GPT-6 Astra vs Claude Fable 5.1: бенчмарки и цена

GPT-6 Astra выше в кодовых тестах Artificial Analysis, Claude Fable 5.1 — в AA-Briefcase. В Agent Arena доверительные интервалы перекрываются. По тарифам API Hubs Astra дешевле в расчёте без кеша, а Fable дешевле при условии, что 95% входа действительно оплачивается как чтение кеша. Выбор зависит от задачи и фактического расхода.

Что показывают опубликованные бенчмарки?

Источник таблицы — Artificial Analysis, проверено 5 ноября 2026 года. Конфигурации: GPT-6 Astra — Max, Claude Fable 5.1 — Max, Default Fallback. Сохраняем обозначение fallback из источника: это часть измеренной конфигурации, которую нельзя автоматически приравнять к нашему API.

Terminal-Bench 4.0 проверяет работу в терминале: 66 задач, mini-swe-agent, три повтора, средний pass@1; для зачёта должны пройти все проверки. FrontierCode 2.0 использует 132 задачи, три попытки и Stirrup: оценка учитывает скрытые тесты и рубрику с LLM-судьёй. Проценты этих двух тестов измеряют разные задания и способы оценки.

Методика Intelligence Index v5.0.1 объединяет девять оценок: баллы индекса не означают процент правильных ответов. Max обозначает максимальный режим конкретной модели, а не одинаковый бюджет вычислений. В таблице сохранено округление источника; доверительные интервалы отдельных результатов и точные даты запусков на странице сравнения не приведены. Дата выше — дата проверки публикации.

AA-Briefcase v1.1 проверяет 91 задачу подготовки рабочих файлов; итоговый Elo объединяет рубрику, аналитическое качество и оформление. Это не процент успешных исправлений кода.

Astra выше в кодовых тестах и общем индексе, Fable — в AA-Briefcase, где шкала выражена в Elo. Для кодового агента первым кандидатом выглядит Astra; для офисной задачи с документами стоит проверить обе модели по своему критерию приёмки. Общий индекс не заменяет профиль задачи.

Что добавляет Agent Arena?

Agent Arena, таблица от 4 ноября 2026 года, даёт отдельную оценку на реальных сессиях:

Методика Arena оценивает эффект выбора модели по сигналам сессий с рандомизацией компонентов. Net Improvement — оценка эффекта, а не доля выполненных задач. Не складывайте её с процентами Terminal-Bench.

У Astra и Fable интервалы перекрываются: 14,70 против 13,86 п. п. сами по себе не доказывают уверенного победителя. Это внешние измерения, а не тест API Hubs или его маршрутизации. Снимок цифр и условий позволяет проверить таблицы позднее.

Когда кеш меняет сравнение цены?

Каталог проверен 5 ноября 2026 года. Ниже тарифы API Hubs в coin за миллион токенов, отдельно от долларовых затрат операторов бенчмарков.

Зададим 100 000 входных и 1 000 оплачиваемых выходных токенов на запрос:

Вторая строка для Astra: 0,095 × 0,80 + 0,005 × 8 + 0,001 × 40. Для Fable: 0,095 × 0,25 + 0,005 × 10 + 0,001 × 50. Две входные категории делят одни и те же 100 000 токенов; чтение кеша не добавляется поверх полного входа.

За тысячу запросов без кеша получаются 840 и 1050 coin. Если каждый запрос содержит 95% оплачиваемого чтения кеша и не создаёт новых записей, — 156 и 123,75 coin. Это расчёт условий, а не измеренная доля попаданий в кеш. Пересчёт в рубли здесь не задан.

Что проверить перед большим пакетом документов?

Постоянная вводная часть может повторяться, но первая запись, промахи, срок хранения и изменения начала запроса влияют на расход. Разработчики отдельно описывают кеширование OpenAI и Anthropic. Из этих описаний нельзя вывести, что все настройки доступны через этот API или что кеш переносится между моделями.

Сверьте категории в фактическом usage и списаниях. Разный объём выхода и оплачиваемые рассуждения способны изменить итог. Пример ограничен входом 100 000 токенов: он не устанавливает тариф и допустимый размер для любого контекста. Ставки сохранены в датированном снимке, текущие значения — на странице цен.

Какой ID указать в запросе?

Для Astra нужен gpt-6-astra. Для Fable 5.1 — claude-fable-5.1, с точкой перед последней цифрой. Обе модели указаны с OpenAI Chat Completions; Fable также поддерживает Anthropic Messages. Формат описан в документации OpenAI-протокола.

Примеры сверены с публичной схемой, как платное сравнение не запускались. Они показывают синтаксис, а не воспроизводят агентную среду и Max-настройки бенчмарка.

curl https://api.apihubs.ru/api/v1/chat/completions   -H "Authorization: Bearer $API_KEY"   -H "Content-Type: application/json"   -d '{"model":"gpt-6-astra","messages":[{"role":"user","content":"Какие подтверждения нужны для проверки утверждения в длинном отчёте?"}],"max_tokens":1024}'

curl https://api.apihubs.ru/api/v1/chat/completions   -H "Authorization: Bearer $API_KEY"   -H "Content-Type: application/json"   -d '{"model":"claude-fable-5.1","messages":[{"role":"user","content":"Какие подтверждения нужны для проверки утверждения в длинном отчёте?"}],"max_tokens":1024}'

Для пробы на документах передайте одинаковые файлы и запросите таблицу утверждений с цитатами и страницами. Проверьте ссылки по оригиналу и посчитайте неподтверждённые утверждения. Для кода критерием будут тесты. Официальные страницы Astra и Fable описывают продукты разработчиков; их встроенные инструменты не становятся частью этого endpoint автоматически.

Частые вопросы

Astra лучше во всех тестах?

В приведённых кодовых тестах и общем индексе выше Astra, в AA-Briefcase — Fable. Интервалы Agent Arena перекрываются, поэтому одних точечных оценок для уверенного победителя мало.

Fable дешевле для повторяющихся документов?

В сценарии с 95% оплачиваемого чтения кеша — да. На фактическую цену влияют записи кеша, промахи, выходные токены и повторы.

Можно взять стоимость задачи прямо из рейтинга?

Операторы тестов используют свои задачи, настройки и тарифы. Для бюджета на API Hubs используйте ставки сервиса и собственный расход.

Как записать ID Fable 5.1?

В этом API нужен claude-fable-5.1. Обе модели работают с OpenAI-протоколом; Fable дополнительно указан с Anthropic Messages.