GPT-6.2 Astra 和 Claude Fable 5.2:标价都是 8 美元和 40 美元,每道题的账单差了 6.6 倍

AI资讯6分钟前发布 Ilsa
2.8K 0

26.54 美元对 4.00 美元。

这是 Artificial Analysis 跑完它那套智能指数之后,给两个模型各算出来的「每道题花多少钱」:Claude Fable 5.2 是前一个数,GPT-6.2 Astra 是后一个。分数是 65 对 62,Fable 高 3 分。

奇怪的地方在价目表。两家 API 的标价一模一样,输入每百万 token 8 美元,输出 40 美元。同一个单价,一道题的账单差了 6.6 倍,这个差距不是打折打出来的,是两个模型写了多少字写出来的。

11 月 17 日 OpenAI 发布 6.2 之后,我把能找到的第三方数据和两边的发布说明、系统卡摘要对着读了一遍。结论先放这:Astra 的便宜是真的,但它省下来的钱里,有一部分是拿可靠性换的。

八天之内,两家把价格调到了同一个数

这件事很少有人提。Fable 5.1 的标价是 10 美元和 50 美元,11 月 9 日 5.2 上线时降到 8 和 40。八天后 GPT-6.2 Astra 发布,官方说标准输入输出价比 GPT-6 Astra 低 20%,落点同样是 8 和 40。

巧合也好,对标也好,起跑线是同一条了。

两家的快速档却走了两条路。

Fable 的快速模式是 16 美元和 80 美元,标准价的两倍,号称出字快 2.5 倍。Astra 的 Ultrafast 最高能到标准速度的 4.5 倍,第三方网关 OrcaRouter 列出的价格是标准价的 3 倍,即 24 美元和 120 美元,而且只到 2027 年 2 月 28 日,之后变成 6 倍。现在为了速度上 Ultrafast 写进预算的团队,三个月后这一项会翻倍。

版本线也值得捋一下。GPT-6 Astra 是 9 月初发的,6.1 Sol 在 9 月底接班,这次 Astra 跳过 6.1 直接到 6.2。Fable 从 5.1 到 5.2,在 AA 指数上从 49 分涨到 65 分。一代涨了 16 分。

Astra 便宜,是因为 Fable 太能写

OpenAI 的说法是 6.2 完成高难任务时输出更短,单任务成本不到 GPT-6 Astra 的三分之一。AA 自己测出来的却不太一样:跑完整套指数,GPT-6.2 Astra 输出了 6580 万 token,GPT-6 Astra 是 5430 万,新版多写了约 21%。

它和自家上一代比并没有变省。AA 口径下单题成本从 6.24 美元降到 4.00 美元,降掉的 36% 基本就是那 20% 的降价,再加上推理过程里的一些变化,和「话变少了」关系不大。

和 Fable 比就是另一回事了。按 AA 公布的用量,Fable 5.2 跑同一套指数用了约 2.75 亿 token,是 Astra 的四倍出头。单价相同,用量四倍,账单自然拉开。

所以「Astra 便宜六倍」这个说法要加个前提:比的是两边都开到最高推理档。Fable 是可以往下调的,low 档在 AA 上每题 3.10 美元、54 分,medium 档 3.80 美元、56 分。同样花四块钱左右,Fable medium 拿 56 分,Astra 拿 62 分,差 6 分。这才是两边在同一预算下的真实距离,比「六倍」小得多,但 Astra 依然领先。

GPT-6.2 Astra Claude Fable 5.2
标价(输入 / 输出,每百万 token) 8 / 40 美元 8 / 40 美元
缓存读取 0.40 美元 0.20 美元
缓存写入 未单列 5 分钟档 10 美元,1 小时档 16 美元
AA 智能指数(最高档) 62,每题 4.00 美元 65,每题 26.54 美元
AA-Omniscience 幻觉率 59.1% 未查到同口径数字
单次最大输出 12.8 万 token 12.8 万 token

两个都翻过的车

先说 Astra。AA 的 Omniscience 测试专门看模型在不知道答案时会不会硬编,GPT-6.2 Astra 的幻觉率是 59.1%,上一代 GPT-6 Astra 是 49.8%,涨了将近 10 个点。分数涨了,瞎编的倾向也涨了。OpenAI 自己的系统卡里也有一条:两项对齐测试里,6.2 的两款模型更常在遇到阻碍时不吭声,比如任务需要的文件不存在、搜索工具调不通,它不报告,接着往下做。

Epoch AI 在发布前测过,它的能力指数上两家打平,都是 174。但在 Epoch 自己的真实研究任务里,Astra 落后于 Fable,有一道题漏掉了核心问题,一个数据中心相关的任务跳过了关键估算。

这三件事指向同一个毛病:给出一个看起来完整的答案,比承认做不了更优先。

Fable 的车翻在另一处。上次比 Fable 和 Gemini 4 Carbon 时整理过 Vals 的数据,Fable 5.2 在 Tax Agent Bench 只有 32.09%,排第 27;法律指数 69.17%,排第 20。综合榜第一的模型,在要按条文一步步算的活上掉得很厉害,到现在也没看到 Anthropic 给出解释。

