GPT-6.2 Astra und Claude Fable 5.2 kosten offiziell im Standard-Tarif jeweils 8 $ pro Million Input-Token und 40 $ pro Million Output-Token. Bei diesem Preis sollten Sie zunächst Fable für die Programmierung an Repositories und Astra für Workflows mit juristischen Dokumenten und menschlicher Prüfung evaluieren. Die veröffentlichten Ergebnisse von Artificial Analysis mit maximalem Aufwand sprechen bei diesen beiden Workloads für unterschiedliche Modelle. Sie eignen sich für eine aufgabenbezogene Vorauswahl, nicht für die Bestimmung eines universellen Siegers bei lang laufenden Agenten. Beide Modelle sind mit einem einzigen AIHubMix-Schlüssel verfügbar.
Wählen Sie nach der Aufgabe, nicht nach einem einzelnen Spitzenwert
Programmierung an Repositories: Fable erzielt den höheren veröffentlichten Maximalwert
Bei FrontierCode-AA 2.0 von Artificial Analysis erzielt Astra mit maximalem Aufwand 45.38%, während Fable mit maximalem Aufwand und standardmäßigem Fallback auf 48.76% kommt. AA verwendet 132 private Aufgaben in echten Repositories, führt jede Aufgabe dreimal mit dem Stirrup-Harness aus und setzt eine Obergrenze von 500 Zügen. Die Aufgaben werden gleich gewichtet.
Damit ist Fable ein sinnvoller erster Kandidat für Änderungen an Repositories. Behalten Sie die Angaben zu Aufwand und Fallback im Blick: Zwei Einstellungen mit der Bezeichnung „maximal“ belegen keinen gleichen Rechenaufwand, und dieses Ergebnis lässt sich nicht auf jeden Programmier-Workflow übertragen.
Juristische Arbeit: Astra liegt vorn, aber die absoluten Erfolgsquoten sind niedrig
AA's Harvey LAB-AA v1.1 gibt Astra mit maximalem Aufwand eine Bewertung von 15.0% bei 6.35 $ pro Aufgabe. Fable, gekennzeichnet als maximaler Aufwand, standardmäßiger Fallback, erzielt 7.2% bei 39.84 $ pro Aufgabe. Das sind Kosten pro ausgewerteter Aufgabe, nicht pro erfolgreich abgeschlossener Aufgabe.
Die Evaluierung umfasst 120 private juristische Aufgaben aus 24 Rechtsgebieten. Die zentrale Kennzahl ist die strenge All-Pass-Rate mit Halluzinationsfilter: der durchschnittliche Anteil, bei dem ein dreiköpfiges LLM-Gremium alle Kriterien des Bewertungsrasters als erfüllt einstuft; bei jeder wesentlichen Halluzination wird eine Aufgabe mit null bewertet. Es handelt sich nicht um die deutlich höhere Erfüllungsquote einzelner Kriterien.
Dies sind direkt veröffentlichte Evaluator-Ergebnisse, auf denen OpenAIs Zusammenfassung beruht: Astra verdopple die Erfolgsquote von Fable mehr als, bei etwa einem Sechstel der Kosten. Es ist keine zweite, unabhängige Wiederholung desselben Tests. Astra ist für ähnliche juristische Arbeit eine Prüfung wert, doch 15.0% sind nach wie vor niedrig: Ergebnisse beider Modelle müssen von Menschen geprüft werden.
Interaktive 3D-Arbeit: ein enger begrenztes Signal zugunsten von Astra
AA-3D verwendet 55 Offline-Aufgaben mit three.js und blinde paarweise Bewertungen durch Menschen. Astra mit maximalem Aufwand erreicht einen Elo-Wert von 1318 (95%-Intervall 1286–1349); Fable, gekennzeichnet als maximaler Aufwand, standardmäßiger Fallback, erreicht 1271 (1246–1297). Astras Punktschätzung liegt höher, doch die Intervalle überschneiden sich. Betrachten Sie dies als Grund, Astra in Evaluierungen für visuelles Prototyping aufzunehmen, nicht als schlüssigen Beleg für eine allgemeine Überlegenheit beim Programmieren. Die Seite des Evaluators finden Sie unter „Quellen“.
