Gemini 4 Argon、Fable 5.2、GPT-6 Astra 对比：单价最低不等于最省

截至 2026 年 11 月 11 日，要在 Gemini 4 Argon、Claude Fable 5.2 和 GPT-6 Astra 之间定一个默认模型，要求写得清楚、结果能自动校验的日常任务先用 gemini-4-argon，不设思考档，让它走 API 默认的 medium；需要更强推理和编码质量的难题换 claude-fable-5-2 的 medium 档，预算紧先试 low；已经在 OpenAI 上开发的团队，gpt-6-astra 的 high 档分数和成本都与之接近。不要指望把 Argon 调到 high 去做难题：截至同日的 Artificial Analysis 智能指数 v5.0.1 只给 Argon 的 High 档打了分，Gemini 4 Argon (High) 50 分，Fable 5.2 medium 56 分，每任务成本还更低，即使按 Argon 11 月 30 日前的半价折算也是如此。

2026 年 11 月 11 日，同一组 8 道题（其中 3 道各问两遍，共 11 个评分答案）交给三款模型的 7 种配置，77 个答案全部做对，花的钱却差很多：Argon 默认档合计 $0.096，Astra 默认档 $0.41、Fable 5.2 low $0.42，都是它的 4 倍多，Fable 5.2 不设 effort（API 默认 high）$0.74，是它的 7.7 倍。Argon 开到 high 要 $0.39，今天还略低于 Astra 默认档和 Fable 5.2 low；12 月 1 日 Argon 单价从每百万 token 输入 $2、输出 $10 翻倍到 $4、$20 之后，默认档仍是 7 种配置里最省的，high 档则变成最贵的。

有三种情况要先绕开上面的顺序。要输入视频或音频，三款里只有 Argon 支持；内容涉及高风险网络安全或多数生物研究，Fable 5.2 的安全分类器会拦截；要在很长的输入里数准数字时不要用 Argon 默认档，同一天让三款数 146 KB 日志里的错误，Argon 默认档 22 秒交卷、5 个错误计数全部偏少，Astra 默认档 26 秒全对，Argon 开 high 并用流式输出也能全对，但要 329 秒。

三款先试哪一款、思考强度开哪一档

三家都让你控制模型在回答前"想多少"，叫法和档数却不同：Argon 叫 thinking level，只有 low、medium、high 三档，API 默认 medium；Fable 5.2 叫 effort，从 low 到 max 五档，API 默认 high，Claude Code 和 Claude 应用默认 medium，思考不能关闭；Astra 叫 reasoning effort，也是 low 到 max 五档，OpenAI 文档没有写明 API 默认是哪一档。下文统一称"思考强度（effort）"。名字相同的档位不代表工作量相同，所以选档要按"做出同样结果花多少"来比，不按档名对齐。

按这个口径，分工可以这样定。较难的推理、编码和分析先用 Fable 5.2 medium，在 AA 指数上它比 Astra 的 high、xhigh 高 1 分，花费相近；要求接近现有最高水平时只能往上开 Fable 5.2 的 high，因为 57 分以上只有 Fable 有档位，再往上的 xhigh、max 每任务成本成倍上升。要求明确、量大、能自动判对错的任务交给 Argon 默认档：它的单价只有 Fable 5.2 的四分之一、Astra 的五分之一，同题测试里做对同样 11 个答案的花费约为 Fable 5.2 low 和 Astra 默认档的 23%，12 月 1 日涨价后也不到一半；一旦它在这类任务上出错，先换 Fable 5.2 low 或 Astra 默认档，而不是把 Argon 调到 high。在长日志、长表格里做精确计数和比对，用 Astra 默认档或 Fable 5.2 medium。输入里有视频或音频时只能用 Argon。

如果你本来就在 Claude 的模型里挑，还有一个比 Fable 5.2 便宜的选项，档位怎么对应、同题差多少见 Fable 5.2 和 Opus 5.5 怎么选：哪档对哪档，同题实测贵 1.86 倍。