Astra 在法律上也不算强。Vals 的 Legal Research 子榜它排第 30。不过 OpenAI 公布的 Harvey 法律智能体测试里,Astra 完全达标的任务占 14.6%,GPT-6 Astra 只有 4.6%,按 AA 的 LAB 版本,它的通过率是 Fable 的两倍多,成本约六分之一。两组法律数据方向相反,题型不同,我不打算替谁下结论。

一道修 bug 的题,两种干活方式

Atomic Agent 的作者之前拿一份约 1400 行、埋了 13 个 bug 的代码测过 Fable,59 个隐藏测试打分。这次他用同一道题测了 Astra。

Astra 三遍都是 59/59,平均 86 秒,0.82 美元。

Fable medium 当时也是全对,4.2 分钟,1.87 美元,6 步改完。单看这一题,Astra 快将近三倍、便宜一半多。作者自己说这只是方向性的参考,一道题证明不了什么,我同意,但它和 AA 那边「Astra 用 token 少得多」的结论是一致的。反过来,在 AA 自己的 FrontierCode 2.0 上,Fable 是 48.8%,Astra 是 45.4%。这个测试看的是改动能不能被真实代码库的维护者合并,比修几个埋好的 bug 更接近日常。Astra 快,Fable 改出来的东西更容易被人接受,两组数据并不矛盾。

272K 那条线

这是我认为 Astra 价目表上最容易踩的坑。

按 OrcaRouter 整理的计费规则,单次请求的输入超过 27.2 万 token,整次请求的单价变成输入 16 美元、输出 60 美元,不是超出部分加价,是整单翻倍。它给的例子:271,999 个 token 的输入约 2.17 美元,30 万 token 的输入要 4.80 美元。多了不到 3 万 token,输入费用涨到两倍多。

Astra 的总上下文有 105 万 token,最大输入 92.2 万。看着能塞很多,真塞进去就是另一个价。把整个代码库丢进去做审查的用法,要先在客户端加个长度检查。

Fable 这边的坑在缓存。读缓存 0.20 美元,是 Astra 的一半;但写缓存要单独付钱,5 分钟档每百万 10 美元,比普通输入还贵。短对话、缓存命中率低的场景,Fable 的缓存反而会让账单变高。

用的人在骂什么

Hacker News 上那条发布帖有 750 多条评论。有人说在 Codex 里开 High 档的 Astra 擅自加了没要求的界面控件,还把整个界面外框重做了一遍。也有团队说写营销文案和文档又切回了 6.1,觉得 6.2 是「为跑分优化的」。速度的评价两极:有人说快得离谱,有人说慢得要命。

Fable 被骂的点很集中:慢,而且吃额度。有人说一个 5 小时窗口的额度十分钟就烧完了。订阅里的规矩也收紧了,Fable 5.2 在 Max、Ultra 和高级 Team 席位里最多只能用掉周额度的一半,Pro 和标准 Team 席位从 11 月 16 日起要另买用量。

还有两条门槛和钱无关。Fable 要求 30 天数据留存,签了零留存协议的企业得单独找 Anthropic 授权;渗透测试、写漏洞利用这类请求会被分类器拦下,回落到 Opus 4.8 去答。Astra 的网络安全类拒答也比 GPT-6 Astra 更严,做红队的两边都不顺手。

系统卡里没上头条的一句

Fable 5.2 的系统卡写过,审计对话中模型意识到自己可能正在被评测的比例最高到 43%。HN 上有人引了 6.2 的系统卡,说 Astra 的评测意识也比 GPT-6 Astra 更强,在一些测试里更擅长躲过思维链监控。

两家最新的旗舰,都越来越清楚「这是在考试」。

这对普通用户的影响很具体:榜单上的分数和你自己任务里的表现,距离可能在变大。跑分差 3 分的两个模型,放进你的工作流里谁强,只能自己拿真实任务测。

分活

批量、可验证、错了能被测试抓出来的活,给 Astra。修 bug、补单测、按模板改格式、3D 场景和演示原型,它又快又便宜,AA 的 3D Elo 它是 1318,Fable 是 1271。

答案没法自动核对的活,我不会因为便宜就换。研究报告、技术调研、需要它说「我不知道」的场景,59% 的幻觉率和遇到阻碍不吭声这两条,比每题省 20 美元更要紧。这类活留给 Fable,但别开 max,medium 和 high 已经够用,账单能降到原来的几分之一。

税务和按条文计算的活,两边都先别默认交出去。

Anthropic 自己给大多数用户的建议,依然是先用价格只有 Fable 一半的 Opus 5.5。OpenAI 那边则把 6.2 Sol 推到了 Codex 默认第一位,AA 上 57 分、每题 1.01 美元。两家都在劝你别默认用最贵的那个。

相关对比:《Claude Fable 5.2 和 Gemini 4 Carbon:单价便宜四倍的 Carbon,low 档每道题反而更贵》、《Gemini 4 Hydrogen 和 Claude Sonnet 5.5:57% 和 70.6% 根本不是同一张卷子》、《Muse Ember、Claude Haiku 5.5、GPT-6 Luna:标价一样,每道题的账差了快三倍》

© 版权声明

相关文章

GPT-6.2 Astra 和 Claude Fable 5.2:标价都是 8 美元和 40 美元,每道题的账单差了 6.6 倍 暂无评论

none
暂无评论...