по-прежнему выполняются на рабочей машине, а удалённый вход нужен только для просмотра прогресса, решения вопросов прав и передачи дальнейших инструкций. Подробнее см. в сравнении Claude Code и Codex.

Цены одинаковы, но почему реальные расходы могут сильно отличаться

У обеих моделей вход стоит $10/MTok, выход — $50/MTok. Если смотреть только на заголовочные цены, можно подумать, что затраты одинаковы. На деле есть как минимум четыре переменные:

• Чтение кэша: у Fable 5.1 — $0.25/MTok, у GPT-6 Astra — $1/MTok;
• Сверхдлинный вход: при входе GPT-6 свыше 272K включается повышающий коэффициент для всего запроса;
• Длина вывода: выход в обоих случаях стоит $50 за миллион токенов; переделки и многословные рассуждения быстро увеличивают расходы;
• Процент успешного выполнения: более дорогая модель, справившаяся с первого раза, может оказаться выгоднее дешёвой, которую пришлось запускать трижды.

Предположим, задача читает 10 миллионов кэш-токенов, плюс 200 000 новых входных и 50 000 выходных токенов, без учёта записи в кэш:

Этот пример иллюстрирует разницу в цене только для сценария с высоким повторным использованием кэша и не означает, что все задачи Fable вдвое дешевле. Если задача почти не попадает в кэш или GPT-6 выполняет её за меньшее число шагов, результат может оказаться обратным.

Как политики безопасности влияют на реальное использование

Запросы Fable 5.1 в области кибербезопасности, биологии и химии могут вызывать срабатывание safeguards: они будут отклонены или перенаправлены на модели Opus. Anthropic прямо указывает, что перенаправленные запросы не тарифицируются по цене Fable. В официальныхенчмарках также отмечено: некоторые задачи получают ноль баллов из-за вмешательства производственных политик безопасности, поэтому «отказ отвечать» и «недостаточная базовая способность» — не одно и то же.

GPT-6 Astra также использует более строгие механизмы безопасности и выравнивания (alignment). OpenAI оценивает его возможности в области кибербезопасности как Critical и применяет Trusted Access, мониторинг и многоуровневое открытие доступа для возможностей высокого риска. Обычная разработка, ревью кода и защитная работа по безопасности обычно не считаются возможностями высокого риска, однако фактическая выполнимость по-прежнему зависит от содержания запроса, статуса аккаунта и прав на инструменты.

Именно поэтому в бенчмарках безопасности нельзя смотреть только на «долю выполненных задач». Для корпоративного развёртывания важнее другие вопросы: разрешено ли автоматическое выполнение, можно ли ограничивать права инструментов, сохраняются ли аудит-трейлы, каковы правила хранения данных и может ли приложение корректно определить фактическую модель при срабатывании деградации.

Как выбрать между GPT-6 Astra и Fable 5.1

Отдавайте предпочтение GPT-6 Astra, если вы:

• в основном работаете со сложным терминальным программированием, миграцией баз данных, управлением компьютером или задачами между инструментами;
• больше цените общие бенчмарки по математике, абстрактным рассуждениям, CAD и работе в профессиональном ПО;
• нуждаетесь в комбинации асинхронных инструментов OpenAI Responses API, управляемого Shell, Computer Use или MCP;
• хотите использовать Astra напрямую через уже открытые Codex или OpenAI API и готовы учитывать повышающие коэффициенты для длинного входа свыше 272K.

Отдавайте предпочтение Claude Fable 5.1, если вы:

• уже используете Claude Code или Claude API как основной рабочий процесс;
• задачи работают долго и многократно перечитывают большие одинаковые фрагменты контекста;
• больше цените стоимость чтения кэша, читаемость прогресса и восстановление длинных задач;
• ваши собственные тесты показывают, что Fable требует меньше переделок в задачах с кодовой базой или профессиональными документами.

Если у вас есть доступ к обеим, самый надёжный вариант — не ставить на одного «чемпиона», а построить двухуровневую маршрутизацию: для обычных задач сначала использовать более дешёвые серии Opus, Sonnet или GPT-5.6; переходить на GPT-6 Astra или Fable 5.1 только для высокоценных задач с длинными цепочками, продолжая распределять нагрузку на основе измеренных показателей успеха.

