Fable 5.2 和 GPT-6 Astra 对比：单价低 20%，同题输出却是 2.5 倍

2026 年 11 月 9 日，Anthropic 发布 Claude Fable 5.2（claude-fable-5-2），每百万 token 输入 $8、输出 $40，比 GPT-6 Astra（gpt-6-astra）的 $10、$50 低 20%；在此之前，Fable 5.1 和 Astra 同价。单价降了，任务却不一定变便宜，因为两家同名的推理强度（effort）档位并不代表同样的工作量。2026 年 11 月 10 日，用同一套 11 道题让两个模型都开 high，两边全部做对，Fable 5.2 写出的输出 token 约是 Astra 的 2.5 倍，按标价折算每轮成本是 Astra 的 1.74 倍。

所以换不换、换到哪一档，要按分数对档，而不是按档位名。按 Artificial Analysis 智能指数 v5.0.1（截至 2026 年 11 月 10 日）：你现在用 Astra max，可以改试 Fable 5.2 medium，分数只低 1 分，每道指数题的成本少 39%，耗时约为三分之一；用 Astra high 或 xhigh，分数相近的是 Fable low，便宜 4%–15%、也更快，差距不大，值得拿自己的任务试，但不必急着换；用 Astra low 或 medium 压成本的，继续留在 Astra，Fable 最便宜的一档每题也要 $3.10。只有任务需要超过 Astra max 的能力时，才把 Fable 5.2 开到 high。

有几种情况在比质量之前就决定了答案。请求涉及高风险网络安全或多数生物研究时，会被 Fable 5.2 的安全分类器拦下；组织要求零数据保留、代码里强制指定工具调用或传了 temperature，Fable 5.2 要么用不了，要么得先改代码。Astra 这边，单次输入超过 272K token 会整单按更高价计费，在 Chat Completions 接口上也不能做函数调用。

Fable 5.2 真的比 Astra 便宜 20% 吗：单价是，任务成本不一定

按每百万 token 的标价算是。截至 2026 年 11 月 10 日，Fable 5.2 的输入、输出和短档缓存写入都比 Astra 低 20%，缓存读取只有 Astra 的五分之一，而且 100 万 token 的上下文全程按同一价格计费。但两家的分词器不同，同一段中文在 Fable 上计出的 token 约多一半；同开一档时 Fable 思考得也更多。所以 20% 是每个 token 的差，不是每个任务的差。

下表是两家直连 API 的标价，单位为美元 / 每百万 token。Fable 5.2 来自 Anthropic 定价页，Astra 的 272K 以内价格来自 OpenAI API 定价页，均截至 2026 年 11 月 10 日；Astra 超过 272K 的价格和 Batch 价格截至 2026 年 10 月 26 日。

最容易被忽略的是 272K 这条线：Astra 的单次输入一旦超过 272K token，整次请求的输入、输出和缓存都按右列计价，不是只有超出部分涨价。Fable 5.2 没有这一档，100 万 token 窗口内同一个价。Astra 的长上下文、缓存档位、Batch 和 Fast 怎么叠加，可以看 GPT-6 Astra API 定价与成本计算：价格表、272K 与两档缓存写入。

两个名字顺带说清。搜索里的“Astra 6”指的就是 GPT-6 Astra，2026 年 9 月 3 日发布；截至 11 月 10 日，OpenAI 定价页列出的是 gpt-6-astra、gpt-6.1-sol、gpt-6.1-terra 和 gpt-6-luna，没有 GPT-6.2。和 Fable 5.2 同时发布的 Claude Mythos 5.2 是同一个模型、安全限制更少的版本，只开放给通过 Anthropic 验证计划的组织，普通团队选不到。Fable 5.1 现在标为旧版（legacy），仍可调用，价格和 Astra 一样，所以 9、10 月按“两者同价”做出的判断，对 5.1 是成立的，对 5.2 不再成立。

都开 xhigh 公平吗：同分对档，Fable 5.2 的 medium 对应 Astra 的 max

不公平。两家的档位名相同，背后的思考量不同：都开 xhigh 时，Fable 5.2 在 Artificial Analysis 智能指数上高 7 分（62 比 55），每道指数题的成本却是 Astra 的 4.05 倍，耗时约 2.3 倍。更有用的比法是先找分数相近的两档，再看谁花得少、谁更快。