同题实测：77 个答案全对，花费最多相差 7.7 倍

2026 年 11 月 11 日，同一组 8 道题经 laozhang.ai 的同一个 API key 发给三款模型，每家用自己的原生请求格式：Argon 用 Gemini 的 generateContent（非流式），Fable 5.2 用 Anthropic Messages（流式），Astra 用 Chat Completions（流式）；没有系统提示，不带工具。题目包括一道应用题、三个用隐藏测试评分的小 Python 函数、把一篇 6,723 词的英文文章总结成 5 条要点、一个表达式求值器（25 个隐藏测试）、一个 CSV 行解析器（16 个隐藏测试）和一道不写代码的计数题，后三道各问两遍，所以每个配置交 11 个答案。只计入返回的模型名与请求一致的响应，不一致的重新请求。7 种配置的 77 个答案全部通过。成本按每次返回的 token 用量乘以当天官方标价计算，不是账单。

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。

这张表说明的是"结果相同时各花多少"，不是哪款更聪明：题目小、要求明确，三款都能做对，分不出能力高低，能力差距要看下一节的第三方指数。Argon 默认档的输出量和 Astra、Fable 5.2 low 差不多，便宜几乎全靠单价；开到 high 后输出变成默认档的 5.1 倍，今天的 $0.388 只比 Astra 默认档和 Fable 5.2 low 略低，12 月 1 日起的 $0.777 则高过表里所有配置，包括 Fable 5.2 默认档。Fable 5.2 和 Astra 之间，Fable 5.2 的输入 token 比 Astra 多 51%，单价低 20%，两者大致抵消，差别主要在输出：Fable 5.2 low 和 Astra 默认档只差 2%，不设 effort 时 Fable 5.2 的输出是 Astra 默认档的 2.8 倍，花费高出 80%。

几点限制要一起看。Fable 5.2 的思考 token 算在输出里，不单独列出；Astra 的成本里含它默认写入缓存的 10,104 个 token（按 $12.50 每百万计）。Argon 是非流式调用，重新请求的那些是逐个补跑的，它的用时只能作粗略参考，token 数和对错不受影响。经网关调用时，"不设档"是否等于文档里的默认档，从返回结果里无法证实；每个配置只有 1 到 2 个样本，一个网关，一天。

Artificial Analysis 指数逐档对比：Gemini 4 Argon (High) 只有 50 分

截至 2026 年 11 月 11 日，Artificial Analysis 智能指数 v5.0.1 给 Fable 5.2 和 Astra 各公布了五档成绩，Argon 只公布了 High 一档，没有 API 默认的 medium 和 low。下表按分数排列，成本是跑一道指数题的平均花费，按各家 API 标价计；AA 对 Argon 用的已经是 12 月 1 日起的 $4 / $20，括号里是按 11 月 30 日前的半价折算，AA 页面上没有这个数。来源是 Artificial Analysis 的 Gemini 4 Argon 与 Claude Fable 5.2 对比页和 GPT-6 Astra 与 Claude Fable 5.2 分档对比页。

按同分来读，结论很直接：比 Argon (High) 分数高的档位里，Astra medium、high、xhigh 和 Fable 5.2 low、medium 每任务都在 $2.73 到 $3.80 之间，比 Argon (High) 按今天半价折算的 $4.98 还低；12 月 1 日后 Argon (High) 的 $9.95 甚至高过 Astra max（57 分）和 Fable 5.2 high（62 分）。比它便宜的只有 Astra low，分数是 43。也就是说，在这套指数的难度上，花钱让 Argon 多想，不如换一款模型。这个结论不涉及 Argon 的 medium，AA 没有给这一档打分，而在上一节的同题测试里，它的花费只有 high 档的四分之一。

