GPT-6.2 Astra a Claude Fable 5.2: którego modelu użyć?

AIHubMix7 min czytania
GPT-6.2 Astra a Claude Fable 5.2: którego modelu użyć?

Oficjalne ceny w planie Standard dla GPT-6.2 Astra i Claude Fable 5.2 są takie same: 8 USD za milion tokenów wejściowych i 40 USD za milion tokenów wyjściowych. Przy tej cenie zacznij od oceny Fable pod kątem programowania w repozytoriach oraz Astra pod kątem pracy z dokumentami prawnymi, pod nadzorem człowieka. Opublikowane przez Artificial Analysis wyniki przy maksymalnym poziomie rozumowania wskazują na różne modele w tych dwóch zastosowaniach. Pozwalają zawęzić wybór zależnie od zadania, ale nie wskazują uniwersalnego zwycięzcy w przypadku długotrwałych agentów. Oba modele są dostępne za pomocą jednego klucza AIHubMix.

Wybieraj według rodzaju pracy, a nie na podstawie jednego głośnego wyniku

Programowanie w repozytoriach: Fable ma wyższy opublikowany wynik przy maksymalnym poziomie

W teście FrontierCode-AA 2.0 firmy Artificial Analysis Astra przy maksymalnym poziomie uzyskuje wynik 45.38%, a Fable przy maksymalnym poziomie z domyślnym modelem zapasowym — 48.76%. AA ocenia po równo 132 prywatne zadania w rzeczywistych repozytoriach, każde uruchamiane trzy razy, z użyciem środowiska testowego Stirrup i limitem 500 tur.

Dlatego Fable to rozsądny kandydat do pierwszego testu przy wprowadzaniu zmian w repozytoriach. Pamiętaj o oznaczeniach poziomu rozumowania i modelu zapasowego: dwa ustawienia opisane jako maksymalne nie oznaczają takiej samej mocy obliczeniowej, a wynik nie przesądza o skuteczności we wszystkich zastosowaniach związanych z programowaniem.

Test Harvey LAB-AA v1.1 firmy AA daje Astrze przy maksymalnym poziomie wynik 15.0% przy koszcie 6.35 USD za zadanie. Fable, oznaczone jako maksymalny poziom z domyślnym modelem zapasowym, uzyskuje 7.2% przy koszcie 39.84 USD za zadanie. Są to koszty za ocenione zadanie, a nie za zadanie zakończone sukcesem.

Ocena obejmuje 120 prywatnych zadań prawniczych z 24 obszarów praktyki. Główną miarą jest rygorystyczny wskaźnik zaliczenia wszystkich kryteriów z bramką halucynacji: średni odsetek zadań, w których panel trzech sędziów LLM stwierdza spełnienie każdego kryterium z rubryki; wynik zadania wynosi zero w przypadku każdej istotnej halucynacji. Nie jest to znacznie wyższy wskaźnik zaliczenia poszczególnych kryteriów.

To bezpośrednio opublikowane wyniki ewaluatora, na których opiera się podsumowanie OpenAI, że wskaźnik zaliczenia Astry jest ponad dwukrotnie wyższy niż Fable, a koszt wynosi około jednej szóstej. Nie jest to druga, niezależna replikacja tego samego testu. Warto najpierw ocenić Astrę pod kątem podobnej pracy prawniczej, ale 15.0% to nadal niski wynik: materiały prawne przygotowane przez którykolwiek z modeli wymagają weryfikacji przez człowieka.

Interaktywne 3D: węższy sygnał przemawiający za Astrą

AA-3D wykorzystuje 55 zadań offline w three.js oraz ślepe porównania parami oceniane przez ludzi. Astra przy maksymalnym poziomie ma Elo 1318 (95% przedział: 1286–1349); Fable, oznaczone jako maksymalny poziom z domyślnym modelem zapasowym, ma 1271 (1246–1297). Estymata punktowa Astry jest wyższa, ale przedziały się pokrywają. Potraktuj to jako powód, by uwzględnić Astrę w testach prototypowania wizualnego, a nie jako rozstrzygający dowód jej ogólnej przewagi w programowaniu. Strona ewaluatora znajduje się w sekcji Źródła.