Как объективно сравнить две модели

Рекомендуется подготовить 10–30 реальных задач и для каждой зафиксировать:

1. одинаковый снимок кода и данных;
2. одинаковые права на инструменты, сеть и файлы;
3. эквивалентный reasoning effort, а не max у одной модели и уровень по умолчанию у другой;
4. одинаковые лимиты времени и бюджета;
5. автоматические тесты или критерии слепой ручной оценки;
6. минимум три повторных запуска, чтобы не принимать однократный случайный успех за стабильную способность.

В итоговой таблице фиксируйте как минимум долю завершённых задач, долю успеха с первой попытки, количество ручных вмешательств, общую стоимость, затраченное время и количество выходных токенов. Если модель отказалась отвечать, сработала деградация или не хватило прав, указывайте причину отдельно, а не записывайте всё как «не умеет».

FAQ: частые вопросы

GPT-6 Astra сильнее Claude Fable 5.1?

В большинстве общих бенчмарков, опубликованных на данный момент, GPT-6 Astra выше, особенно в научном терминале, математике, CAD, автоматизации и миграции баз данных. Однако Fable 5.1 лидирует в режиме HLE с инструментами и AA Intelligence Index, а на реальные задачи также влияют harness, effort, инструменты и политики безопасности.

Какая модель лучше подходит для написания кода?

GPT-6 Astra в целом лидирует по общим бенчмаркам программирования и лучше подходит для задач в терминале, с базами данных и между приложениями; Fable 5.1 делает больший акцент на длительную автономную разработку, восстановление и проверку. Для крупных проектов лучше провести A/B-тест на собственной кодовой базе в одинаковых условиях.

Цены API одинаковые?

Базовые цены на вход и выход одинаковы: $10/MTok и $50/MTok. Но чтение кэша у Fable 5.1 стоит всего $0.25/MTok, а у GPT-6 Astra — $1/MTok; кроме того, при входе GPT-6 свыше 272K включается повышающий коэффициент, поэтому фактические затраты не всегда одинаковы.

У какой модели длиннее контекст?

У GPT-6 Astra — 1 050 000 токенов, у Fable 5.1 — 1 000 000 токенов, максимальный вывод у обеих — 128K. Сама по себе разница в ёмкости невелика; обычно большего внимания заслуживают цена сверхдлинного входа, качество поиска и частота попаданий в кэш.

Почему я не вижу GPT-6 Astra?

По состоянию на 5 сентября 2026 года GPT-6 Astra полностью открыт для подходящих платных тарифов, Codex и API. Если вы всё ещё не видите модель, проверьте, не находитесь ли вы в Free/Go, ищете ли вы базовую Astra или GPT-6 Pro, разрешил ли её администратор рабочего пространства, а также нужно ли обновить клиент или выполнить повторный вход. Полные границы описаны в пояснениях о доступе GPT-6 Astra.

Можно ли напрямую доверять бенчмаркам вендора?

Их можно использовать как сигнал для отбора, но не как окончательное решение о покупке. Сначала убедитесь, что в одной строке используются одна и та же версия задачи, инструменты, бюджет рассуждений и способ оценки, а затем проверяйте на собственных репрезентативных нагрузках.

Итоги

Ключевой момент в противостоянии GPT-6 Astra и Claude Fable 5.1 — не «кто умнее во всех сценариях». Обе модели уже публично доступны; GPT-6 лидирует в большинстве общих бенчмарков и особенно хорошо подходит для управления компьютером, сложного терминала, математики и выполнения задач между инструментами; Fable 5.1 сохраняет явное преимущество за счёт более дешёвого чтения кэша, зрелых рабочих процессов Claude и дизайна для длительных Agent-задач.

Если нужна одна рекомендация по умолчанию: при наличии доступа и задачах, тяготеющих к сложному выполнению, сначала пробуйте GPT-6 Astra; при высокой степени повторного использования длинного контекста или глубокой интеграции с Claude Code — сначала Fable 5.1. Командам, чувствительным к стоимости или надёжности, следует принимать окончательное решение на основе собственного процента успеха и стоимости каждого успешного задания.