Argon 这一行的成本在 AA 页面上变过。2026 年 11 月 4 日同一页面显示 Gemini 4 Argon (High) 50 分、每任务 $7.68，11 月 11 日变成 $9.95、28.6 分钟，版本号仍是 v5.0.1，价格基准仍是 $4 / $20，页面没有说明原因。Gemini 4 Argon vs GPT-6 Astra 对比：实测成本与 12 月涨价后怎么选写于 11 月 4 日，用的是 $7.68；网上还在流传的"每任务 1.99 美元""成本仅为 Astra 的 60%"来自更早的 v4.x 指数，已经不能和现在的数字放在一起比。

Fable 和 Astra 之间，Fable 5.2 medium 比 Astra max 只低 1 分，成本低 39%，用时约三分之一；Fable 5.2 low 比 Astra high、xhigh 低 1 分，便宜 4% 到 15%；57 分以上只有 Fable 有档位，最高的 max 65 分，每任务 $26.54，是 Astra max 的 4.25 倍。社交平台上流传的"Fable 5.2 65 分、Gemini 4 Carbon 60 分、GPT-6 Astra 57 分"是各模型最高档的成绩，所以"Astra 比 Fable 强吗"的回答是：在这套指数上，同等成本下 Fable 5.2 的档位分数更高，Astra 只在最低成本一端（low，$1.42）没有对手。两款逐档怎么对应、在各自编码 CLI 里的实测，见 Fable 5.2 和 GPT-6 Astra 对比：单价低 20%，同题输出却是 2.5 倍。

长日志精确计数：Argon 默认档 22 秒答错，开 high 要 5 分半

2026 年 11 月 11 日的另一项测试专门考长输入，三款模型都参加，调用方式和同题测试相同，Argon 开 high 时改用流式输出。输入是一份 146 KB、1,500 行的日志，其中 326 行是 ERROR，WARN 行里混着同样的错误码做干扰，要求报出 7 个精确值（5 个错误码各出现几次、某个错误码涉及多少个不同用户、重试次数最多的请求 ID），标准答案在调用前由脚本生成。

Argon 默认档只输出了 85 个 token，没有任何思考，5 个错误计数全部偏少 18% 到 38%（比如 E503 报 58 次，实际 94 次），不同用户数报 46，实际 78，只有请求 ID 对了。11 月 4 日用同一份日志测过，结果一样：默认档两次都错、都没有思考 token；开 high 但不用流式时，调用在 32,768 个输出 token 处停止，还在思考阶段，没有答案，照样计费 $0.49；改成流式后两次都对，用时 271 到 402 秒。所以 Argon 开 high 时建议用流式请求。

high 档这次的 $0.46 偏低，因为几分钟前的默认档调用在 Google 那边留下了隐式缓存，77,258 个输入 token 按缓存价计费；不命中缓存约 $0.61，12 月 1 日起约 $1.22。Astra 的 $0.82 里含把整段日志写入缓存的费用（按 $12.50 每百万计），30 分钟内重复同样的输入会按 $1 每百万读取。这项测试只有一种任务、每个配置一个样本，不能当作综合排名，但能说明一个实际问题：Argon 默认档面对长输入时可能不思考就作答，又快又错，需要精确结果时要么换模型，要么开 high、用流式、等几分钟。

为什么单价最低的 Argon，开到 high 反而不省

每次调用的花费等于 token 数乘单价，思考 token 按输出价计费。截至 2026 年 11 月 11 日，Argon 每百万 token 输入 $2、输出 $10，只有 Fable 5.2 的四分之一、Astra 的五分之一；只要它写出的 token 比别人多出四五倍，单价优势就没有了，而开到 high 正是这样。在 8 道题的测试里，Argon high 写出 36,291 个输出 token，其中 30,842 个是思考，是 Fable 5.2 medium（9,317 个）的 3.9 倍。按百万 token 折算，Argon high 的输出部分约 $0.363，Fable 5.2 medium 约 $0.373，几乎打平；今天 Argon 总价 $0.388 仍低于 Fable 5.2 medium 的 $0.510，差额全来自输入便宜（12,712 × $2 约 $0.025，对 17,202 × $8 约 $0.138）。12 月 1 日单价翻倍后，同样的用量变成 $0.777，反超 Fable 5.2 medium 一半以上。