Was die Aussage zu Agents' Last Exam aussagt
Für Agents' Last Exam berichtet OpenAI, Astra liege 5.5 Prozentpunkte vor Fable und koste 5% so viel. Dieselbe Ankündigung besagt, dass Fables Leaderboard-Ergebnis neun Aufgaben mit einem Fallback-Modell ausschließt. Sie belegt weder identische Aufgabensätze noch einen vergleichbaren Rechenaufwand; das Kostenverhältnis ist daher keine allgemeine Kostenschätzung für Ihre Agenten.
Dies ist ein vom Anbieter berichteter Vergleich. Der Ausschluss der neun Aufgaben gilt für Agents' Last Exam; beim separat veröffentlichten Fable-Ergebnis von Harvey bleibt die Kennzeichnung von AA mit maximalem Aufwand und standardmäßigem Fallback erhalten. Übertragen Sie den Ausschluss nicht auf andere Evaluierungen.
Die Standardpreise sind gleich. Die Cache-Regeln nicht.
Offizielle Standardpreise für kurze Kontexte, pro Million Token:
| Position | GPT-6.2 Astra | Claude Fable 5.2 |
|---|---|---|
| Input | $8.00 | $8.00 |
| Output | $40.00 | $40.00 |
| Cache-Lesezugriff | $0.40 | $0.20 |
| Kurzer Cache-Schreibzugriff | 10.00 $ (30 Minuten) | 10.00 $ (5 Minuten) |
| Langer Cache-Schreibzugriff | 20.00 $ (12 Stunden) | 16.00 $ (1 Stunde) |
Astras Preise stammen von OpenAIs Preisseite, Fables Preise aus der Übersicht zu Fable 5.2. Dies sind offizielle Preise, nicht die Abrechnung von AIHubMix. Astras Preise für kurze Kontexte gelten bis zu 272,000 Input-Token; darüber verdoppeln sich die Input- und Cache-Preise, und der Output kostet das 1.5-Fache für die gesamte Anfrage, nicht nur für die überzähligen Token. Die Preisgleichheit beim Grundtarif gilt nicht für alle Kontextlängen oder Service-Tarife.
Die Kontextfenster sind ähnlich groß: Für Astra sind offiziell 1,050,000 Token angegeben, für Fable 1,000,000; bei beiden liegt die Obergrenze für den Output bei 128,000 Token. Auch die Wissensstichtage liegen nah beieinander: Astra 18 May 2026, Fable June 2026.
Nehmen wir für ein synthetisches Beispiel ohne Cache 818,000 gewöhnliche Input-Token und 30,000 abgerechnete Output-Token einschließlich Reasoning über zehn Anfragen an, die jeweils unter 272,000 Input-Token liegen, ohne Cache-Schreibzugriffe oder Tool-Gebühren. Wenn beide Anbieter identische Tokenzahlen abrechnen, beträgt der Gesamtpreis jeweils 7.744 $: 0.818 × 8 $ + 0.030 × 40 $. Gleiche abgerechnete Tokenzahlen sind eine Annahme; unterschiedliche Tokenizer müssen denselben Text nicht identisch zählen. Das Beispiel erläutert die Preisgleichheit, nicht das berichtete Kostenverhältnis von 5% pro Aufgabe.
Bei Fable kosten Cache-Lesezugriffe nur halb so viel, doch sein kurzer Schreibzugriff gilt 5 Minuten statt 30 Minuten bei Astra. Längere Schreibzugriffe gelten bei Fable eine Stunde und bei Astra 12 Stunden. Eine Schleife, die wegen eines Nutzers oder eines langsamen Tools pausiert, kann daher andere Cache-Kosten verursachen, selbst wenn die grundlegenden Input-/Output-Preise gleich sind.
Die Standardeinstellungen hängen auch davon ab, wo Sie das Modell verwenden. Fables API verwendet standardmäßig high, wobei adaptives Thinking immer aktiviert ist; in der Einführungsankündigung wird für Claude-Apps und Claude Code medium angegeben. OpenAIs GPT-6.2-Leitfaden empfiehlt, neue Integrationen ausdrücklich mit medium zu beginnen; das ist eine Empfehlung und keine Bestätigung eines Standardwerts bei ausgelassenem Feld. Legen Sie den Reasoning effort ausdrücklich fest und vergleichen Sie Qualität, Latenz und Kosten pro abgeschlossener Aufgabe bei verschiedenen Budgets. Gleiche Bezeichnungen bedeuten keinen gleichen Rechenaufwand.