下表来自 Artificial Analysis 的 GPT-6 Astra 与 Claude Fable 5.2 发布对比页，智能指数版本 v5.0.1，截至 2026 年 11 月 10 日。每题成本是跑一道指数题按两家直连 API 标价算出的美元数，每题分钟是完成一道题的平均用时。

横着比同名档位，Fable 5.2 每一档都贵：medium 是 Astra 的 1.39 倍，low 2.18 倍，high 2.80 倍，xhigh 4.05 倍，max 4.25 倍，换来的是高 4 到 11 分。斜着按分数比，结论就变了。Fable medium 的 56 分比 Astra max 只低 1 分，每题 $3.80 对 $6.24，用时 8.3 分钟对 22.6 分钟；Fable low 的 54 分比 Astra high 和 xhigh 低 1 分，成本分别低 4% 和 15%，用时少 34% 和 44%。再往下，Fable low 比 Astra medium 高 2 分，但贵 14%。

两头各只有一家有选项。分数要求低于 Astra medium 时，只有 Astra low 能以每题 $1.42 拿到 43 分，Fable 没有这么便宜的档。分数要求高于 Astra max 的 57 分时，只有 Fable 能给：high 拿 62 分，成本是 Astra max 的 1.46 倍，用时却只有 0.78 倍；xhigh 同样 62 分，成本比 Fable high 贵六成多，在这个指数上没有多换来分数；max 拿 65 分，成本是 Astra max 的 4.25 倍。这和 Anthropic 的推理强度文档给 Fable 5.2 的建议一致：从 high 开始，大部分能力在 high 就已经有了，评测证明质量不降时再降到 medium 或 low，max 比 xhigh 更慢更贵，提升往往很小。

还要注意默认档位不同。Fable 5.2 在 API 上默认是 high，在 Claude Code 和 Claude 应用里默认是 medium；OpenAI 的文档没有写 Astra 在 API 上的默认档位，Codex 里用的是你配置文件设定的档位。所以“各自默认设置”比出来的结果，往往也不是同一档。

这张表只说明一个综合指数，不等于你的任务。数据是在 Fable 5.2 发布第二天读到的，Artificial Analysis 会不经通知修订数字，引用时要带上指数版本和日期；早些时候流传的 53 比 53、66 比 61，是 Fable 5.1 在旧版指数（v4.3.2、v4.1）上的分数，不能和 v5.0.1 放在一起比。

11 道题同档实测：两边全对，差距在思考 token

在两边都能做对的小任务上，Fable 5.2 开 high 比 Astra 开 high 贵。2026 年 11 月 10 日的这组测试里，44 份答案全部通过，Fable 5.2 多出来的输出主要是思考 token，20% 的单价优势抵不过两倍半的用量。

测试的设置是这样的：同一套 11 道题，包括四道带隐藏测试的小编程题、一篇 6,723 词英文文章的 5 条要点摘要、表达式求值器、CSV 单行解析、一道不许写代码的计数题、semver 范围匹配、从长文档里找出三条笔记再做算术，以及一道夹着两个虚构函数的标准库问题。GPT-6 Astra 在 Codex CLI 0.166.0 里跑，Claude Fable 5.2 在 Claude Code 里跑，各跑两次，推理强度都设为 high，用的都是订阅账号。答案用事先写好的隐藏测试和规则评分，下表是每轮的平均值。

输出费可以自己复算：Fable 24,052 × $40 ÷ 1,000,000 = $0.96，Astra 9,645 × $50 ÷ 1,000,000 = $0.48。去掉思考部分，Fable 可见的回答是 Astra 的 1.82 倍，差距大头在思考：同样标着 high，Fable 5.2 想得比 Astra 多得多。这也和上一节的指数对档一致，Astra high 的分数大致对应 Fable low，所以在 Astra high 已经能做对的任务上，把 Fable 开到 high 就是多付钱买同样的结果。

这组数字能说明的范围有限。两个模型跑在两个不同的编码代理里，Codex 每次调用自带约 16K token 的上下文，Claude Code 在这个项目里每次会话约 85K 到 125K，所以上下文费和工具调用次数里混着工具本身的差异，输出 token、通过题数和耗时才是更干净的对比。美元数是用掉的 token 按标价折算的金额，不是账单；Codex 没有报告缓存写入，按 API 计费时 Astra 还要另加缓存写入费。题目小、要求明确、两边都能全对，所以它说明不了困难任务或长时间代理任务上的差别，那部分只能参考上一节的指数和厂商公布的数字。每个模型只有两次样本，也只测了 high，Fable 的 medium 和 low 没有测。