日志题上差得更多。Argon 开 high 写出 44,980 个输出 token，是 Fable 5.2 medium（8,156）的 5.5 倍、Astra 默认档（2,423）的 18.6 倍。不命中缓存时是 79,312 × $2 + 44,980 × $10，约 $0.159 + $0.450 = $0.61，其中输出部分 $0.45，比 Fable 5.2 medium 的输出部分（8,156 × $40，约 $0.33）和 Astra 的（2,423 × $50，约 $0.12）都高。今天它总价仍最低，靠的是输入便宜；12 月 1 日起同样的用量要 $1.22，比这道题上任何一个答对的配置都贵，还要多等 5 分钟。

AA 指数上的情况相同，只是表现在分数上：Gemini 4 Argon (High) 每道指数题平均输出 11.6 万 token，其中 6.83 万是思考，花了 28.6 分钟，换来 50 分；Fable 5.2 medium 和 Astra high 用更少的时间和钱拿到了更高的分数。所以"Argon 每百万 token 最便宜"和"Argon 每个合格结果最便宜"是两件事，前者只在它不需要多想、默认档就能做对的任务上才成立。

价格与规格：12 月 1 日 Gemini 4 Argon 单价翻倍

截至 2026 年 11 月 11 日，三款的官方 API 标价和主要规格如下，单位是美元每百万 token。Argon 的 $2 / $10 是 Google 定价页标明"截至 2026 年 11 月 30 日"的价格，12 月 1 日起变成 $4 / $20；Fable 5.2 在整个 1M 上下文内价格不变；Astra 单次输入超过 272K token 时，整次请求按更高的价格计费。价格来自 Gemini API 定价页、Claude API 定价页和 OpenAI API 定价页。

按单价算，11 月 30 日前 Argon 是 Fable 5.2 的四分之一、Astra 的五分之一，12 月 1 日起变成二分之一和五分之二。到那天，Argon 的每百万 token 单价仍是三款最低，同题测试里默认档也仍是最省的配置，但 high 档会从比 Astra 默认档略便宜变成最贵。AA 的数字不会变，因为它已经按 $4 / $20 计算，失效的只是"半价折算 $4.98"这个参考值。Gemini 4 Carbon 的 $2 / $10 优惠价也到 11 月 30 日为止。Fable 5.2 的 Batch 是 $4 / $20，Astra 的 Batch 是标准价的一半；Astra 在 272K 门槛、两档缓存写入和 Batch 下的完整算法见 GPT-6 Astra API 定价与成本计算：价格表、272K 与两档缓存写入，还在用 Fable 5.1 的话可以先看 Claude Fable 5.2 和 5.1 区别：单价降 20%，high 以上每任务更贵。

型号名称上，Anthropic 没有发布 Fable 5.5，OpenAI 的定价页也没有 GPT-6.2；搜索里的"Astra 6"指的就是 GPT-6 Astra。Mythos 5.2 和 Fable 5.2 是同一个模型，安全限制更少，只开放给通过验证的组织。

同一段中文，三家计的 token 数不一样

每百万 token 的单价不能直接相除，因为三家的分词器给同一段文字算出的 token 数不同。以 GPT-6 Astra 为 1.00，一段中文短文 Fable 算出 1.50 倍、Argon 算出 0.84 倍；一段英文短文分别是 1.45 倍和 1.00 倍。乘上单价之比（Fable 5.2 是 Astra 的 0.8 倍，Argon 当前 0.2 倍、12 月起 0.4 倍），同样一段不命中缓存的中文输入，Fable 5.2 收的钱是 Astra 的 1.20 倍，Argon 在 11 月 30 日前是 0.17 倍，12 月 1 日起 0.34 倍；英文输入则是 1.16 倍、0.20 倍和 0.40 倍。中文对 Argon 有利、对 Fable 不利，中文任务的实际差距会比单价表示的更大一些。

