GPT-6.2 Astra vs Claude Fable 5.2: ¿cuál deberías usar?

AIHubMix7 min de lectura
GPT-6.2 Astra vs Claude Fable 5.2: ¿cuál deberías usar?

GPT-6.2 Astra y Claude Fable 5.2 comparten un precio oficial Standard de $8 por millón de tokens de entrada y $40 por millón de tokens de salida. A ese precio, empieza evaluando Fable para programar en repositorios y Astra para flujos de trabajo con documentos legales que incluyan revisión humana. Los resultados publicados de Artificial Analysis con el esfuerzo máximo favorecen a modelos distintos en esas dos cargas de trabajo. Sirven para elaborar una lista de candidatos según la tarea, no para declarar un ganador universal para agentes de larga duración. Ambos modelos están disponibles con una sola clave de AIHubMix.

Elige según el trabajo, no por una sola puntuación destacada

Programación en repositorios: Fable obtiene la puntuación máxima publicada más alta

En FrontierCode-AA 2.0 de Artificial Analysis, Astra con el esfuerzo máximo obtiene 45.38%, mientras que Fable con esfuerzo máximo y fallback predeterminado obtiene 48.76%. AA usa 132 tareas privadas en repositorios reales, tres ejecuciones por tarea, su harness Stirrup y un límite de 500 turnos, y pondera todas las tareas por igual.

Por eso, Fable es un primer candidato razonable para hacer cambios en repositorios. Mantén las etiquetas del esfuerzo y del fallback: que dos configuraciones se llamen «máximo» no demuestra que usen el mismo cómputo, y este resultado no resuelve todos los flujos de trabajo de programación.

Harvey LAB-AA v1.1 de AA otorga a Astra con el esfuerzo máximo una puntuación de 15.0% a $6.35 por tarea. Fable, con la etiqueta esfuerzo máximo y fallback predeterminado, obtiene 7.2% a $39.84 por tarea. Estos son costos por tarea evaluada, no por tarea completada con éxito.

La evaluación abarca 120 tareas legales privadas en 24 áreas de práctica. Su métrica principal es la estricta tasa de aprobación total con filtro de alucinaciones: la proporción media de tareas en las que un panel de tres jueces basados en LLM considera aprobados todos los criterios de la rúbrica; la puntuación de una tarea se reduce a cero si contiene cualquier alucinación sustancial. No es la tasa, mucho más alta, de aprobación de criterios.

Esta es evidencia publicada directamente por el evaluador que sustenta el resumen de OpenAI según el cual Astra más que duplica la tasa de aprobación de Fable con aproximadamente una sexta parte del costo. No es una segunda reproducción independiente de la misma ejecución. Vale la pena evaluar Astra primero para trabajos legales similares, pero 15.0% sigue siendo una cifra baja: los resultados legales de cualquiera de los dos modelos necesitan revisión humana.

3D interactivo: una señal más acotada a favor de Astra

AA-3D usa 55 tareas de three.js sin conexión y votos humanos por pares a ciegas. Astra con el esfuerzo máximo tiene un Elo de 1318 (intervalo de confianza del 95%: 1286–1349); Fable, con la etiqueta esfuerzo máximo y fallback predeterminado, tiene 1271 (1246–1297). La estimación puntual de Astra es más alta, pero los intervalos se superponen. Tómalo como una razón para incluir Astra en evaluaciones de prototipado visual, no como evidencia concluyente de una superioridad general en programación. La página del evaluador está en Fuentes.

Qué puedes deducir de la afirmación sobre Agents' Last Exam

En Agents' Last Exam, OpenAI informa que Astra aventaja a Fable por 5.5 puntos porcentuales a un 5% del costo. El mismo anuncio señala que el resultado de Fable en la clasificación excluye nueve tareas que usaron un modelo de fallback. No demuestra que se usaran conjuntos de tareas idénticos ni el mismo cómputo, así que esa proporción no sirve como previsión general de costos para tus agentes.

Esta comparación es un informe del proveedor. La exclusión de nueve tareas corresponde a Agents' Last Exam; el resultado de Fable publicado por separado para Harvey conserva la etiqueta de AA de esfuerzo máximo/fallback predeterminado. No extrapoles esa exclusión a otras evaluaciones.

Las tarifas coinciden. Las reglas de caché, no.