Vergleichen Sie die verfügbaren Modelle mit Ihren eigenen Aufgaben
GPT-6.2 Astra, Sol und Claude Fable 5.2 sind mit einem einzigen API-Schlüssel auf AIHubMix verfügbar. Öffentliche Quellen, die am 18 November 2026 zwischen etwa 15:04 und 15:06 UTC (23:04–23:06 Uhr Pekinger Zeit) geprüft wurden, zeigen Anbieter, Preise und die Option „Dieses Modell ausprobieren“ auf der AIHubMix-Modellseite für Astra und der Sol-Seite. Beide exakten GPT-6.2-IDs sind im Parameterindex aufgeführt, und ihre llms-Dokumente verlinken auf die aufgelösten Schemas.
AIHubMix dokumentiert für diese Modelle Chat Completions, Responses und Anthropic Messages. Bei GPT-6.2 ist Messages eine Übersetzung durch das Gateway, kein nativer OpenAI-Endpunkt; die Tool-Aufruf-API von OpenAI für GPT-6.2 erfordert Responses. Für diesen Artikel wurden keine praktischen Tests über das Gateway durchgeführt. Ein gemeinsamer Schlüssel oder ein gemeinsames Protokoll garantiert weder dasselbe Backend noch dieselbe Abrechnung von Tools.
Nutzen Sie repräsentative Repository-Aufgaben für eine Evaluierung mit Fable als erstem Kandidaten, juristische Aufgaben mit Prüfung für eine Evaluierung mit Astra als erstem Kandidaten und Ihre eigenen Vorgaben für visuelle Arbeit. Halten Sie Prompts und Erfolgskriterien konstant, protokollieren Sie den Reasoning effort und das Fallback-Verhalten und vergleichen Sie die Kosten pro abgeschlossener Aufgabe über die von Ihnen verwendete Route. Der direkte Zugang über den Anbieter ist ein separater Kanal.
FAQ
Haben GPT-6.2 Astra und Claude Fable 5.2 denselben Preis?
Bei den offiziellen Standardpreisen für kurze Kontexte ja: 8 $ für Input und 40 $ für Output pro Million Token. Astras Preis gilt bei bis zu 272,000 Input-Token pro Anfrage; darüber verdoppeln sich die Input- und Cache-Preise für die gesamte Anfrage, und der Output kostet das 1.5-Fache. Auch Preise und Gültigkeitsdauer von Cache-Lesezugriffen unterscheiden sich.
Welches Modell sollte ich zuerst für Programmierung an Repositories evaluieren?
Fable ist ein sinnvoller Ausgangspunkt: Bei AA's FrontierCode-AA 2.0 erreicht Fable mit maximalem Aufwand und standardmäßigem Fallback 48.76%, gegenüber 45.38% für Astra mit maximalem Aufwand. Das gilt für einen einzelnen Harness und Aufgabensatz und garantiert keinen vergleichbaren Rechenaufwand.
Kann Astra juristische Arbeit ohne Prüfung übernehmen?
Nein. Bei Harvey LAB-AA v1.1 liegt Astras All-Pass-Rate bei 15.0%, gegenüber 7.2% für Fable mit maximalem Aufwand und standardmäßigem Fallback. Die strenge Kennzahl verlangt, dass alle Kriterien des Bewertungsrasters erfüllt werden, und bewertet Aufgaben mit wesentlichen Halluzinationen mit null. Beide Modelle müssen bei juristischer Arbeit von Menschen geprüft werden.
Hat GPT-6.2 Astra Fable 5.2 bei Agents' Last Exam geschlagen?
OpenAI berichtet von einem Vorsprung von 5.5 Prozentpunkten bei 5% der Kosten; bei Fables Ergebnis wurden neun Aufgaben mit einem Fallback-Modell ausgeschlossen. Die Ankündigung belegt weder identische Aufgabensätze noch vergleichbaren Rechenaufwand. Dieser Ausschluss bezieht sich nicht auf das separate Harvey-Ergebnis.
Haben sie dasselbe Kontextfenster?