同一段中文提示词，Fable 5.2 的输入费约是 Astra 的 1.2 倍

同样的中文输入，在 Fable 5.2 上并不便宜，约是 Astra 的 1.2 倍。2026 年 10 月 26 日，同一段文字分别发给 Claude Fable 5.1 和 GPT-6 Astra 的 API，按两边返回的用量字段计数，中文 Fable 计出的 token 是 Astra 的 1.50 倍；Anthropic 在 Fable 5.2 新特性说明里写明它和其他现役 Claude 模型用同一个分词器，所以这组比例可以沿用到 5.2。乘上 0.8 的单价比，同一段未缓存的中文输入，在 Fable 5.2 上的费用约为 Astra 的 1.20 倍。

右列等于中间列乘以 0.8。Fable 5.1 时期两家单价相同，输入费的倍数就是 token 比，1.23 到 1.90 倍；5.2 降价之后，只有日文基本持平。每种语言只测了一段 246 到 799 个字符的文字，内容类型不同比例会变：一篇 6,723 词的英文文章，Fable 计 15,335 token，Astra 计 10,106 token，是 1.52 倍。计数是在 Fable 5.1 上测的，沿用到 5.2 依据的是 Anthropic 关于分词器的说明，不是对 5.2 的重新计数。

这个比例还有两个推论。输出用的是同一个分词器，所以同样长度的中文回答，Fable 计出的输出 token 大概率也更多，20% 的输出单价优势会被吃掉一部分。上下文窗口也是按各自的 token 算的：按 1.50 倍推算，Fable 5.2 的 100 万 token 窗口能装下的中文，大约相当于 Astra 计数下的 67 万 token。

缓存和 272K：长上下文代理任务里，Fable 5.2 反而省

账单会在两种情况下反过来：代理任务反复读取已缓存的上下文，或者单次输入超过 272K token。前者 Fable 5.2 的缓存读取按中文换算约是 Astra 的 0.3 倍，后者 Astra 整单换成长上下文价，同一段 30 万 token 的中文输入在 Fable 上约是 0.6 倍。

下表都是按中文 1.50 倍的 token 比、用上面的标价算的。“Astra 计数”指同一段文字在 Astra 上算出的 token 数，272K 这条线也按它来判断。

两家缓存的机制也不一样。OpenAI 对 Astra 默认自动缓存，并对缓存写入收费：30 分钟档是输入价的 1.25 倍，12 小时档是 2.5 倍，读取是 0.1 倍，至少 1,024 token 才会缓存；不想自动写入，可以把 prompt_cache_options.mode 设为 "explicit"。Anthropic 只在请求里设了 cache_control 的地方才缓存，写入是输入价的 1.25 倍（5 分钟）或 2 倍（1 小时），Fable 5.2 的读取只有 0.025 倍。所以一个反复读取同一份几十万 token 上下文的代理循环，读的次数越多，Fable 越省；只调用一两次的请求，主要成本在写入，Fable 不占便宜。上一节的 11 道题就是这种情况：Fable 的上下文费里，大头是缓存写入，不是读取。Claude 这边缓存怎么设、各模型的读写价格，可以看 Claude Prompt Caching 提示缓存怎么用：各模型价格与命中实测。

Astra 还强在哪：GDP.pdf、CritPt 和最便宜的 low 档

Astra 并不是全面落后。在 Artificial Analysis 的子项里，它在 GDP.pdf 每一档都领先，在 CritPt 难题子集上中间几档高过 Fable 的 low 和 medium；它还有 Fable 没有的低价档，low 每道指数题的成本不到 Fable 最低一档的一半。

具体数字同样来自 Artificial Analysis 的发布对比页（截至 2026 年 11 月 10 日）。GDP.pdf 上 Astra 各档在 30.4% 到 32.2% 之间，Fable 5.2 各档是 21.4% 到 26.8%。CritPt v2 难题子集上，Astra 从 medium 到 max 是 72.0%、71.5%、71.0%、70.5%，高过 Fable low 的 60.0% 和 medium 的 61.5%，但 Fable 开到 high 以上（73.0% 到 76.5%）就反超。Terminal-Bench 4.0 上，Astra xhigh 的 59.6% 和 Fable high、max 持平，Fable xhigh 是 61.6%。Fable 领先最多的是 AA-Omniscience v1.1（63 到 67 对 40 到 45）、max 档的 HLE-Diamond（80.2% 对 63.8%）和 AutomationBench-AA（76.4% 对 68.5%）。如果你的工作更像 GDP.pdf 或者对成本很敏感，Astra medium 或 high 仍然是合理的默认值。