Precios oficiales Standard para contextos cortos, por millón de tokens:

Concepto GPT-6.2 Astra Claude Fable 5.2
Entrada $8.00 $8.00
Salida $40.00 $40.00
Lectura de caché $0.40 $0.20
Escritura de caché corta $10.00 (30 minutos) $10.00 (5 minutos)
Escritura de caché larga $20.00 (12 horas) $16.00 (1 hora)

Las tarifas de Astra provienen de la página de precios de OpenAI, y las de Fable, de la descripción general de Fable 5.2. Son precios oficiales, no tarifas de AIHubMix. Las tarifas de contexto corto de Astra se aplican hasta 272,000 tokens de entrada; por encima de esa cifra, las tarifas de entrada y de caché se duplican y la de salida se multiplica por 1.5× para toda la solicitud, no solo para los tokens que exceden el límite. La igualdad de precios base no se extiende a todas las longitudes de contexto ni a todos los niveles de servicio.

Las ventanas de contexto son similares: la de Astra es oficialmente de 1,050,000 tokens y la de Fable, de 1,000,000; ambos tienen un límite de salida de 128,000 tokens. Las fechas de corte de conocimiento también son cercanas: 18 de mayo de 2026 para Astra y junio de 2026 para Fable.

Para un ejemplo sintético sin caché, supongamos 818,000 tokens de entrada normales y 30,000 tokens de salida facturados, incluido el razonamiento, en diez solicitudes, cada una con menos de 272,000 tokens de entrada, y sin escrituras de caché ni tarifas por herramientas. Si ambos proveedores facturan cantidades idénticas, el total para cada uno es $7.744: 0.818 × $8 + 0.030 × $40. Que las cantidades facturadas coincidan es una suposición; distintos tokenizadores pueden contar el mismo texto de manera diferente. El ejemplo explica la igualdad de tarifas, no la proporción de costos por tarea del 5% mencionada.

Las lecturas de caché de Fable cuestan la mitad, pero su escritura corta dura 5 minutos, frente a los 30 minutos de Astra. Las escrituras largas duran una hora en Fable y 12 horas en Astra. Por tanto, un ciclo que se interrumpe para esperar a un usuario o a una herramienta lenta puede generar una factura de caché distinta, incluso con las mismas tarifas base de entrada y salida.

Los valores predeterminados también dependen de dónde uses el modelo. La API de Fable tiene high como valor predeterminado y el modo de pensamiento adaptativo siempre está activado; su anuncio de lanzamiento especifica medium para las aplicaciones de Claude y Claude Code. La guía de GPT-6.2 de OpenAI recomienda empezar explícitamente con medium en las nuevas integraciones; es una recomendación, no una confirmación del valor predeterminado cuando se omite el campo. Configura explícitamente el esfuerzo y compara la calidad, la latencia y el costo por tarea completada con distintos presupuestos. Que las etiquetas coincidan no significa que coincida el cómputo.

Compara los modelos disponibles con tus propias tareas

GPT-6.2 Astra, Sol y Claude Fable 5.2 están disponibles en AIHubMix con una sola clave de API. Las fuentes públicas consultadas el 18 de noviembre de 2026, aproximadamente entre las 15:04 y las 15:06 UTC (entre las 23:04 y las 23:06, hora de Pekín), muestran los proveedores, los precios y la opción «Probar este modelo» en la página del modelo Astra de AIHubMix y en la página de Sol. Ambos ID exactos de GPT-6.2 aparecen en el índice de parámetros, y sus documentos llms enlazan a los esquemas resueltos.

AIHubMix documenta Chat Completions, Responses y Anthropic Messages para estos modelos. En GPT-6.2, Messages es una traducción de la pasarela, no un endpoint nativo de OpenAI; la API de llamadas a herramientas de GPT-6.2 de OpenAI requiere Responses. Para este artículo no se realizaron pruebas prácticas en la pasarela. Compartir una clave o un protocolo no garantiza el mismo backend ni la misma facturación de herramientas.

Usa tareas representativas de repositorios para evaluar Fable primero, tareas legales revisadas para evaluar Astra primero y tus propios encargos para el trabajo visual. Mantén fijos los prompts y los criterios de éxito, registra el esfuerzo y el comportamiento del fallback, y compara el costo por tarea completada en la ruta que uses. El acceso directo al proveedor es un canal distinto.

Preguntas frecuentes

¿GPT-6.2 Astra y Claude Fable 5.2 tienen el mismo precio?
Con las tarifas oficiales Standard para contextos cortos, sí: $8 por millón de tokens de entrada y $40 por millón de tokens de salida. La tarifa de Astra se aplica hasta 272,000 tokens de entrada por solicitud; por encima de esa cifra, sus tarifas de entrada y de caché se duplican para toda la solicitud y la de salida se multiplica por 1.5. Las tarifas de lectura de caché y sus duraciones también son distintas.