Fast. Für Astra sind offiziell 1,050,000 Token angegeben, für Fable 1,000,000 Token. Bei beiden ist der Output auf 128,000 Token begrenzt.
Kann ich heute beide mit einem Schlüssel über AIHubMix ausführen?
Ja. Astra, Sol und Fable 5.2 sind mit einem einzigen AIHubMix-Schlüssel verfügbar; Chat Completions, Responses und Anthropic Messages werden dokumentiert. Die GPT-6.2-Seiten, llms-Dokumente, der Katalog und die aufgelösten Schemas wurden am 18 November 2026 zwischen etwa 15:04 und 15:06 UTC (23:04–23:06 Uhr Pekinger Zeit) geprüft; die Fable-Seite und das llms-Dokument am selben Tag gegen etwa 15:10 UTC (23:10 Uhr Pekinger Zeit). Für diesen Artikel wurden keine praktischen Tests durchgeführt; ein gemeinsamer Schlüssel oder ein gemeinsames Protokoll garantiert weder dasselbe Backend noch dieselbe Abrechnung von Tools.
Sollte ich die Modelle mit dem standardmäßigen Reasoning effort vergleichen?
Legen Sie ihn ausdrücklich fest. Fables API verwendet standardmäßig „high“, während Claude-Apps und Claude Code „medium“ verwenden. OpenAI empfiehlt für neue GPT-6.2-Integrationen ausdrücklich „medium“ als Ausgangspunkt; dies ist kein bestätigter API-Standardwert. Gleiche Bezeichnungen belegen keinen gleichen Rechenaufwand.
Weiterlesen: die GPT-6.2-Reihe
- Astras eigenes Upgrade bietet gegenüber GPT-6 Astra eine Senkung des Listenpreises um 20% und eine stärkere Preissenkung bei Cache-Lesezugriffen: GPT-6.2 Astra vs. GPT-6 Astra: Lohnt sich das Upgrade bei 20% niedrigerem Preis?
- Falls Sie später einen Fable-Agenten auf eine 6.2-ID umstellen, ist die Präfixregel die Stelle, an der es unbemerkt schiefgeht: GPT-6.2-Migration: Präfixänderungen verwerfen Reasoning, und keine wird zurückgewiesen
- Innerhalb der GPT-6.2-Reihe von OpenAI kostet Sol offiziell ein Viertel so viel wie Astra; vielleicht ist das der Vergleich, den Sie tatsächlich brauchen: GPT-6.2 Sol vs. GPT-6.2 Astra: Für welche Programmieraufgaben braucht man das 4x-Flaggschiff?
Quellen
- Artificial Analysis: FrontierCode-AA 2.0, Harvey LAB-AA v1.1 und AA-3D — Ergebnisse und Methoden des Evaluators; abgerufen am 18 November 2026 zwischen etwa 02:30 und 02:40 UTC. Durchgehend Varianten mit maximalem Aufwand; Fable ist als „standardmäßiger Fallback“ gekennzeichnet.
- OpenAI: GPT-6.2 Astra und Sol werden vorgestellt — vom Anbieter berichteter Vergleich bei Agents' Last Exam und Ausschluss von neun Aufgaben; die Harvey-Zusammenfassung verweist auf die oben genannten Evaluator-Ergebnisse.
- OpenAI: Preise, Astra-Modell und GPT-6.2 verwenden – offizielle Tarife, Limits, Wissensstand und Integrationstipps.
- Anthropic: Überblick zu Fable 5.2 und Ankündigung von Fable und Mythos 5.2 – API-Spezifikationen und Preise; Standardeinstellungen für API, App und Claude Code.
- AIHubMix: Astra, Sol, Fable, Astra-llms-Dokument, Sol-llms-Dokument und Schemaindex – GPT-6.2-Modellseiten, llms-Dokumente, Katalogeinträge und aufgelöste GPT-6.2-Schemas, geprüft am 18. November 2026 zwischen etwa 15:04 und 15:06 UTC (23:04–23:06 Uhr Pekinger Zeit); die Fable-Modellseite und das llms-Dokument wurden am selben Tag gegen etwa 15:10 UTC (23:10 Uhr Pekinger Zeit) geprüft. Verfügbarkeit und drei Gateway-Protokolle sind dokumentiert. Es wurde keine Inferenzanfrage gesendet.