这些短文倍数来自更早的测试：Fable 的是 2026 年 10 月 26 日在 Fable 5.1 上测的，Anthropic 说明 5.2 用同一个分词器，11 月 11 日 Fable 5.2 给那篇 6,723 词英文文章算出的 15,335 个 token 也和 5.1 当时完全一样；Argon 的是 11 月 4 日测的。同一篇英文文章，Argon 算 11,110、Fable 5.2 算 15,335、Astra 算 10,106，即 1.10 倍和 1.52 倍，和短文的比例接近。每种语言只用了一段几百字的文字，换成代码、日志、ID 列表，比例会变：11 月 11 日那份 146 KB 日志，Argon 算 79,312、Fable 5.2 算 78,537、Astra 算 55,843，Argon 反而和 Fable 一样多，是 Astra 的 1.42 倍。所以估算自己的成本时，要用自己的真实输入去数，不要套用一个固定倍数。

写代码选哪个：三家的跑分表各缺一款

没有任何一家厂商把这三款放进同一张表。Google 9 月 30 日发布 Argon 时的对比表里有 Astra、Fable 5.1 和 Opus 5.5，没有 Fable 5.2；Anthropic 11 月 9 日发布 Fable 5.2 时比的是 Astra 和 Gemini 4 Carbon，没有 Argon；OpenAI 没有发布和这两款的对比。两张表都有的编码项目是 FrontierSWE v2：Fable 5.2 69.9、Astra 65.5（Anthropic 的表），Argon 55.0（Google 的表）。这是两家各自的测试设置，只能粗略对照，但方向和第三方数据一致。

第三方的 AA v5.0.1 分项（截至 2026 年 11 月 11 日，Gemini 4 Argon (High) 对 Fable 5.2 max 对 Astra max）：FrontierCode-AA 2.0 是 25.7% / 48.8% / 42.4%，Argon 落后最多；Terminal-Bench 4.0 是 57.1% / 59.6% / 59.1%，三款接近；AutomationBench-AA 是 77.5% / 76.4% / 68.5%，这是 Argon 唯一排第一的分项。Google 自己的表上 Argon 在 AutomationBench 也比 Astra 高（51.3 对 41.4），Anthropic 的表上 Fable 5.2 是 51.4，和 Argon 基本持平。需要注意，这组分项拿的是 Argon 唯一的一档去比另外两款的最高档，换成 Fable、Astra 的低档位差距会缩小。

落到选择上：难的编码题、要从头写复杂实现时，先试 Fable 5.2；以终端操作、自动化流程为主的代理任务，三款差距不大，Argon 的单价优势这时才有意义；Astra 在 AA 的 GDP.pdf 上三款最高，31.0%，对比 Argon (High) 21.8%、Fable 5.2 max 24.2%。还要考虑速度：AA 测得 Astra 每秒输出 38 到 43 个 token，Fable 5.2 是 91 到 103 个，Argon 68 个，开高档位时 Astra 的等待最长。

Gemini 4 Carbon 和 Argon 怎么选

Gemini 4 Carbon 是 Google 现在能力最强的推理模型，2026 年 11 月 10 日起在付费 Gemini API 和 Google AI Studio 正式开放（Gemini API 更新日志），免费档没有。它和 Argon 同价（11 月 30 日前 $2 / $10），同样是 1M 上下文、low / medium / high 三档、默认 medium。Google 的说法是 Carbon 每轮花更多思考 token 去探索和自查，用量和延迟都比 Argon 高；Argon 适合多数高阶软件工程和知识工作，回答更快、每轮 token 更少。11 月 10 日之前 Carbon 只给经过审核的网络安全防御方使用，写于那之前的文章还在说"用不上"。