¿Cuál debería evaluar primero para programar en repositorios?
Fable es un punto de partida razonable: en FrontierCode-AA 2.0 de AA, Fable con esfuerzo máximo y fallback predeterminado obtiene 48.76%, frente al 45.38% de Astra con esfuerzo máximo. Se trata de un solo harness y conjunto de tareas, no de una garantía de que se haya usado el mismo cómputo.

¿Está Astra listo para encargarse del trabajo legal sin revisión?
No. Su tasa de aprobación total en Harvey LAB-AA v1.1 es del 15.0%, frente al 7.2% de Fable con esfuerzo máximo y fallback predeterminado. La métrica estricta exige que se aprueben todos los criterios de la rúbrica y asigna cero a las tareas con alucinaciones sustanciales. Ambos modelos necesitan revisión legal humana.

¿Superó GPT-6.2 Astra a Fable 5.2 en Agents' Last Exam?
OpenAI informa de una ventaja de 5.5 puntos porcentuales a un 5% del costo, con nueve tareas que usaron un modelo de fallback excluidas del resultado de Fable. El anuncio no demuestra que los conjuntos de tareas sean idénticos ni que se haya usado el mismo cómputo. Esa exclusión no corresponde al resultado independiente de Harvey.

¿Tienen la misma ventana de contexto?
Casi. La de Astra es oficialmente de 1,050,000 tokens; la de Fable, de 1,000,000. Ambos tienen un límite de salida de 128,000 tokens.

¿Puedo usar ambos hoy con una sola clave de AIHubMix?
Sí. Astra, Sol y Fable 5.2 están disponibles con una sola clave de AIHubMix, y hay rutas documentadas para Chat Completions, Responses y Anthropic Messages. Las páginas de GPT-6.2, los documentos llms, el catálogo y los esquemas resueltos se consultaron el 18 de noviembre de 2026, aproximadamente entre las 15:04 y las 15:06 UTC (entre las 23:04 y las 23:06, hora de Pekín); la página de Fable y su documento llms se consultaron ese mismo día, aproximadamente a las 15:10 UTC (23:10, hora de Pekín). Para este artículo no se realizaron pruebas prácticas; compartir una clave o un protocolo no garantiza el mismo backend ni la misma facturación de herramientas.

¿Debería compararlos con el esfuerzo predeterminado?
Configúralo explícitamente. La API de Fable tiene high como valor predeterminado, mientras que las aplicaciones de Claude y Claude Code usan medium. OpenAI recomienda empezar explícitamente con medium en las nuevas integraciones de GPT-6.2; no es un valor predeterminado de la API verificado. Que las etiquetas coincidan no demuestra que coincida el cómputo.

Sigue leyendo: la serie GPT-6.2

Fuentes

  1. Artificial Analysis: FrontierCode-AA 2.0, Harvey LAB-AA v1.1 y AA-3D: resultados y métodos de los evaluadores; instantáneas consultadas el 18 de noviembre de 2026, aproximadamente entre las 02:30 y las 02:40 UTC. Se usaron variantes con esfuerzo máximo en todos los casos; Fable lleva la etiqueta de fallback predeterminado.
  2. OpenAI: Presentación de GPT-6.2 Astra y Sol: comparación de Agents' Last Exam informada por el proveedor y exclusión de nueve tareas; su resumen de Harvey hace referencia a la evidencia del evaluador mencionada arriba.
  3. OpenAI: Precios, modelo Astra y Uso de GPT-6.2: tarifas oficiales, límites, fecha de corte y consejos de integración.
  4. Anthropic: descripción general de Fable 5.2 y anuncio de Fable y Mythos 5.2: especificaciones y precios de la API; valores predeterminados de la API frente a la aplicación/Claude Code.
  5. AIHubMix: Astra, Sol, Fable, documento llms de Astra, documento llms de Sol e índice de esquemas: páginas de modelos GPT-6.2, documentos llms, entradas del catálogo y esquemas GPT-6.2 resueltos, verificados el 18 November 2026, aproximadamente entre las 15:04 y las 15:06 UTC (23:04–23:06, hora de Pekín); la página del modelo Fable y su documento llms se verificaron ese mismo día, aproximadamente a las 15:10 UTC (23:10, hora de Pekín). Se documentan la disponibilidad y los tres protocolos de gateway. No se envió ninguna solicitud de inferencia.

Un solo gateway para varios proveedores de IA. Diseñado para producción.

Visitar AIHubMix