Co można wywnioskować z twierdzenia o Agents' Last Exam

W teście Agents' Last Exam OpenAI informuje, że Astra wyprzedza Fable o 5.5 punktu procentowego przy 5% kosztu. Ten sam komunikat podaje, że wynik Fable w rankingu nie obejmuje dziewięciu zadań, w których użyto modelu zapasowego. Nie dowodzi to, że zbiory zadań były identyczne ani że modele korzystały z porównywalnej mocy obliczeniowej, dlatego tego stosunku nie należy traktować jako ogólnej prognozy kosztów działania Twoich agentów.

To porównanie opublikowane przez dostawcę. Wykluczenie dziewięciu zadań dotyczy Agents' Last Exam; osobno opublikowany wynik Fable w teście Harvey zachowuje oznaczenie AA: maksymalny poziom/dom yślny model zapasowy. Nie przenoś tego wykluczenia na inne ewaluacje.

Cenniki są takie same. Zasady pamięci podręcznej — nie.

Oficjalne ceny w planie Standard dla krótkiego kontekstu, za milion tokenów:

Pozycja GPT-6.2 Astra Claude Fable 5.2
Tokeny wejściowe $8.00 $8.00
Tokeny wyjściowe $40.00 $40.00
Odczyt z pamięci podręcznej $0.40 $0.20
Zapis w krótkotrwałej pamięci podręcznej $10.00 (30 minut) $10.00 (5 minut)
Zapis w długotrwałej pamięci podręcznej $20.00 (12 godzin) $16.00 (1 godzina)

Ceny Astry pochodzą ze strony cennika OpenAI, a Fable — z opisu Fable 5.2. Są to ceny oficjalne, a nie stawki rozliczeniowe AIHubMix. Stawki Astry dla krótkiego kontekstu obowiązują do 272,000 tokenów wejściowych; powyżej tego progu stawki za tokeny wejściowe i odczyt z pamięci podręcznej są dwukrotnie wyższe, a za tokeny wyjściowe — 1.5× dla całego żądania, nie tylko tokenów ponad limit. Zrównanie cen bazowych nie obowiązuje przy każdym rozmiarze kontekstu ani w każdym planie usługi.

Okna kontekstu są zbliżone: oficjalnie Astra obsługuje 1,050,000 tokenów, a Fable 1,000,000; limit wyjściowy obu modeli wynosi 128,000 tokenów. Zbliżone są też daty odcięcia wiedzy: Astra — 18 maja 2026, Fable — czerwiec 2026.

W syntetycznym przykładzie bez pamięci podręcznej załóż 818,000 zwykłych tokenów wejściowych i 30,000 rozliczanych tokenów wyjściowych, łącznie z tokenami rozumowania, w dziesięciu żądaniach, z których każde zawiera mniej niż 272,000 tokenów wejściowych, bez zapisów w pamięci podręcznej i opłat za wywołania narzędzi. Jeśli obaj dostawcy rozliczają identyczną liczbę tokenów, łączny koszt wyniesie $7.744: 0.818 × $8 + 0.030 × $40. Założenie o identycznej liczbie rozliczanych tokenów nie jest gwarantowane; różne tokenizery mogą inaczej zliczać ten sam tekst. Przykład wyjaśnia zrównanie cen, a nie podany stosunek kosztu za zadanie wynoszący 5%.

Odczyt z pamięci podręcznej Fable kosztuje o połowę mniej, ale jego krótki zapis jest przechowywany przez 5 minut, a w przypadku Astry — przez 30 minut. Dłuższe zapisy są przechowywane przez godzinę w Fable i przez 12 godzin w Astrze. Dlatego pętla, która czeka na użytkownika lub wolne narzędzie, może generować inny rachunek za pamięć podręczną, nawet przy identycznych bazowych stawkach za tokeny wejściowe i wyjściowe.