在 AA 智能指数 v5.0.1 上（截至 2026 年 11 月 11 日），Gemini 4 Carbon (High) 60 分、每任务 $7.76、24.9 分钟，Gemini 4 Argon (High) 是 50 分、$9.95、28.6 分钟，两者都按 $4 / $20 计。不过同一页面上跑完整个指数的总成本是 Carbon $8,240、Argon $7,620，方向相反，所以只能说两者开 High 时花费相近，Carbon 分数高出 10 分（AA 的 Carbon 与 Argon 对比页）。如果你打算让 Google 的模型开 high 去做难题，Carbon 比 Argon 更值得试；日常任务用 Argon 默认档的理由不变。Carbon 不在上面两项测试里，因为 11 月 11 日测试所用网关的模型列表里还没有 gemini-4-carbon。

先排除：哪些条件会让某一款直接用不了

下面这些限制与质量无关，碰上就会让某一款出局或多花钱，定默认模型前逐条对照自己的使用场景。除最后两行中注明的测试观察外，依据是截至 2026 年 11 月 11 日三家的官方文档。

地区方面，中国大陆不在 Google、OpenAI 和 Anthropic 三家公布的 API 支持地区名单里。

订阅里能用到哪款：Gemini、Claude 和 ChatGPT 套餐

不走 API 的话，能用到哪款取决于你已经在付的套餐。Argon 在 Google AI Pro 和 Ultra 的 Gemini 应用与 AI 模式里可用，Antigravity 要付费的 Pro、Ultra 或企业版，免费的 Gemini 应用没有，0 元路线和单次成本见 Gemini 4 Argon 怎么用？免费版不含，0 元路线与实测单次成本。截至 2026 年 11 月 10 日，Fable 5.2 在所有付费 Claude 套餐里都能选，Free 没有；Max、Ultra 和高级席位最多可用到每周额度的 50%，Pro 和标准 Team 席位要另付用量额度，只有发布周到 11 月 16 日太平洋时间 23:59 例外；Claude Code 里用 /model fable 切换。ChatGPT 的 Free 和 Go 用的是 GPT-6 Luna，Plus 和标准 Business 在 Work / Codex 里每 5 小时大约有 5 到 45 条 Astra 消息，Pro 没有 5 小时限制。套餐额度变动频繁，这些规则会比 API 价格变得更快。

用自己的任务验证：按每个合格结果算成本

上面的测试题小而明确，你的任务未必一样，最可靠的办法是拿自己的任务重跑一遍，按"每个合格结果花多少"来比。

1. 从真实工作里挑 10 到 20 个任务，每个都要能自动判断对错，比如单元测试、标准答案或固定格式校验，并在调用前准备好答案。
2. 每款至少跑两档：Argon 不设思考档和 high（流式），Fable 5.2 low 和 medium，Astra 默认档和 high。每个配置每题跑两次，看结果是否稳定。
3. 记下每次返回的模型名、输入、输出和缓存 token 数，按单价算出每次的花费；Argon 同时算一列 12 月 1 日起的价格。
4. 用总花费除以合格答案数，得到每个合格结果的成本，再结合用时决定默认配置和转交条件。

计算公式是：花费 = 输入 token × 输入单价 + 输出 token × 输出单价 + 缓存读写 token × 对应单价，单价按每百万 token 折算。以测试里的 Astra 默认档为例，11,407 个输入 token 中有 10,104 个按缓存写入价 $12.50 计、其余 1,303 个按 $10 计，5,471 个输出按 $50 计，合计约 $0.126 + $0.013 + $0.274 = $0.413，和表里一致。自己算的时候要注意 Astra 默认会写缓存并按 1.25 倍输入价收费，Fable 5.2 只有在请求里加了 cache_control 才缓存，Argon 的隐式缓存命中与否由 Google 决定。经过第三方网关调用时，还要核对返回的模型名和版本字段，确认实际应答的就是你请求的模型。某个配置在你的任务上开始出错，那一档的每个合格结果成本就会被重试和返工拉高，这才是决定默认模型的数字。