Anthropic 在 Fable 5.2 和 Mythos 5.2 的发布页上放了一张和 Astra 的对比表，每一行都是 Fable 领先，例如 FrontierCode 2.0 49.1%（xhigh）对 42.8%、FrontierSWE v2 69.9% 对 65.5%、OSWorld 2.1 89.3% 对 79.5%、Remote Labor Index 41.3%（high）对 20.8%，并称 Fable 5.2 开 high 时 FrontierCode 2.0 拿到 45.3%，以大致相同的成本超过 Astra 的最好成绩。这张表是对比双方之一自己挑选的项目，除特别标注外两边都用最高档，没有第三方复现；截至 11 月 10 日，OpenAI 没有发布针对 Fable 5.2 的对比表。

谁更快：Fable 5.2 每秒输出约是 Astra 两倍，同题耗时持平

看你问的是哪种快。按每秒输出 token，Fable 5.2 约是 Astra 的两倍；按分数相近时每题耗时，Fable 也更短；但在 11 道小题上两边总耗时基本持平，因为 Fable 多写的 token 把速度优势吃掉了。

Artificial Analysis 测到 Fable 5.2 每秒输出 87 到 103 个 token，Astra 是 38 到 44 个。对档表里分数相近的几组，Fable 每题用时都更短。11 道题的测试里，Fable 多写了一大截 token，总耗时反而短 6%，两边基本打平。Anthropic 说 Fable 5.2 的输出速度比 Fable 5.1 最多快 30%，这是和自家上一版比，不是和 Astra 比。

如果速度比成本重要，两边都有加速档。Fable 5.2 设 speed: "fast" 后输出速度最多提高到 2.5 倍，价格变成每百万 token $16 / $80；Astra 的 Fast 档是标准价的 2 倍，Ultrafast 是 6 倍，只能在 Responses API 上用。

换模型前的排除清单：Fable 5.2 或 Astra 用不了的情况

下面这些条件会在比较质量之前就排除掉其中一个模型，所以放在测试之前核对。条件来自 Fable 5.2 模型概览和Fable 5.2 迁移指南（截至 2026 年 11 月 10 日），以及 OpenAI 的模型页和提示缓存指南（截至 2026 年 10 月 26 日）。

Fable 5.2 这边要核对的：

• 请求涉及高风险网络安全工作或大部分生物研究任务时，Fable 5.2 的安全分类器会拒绝。API 上这种拒答仍返回 HTTP 200，stop_reason 为 "refusal"，代码要单独处理；可以开启服务端回退（测试版），改由 Claude Opus 4.8 或 Opus 5 回答。通过 Anthropic 验证计划的组织可以改用 Mythos 5.2。
• 组织启用了零数据保留时，Fable 5.2 默认不可用。它要求 30 天数据保留，除非 Anthropic 明确授权；没有 30 天保留的组织或工作区，请求会返回 400。
• 代码用 tool_choice 的 any 或 tool 强制调用工具，在 Fable 5.2 上返回 400，只支持 auto 和 none。
• 请求里带了 temperature、top_p 或 top_k 的，要先删掉。
• 如果流程靠关闭思考或很小的 max_tokens 控制成本，在 Fable 5.2 上行不通。思考始终开启，思考 token 计入 max_tokens，设得太小可能还没输出正文就停了。
• Fable 5.2 的速率限制单独计算，不和 Fable 5.1 共用，迁移时要确认新模型的额度。

Astra 这边要核对的：

• 单次输入超过 272K token（按 Astra 自己的计数）时，整次请求按长上下文价计费。
• 如果你在 Chat Completions 接口上做函数调用，Astra 不支持，要改用 Responses API。
• OpenAI 默认自动缓存并按输入价的 1.25 倍收写入费，即使你没有设置任何缓存参数，账单里也会出现缓存写入。
• 使用数据驻留端点时，价格另加 10%。