Wartości domyślne zależą też od miejsca korzystania z modelu. API Fable domyślnie używa poziomu high, a myślenie adaptacyjne jest zawsze włączone; w komunikacie o premierze określono poziom medium dla aplikacji Claude i Claude Code. W przewodniku po GPT-6.2 OpenAI zaleca, by nowe integracje zaczynać jawnie od poziomu medium; to zalecenie, a nie potwierdzenie wartości domyślnej przy pominiętym polu. Ustawiaj poziom rozumowania jawnie i porównuj jakość, opóźnienie oraz koszt ukończonego zadania przy różnych budżetach. Takie same oznaczenia nie gwarantują takiej samej mocy obliczeniowej.

Porównaj dostępne modele na własnych zadaniach

GPT-6.2 Astra, Sol i Claude Fable 5.2 są dostępne w AIHubMix za pomocą jednego klucza API. Publiczne źródła sprawdzone 18 listopada 2026 około 15:04–15:06 UTC (23:04–23:06 czasu pekińskiego) pokazują dostawców, ceny i opcję „Wypróbuj ten model” na stronie modelu Astra w AIHubMix oraz na stronie modelu Sol. Dokładne identyfikatory obu modeli GPT-6.2 znajdują się w indeksie parametrów, a dokumenty llms zawierają odnośniki do rozstrzygniętych schematów.

Dokumentacja AIHubMix opisuje obsługę Chat Completions, Responses i Anthropic Messages dla tych modeli. W przypadku GPT-6.2 Messages to tłumaczenie na poziomie bramki, a nie natywny punkt końcowy OpenAI; API wywoływania narzędzi GPT-6.2 firmy OpenAI wymaga Responses. Na potrzeby tego artykułu nie przeprowadzono praktycznego testu bramki. Wspólny klucz lub protokół nie gwarantuje tego samego zaplecza ani sposobu rozliczania wywołań narzędzi.

Do oceny Fable w pierwszej kolejności użyj reprezentatywnych zadań z repozytoriów, do oceny Astry — zadań prawniczych z weryfikacją, a do pracy wizualnej — własnych briefów. Zachowaj niezmienione prompty i kryteria sukcesu, zapisuj poziom rozumowania oraz zachowanie modelu zapasowego i porównuj koszt ukończonego zadania na używanej trasie. Bezpośredni dostęp u dostawcy to osobny kanał.

FAQ

Czy GPT-6.2 Astra i Claude Fable 5.2 kosztują tyle samo?
Tak, według oficjalnych stawek Standard dla krótkiego kontekstu: 8 USD za milion tokenów wejściowych i 40 USD za milion tokenów wyjściowych. Stawka Astry obowiązuje do 272,000 tokenów wejściowych na żądanie; powyżej tego progu stawki za tokeny wejściowe i odczyt z pamięci podręcznej dla całego żądania są dwukrotnie wyższe, a za tokeny wyjściowe — 1.5 raza wyższe. Różnią się też stawki za odczyt z pamięci podręcznej i czas przechowywania.

Który model warto najpierw ocenić pod kątem programowania w repozytoriach?
Rozsądnym punktem wyjścia jest Fable: w teście FrontierCode-AA 2.0 firmy AA Fable przy maksymalnym poziomie z domyślnym modelem zapasowym uzyskuje 48.76%, a Astra przy maksymalnym poziomie — 45.38%. To jeden zestaw zadań i jedno środowisko testowe, a nie gwarancja porównywalnej mocy obliczeniowej.

Czy Astra może już obsługiwać zadania prawnicze bez weryfikacji?
Nie. Wskaźnik zaliczenia wszystkich kryteriów Astry w teście Harvey LAB-AA v1.1 wynosi 15.0%, a Fable — 7.2%, przy maksymalnym poziomie i z domyślnym modelem zapasowym Fable. Rygorystyczna miara wymaga zaliczenia każdego kryterium z rubryki i przyznaje zadaniu zero punktów w przypadku istotnych halucynacji. Oba modele wymagają weryfikacji przez prawnika.

Czy GPT-6.2 Astra pokonała Fable 5.2 w Agents' Last Exam?
OpenAI informuje o przewadze 5.5 punktu procentowego przy 5% kosztu; z wyniku Fable wykluczono dziewięć zadań z użyciem modelu zapasowego. Komunikat nie potwierdza, że zbiory zadań były identyczne ani że modele korzystały z porównywalnej mocy obliczeniowej. To wykluczenie nie dotyczy osobnego wyniku z testu Harvey.

Czy mają takie samo okno kontekstu?
Prawie. Oficjalne okno Astry obejmuje 1,050,000 tokenów, a Fable — 1,000,000 tokenów. Limit wyjściowy obu modeli wynosi 128,000 tokenów.

Czy mogę już korzystać z obu modeli przez AIHubMix za pomocą jednego klucza?
Tak. Astra, Sol i Fable 5.2 są dostępne za pomocą jednego klucza AIHubMix, a dokumentacja opisuje trasy Chat Completions, Responses i Anthropic Messages. Strony GPT-6.2, dokumenty llms, katalog i rozstrzygnięte schematy sprawdzono 18 listopada 2026 około 15:04–15:06 UTC (23:04–23:06 czasu pekińskiego); stronę Fable i dokument llms sprawdzono tego samego dnia około 15:10 UTC (23:10 czasu pekińskiego). Na potrzeby tego artykułu nie przeprowadzono praktycznego testu; wspólny klucz lub protokół nie gwarantuje tego samego zaplecza ani sposobu rozliczania wywołań narzędzi.

Czy porównywać je przy domyślnym poziomie rozumowania?
Ustaw go jawnie. API Fable domyślnie używa poziomu high, a aplikacje Claude i Claude Code — medium. OpenAI zaleca jawny poziom medium jako punkt wyjścia dla nowych integracji GPT-6.2; nie jest to potwierdzona wartość domyślna API. Takie same oznaczenia nie oznaczają takiej samej mocy obliczeniowej.

Czytaj dalej: seria GPT-6.2

Źródła

  1. Artificial Analysis: FrontierCode-AA 2.0, Harvey LAB-AA v1.1 i AA-3D — wyniki i metody ewaluatorów; zrzuty stron pobrano 18 listopada 2026 około 02:30–02:40 UTC. We wszystkich przypadkach warianty przy maksymalnym poziomie; Fable oznaczone jako korzystające z domyślnego modelu zapasowego.
  2. OpenAI: Przedstawiamy GPT-6.2 Astra i Sol — porównanie Agents' Last Exam opublikowane przez dostawcę oraz informacja o wykluczeniu dziewięciu zadań; podsumowanie testu Harvey odwołuje się do przedstawionych wyżej wyników ewaluatora.
  3. OpenAI: Cennik, model Astra i korzystanie z GPT-6.2 — oficjalne stawki, limity, data odcięcia wiedzy i wskazówki dotyczące integracji.
  4. Anthropic: przegląd Fable 5.2 i ogłoszenie Fable i Mythos 5.2 — specyfikacje API i ceny; domyślne ustawienia API w porównaniu z aplikacją/Claude Code.
  5. AIHubMix: Astra, Sol, Fable, dokument llms dla Astra, dokument llms dla Sol i indeks schematów — strony modeli GPT-6.2, dokumenty llms, wpisy w katalogu oraz zweryfikowane schematy GPT-6.2; weryfikację przeprowadzono 18 listopada 2026 r. około 15:04–15:06 UTC (23:04–23:06 czasu pekińskiego). Stronę modelu Fable i dokument llms sprawdzono tego samego dnia około 15:10 UTC (23:10 czasu pekińskiego). Udokumentowano dostępność i trzy protokoły bramy. Nie wysłano żadnego żądania inferencji.

Jedna brama do wielu dostawców AI. Stworzona z myślą o produkcji.

Odwiedź AIHubMix