通过第三方网关调用时，先查它的模型列表再做测试。2026 年 11 月 10 日，laozhang.ai 的 /v1/models 返回 207 个模型，其中有 gpt-6-astra、claude-fable-5-1 和 claude-fable-5，还没有 claude-fable-5-2；网关随时可能上新，以调用当天的列表为准。

说明：laozhang.ai 是我们自己的服务，其价格是平台报价，不是独立比较的结论。

用自己的任务验证：同一批题，按每个合格结果算成本

指数和 11 道小题回答的是不同问题，最后要用你自己的任务定。做法是按上面的对档关系各选一两档，同一批题跑两遍以上，把成本除以通过题数，比较每个合格结果花了多少钱、多少时间。

1. 从真实工作里挑 10 到 20 道任务，每道配一个能自动判定的检查，比如测试用例、格式规则或已知答案。
2. Astra 保持你现在用的档位；Fable 5.2 从分数相近的那一档开始（Astra high 或 xhigh 对 Fable low，Astra max 对 Fable medium），再加一组 high。在 Claude Code 里测要明确设定推理强度，因为它默认是 medium。
3. 每个组合至少跑两次，从响应的用量字段记下未缓存输入、缓存读取、缓存写入和输出 token，Fable 的思考 token 计在输出里。
4. 用下面的公式算每轮成本，再除以通过题数，同时记下耗时。

每轮成本 = (未缓存输入 × 输入价 + 缓存读取 × 读取价 + 缓存写入 × 写入价 + 输出 × 输出价) ÷ 1,000,000
每个合格结果的成本 = 每轮成本 ÷ 通过题数

以 11 道题的测试为例，Fable 5.2 每轮 $2.15、通过 11 道，每个合格结果约 $0.20；Astra 每轮 $1.24，约 $0.11。通过数不同时先看通过数，再看每个合格结果的成本；通过数相同时选更便宜、耗时可以接受的那一组。如果最后要走 API，就在 API 上测：订阅里的 Codex 和 Claude Code 会把各自工具的上下文算进去，量出来的上下文费和直连 API 不一样。

在 Claude 和 ChatGPT 订阅里怎么用 Fable 5.2 和 Astra

两边都只在付费档位里提供。截至 2026 年 11 月 10 日，Claude 的所有付费方案都能用 Fable 5.2，但它从不是默认模型，要在模型选择器里手动切换；截至 2026 年 10 月 26 日，ChatGPT 的 Free 和 Go 用的是 GPT-6 Luna，Astra 从 Plus 开始提供。

Claude 这边，按 Claude 帮助中心关于 Fable 模型的说明，Max、Ultra 和高级席位包含 Fable，但每周额度里最多 50% 能花在 Fable 模型上；Pro 和标准 Team 席位用 Fable 要消耗按量付费的使用额度，只有发布周例外，到太平洋时间 2026 年 11 月 16 日 23:59 为止，最多可用每周额度的 50%。Claude Code 里用 /model fable 切换。

ChatGPT 这边截至 2026 年 10 月 26 日：Plus 和标准 Business 在 Work 和 Codex 里每 5 小时大约有 5 到 45 条 Astra 本地消息，Pro 没有 5 小时限制，Enterprise 和 Edu 需要管理员开启。普通聊天里哪些方案能选 Astra，OpenAI 的帮助页没有列明。

Fable 5.2 和 GPT-6 Astra 的其他问题

还在用 Fable 5.1，要先换到 5.2 再和 Astra 比吗？

要比 Astra，就用 Fable 5.2 比。截至 2026 年 11 月 10 日，Fable 5.1 仍可调用，但单价比 5.2 高 25%，在 Artificial Analysis 指数上也低得多。换过去时，Anthropic 建议重新在自己的评测上扫一遍推理强度，不要沿用 5.1 的设置；另外 Fable 5.1 读不了 5.2 的思考块，对话从 5.2 切回 5.1 时，之前的推理会被丢弃。Fable 5.1 和 Astra 的实测 token 与成本，见 GPT-6 Astra 与 Claude Fable 5.1 怎么选：实测 token 与 API 成本。

有没有比这两个都便宜、又够用的模型？

有，两家各有更便宜的一档。OpenAI 这边看 GPT-6.1 Sol、GPT-6 Sol、Astra 怎么选，Claude 这边看 Sonnet 5.5 对比 GPT-6 Astra：值不值得换 和 Claude Fable 5.1 和 Opus 5.5 怎么选？性能、价格与切换建议。