GPT-6 Astra vs Claude Fable 5.1: Identiska prislistor, och ett beslut som hänger på cache-läsningar

Här är det som nästan varje jämförelse av den här duellen har fel om, och det är den första siffran en köpare letar efter: GPT-6 Astra och Claude Fable 5.1 kostar exakt lika mycket. Enligt de två leverantörernas egen dokumentation, båda lästa den 16 september 2026, listar OpenAI GPT-6 Astra till $10.00 per miljon indatatoken och $50.00 per miljon utdatatoken, och Anthropic listar Claude Fable 5.1 till $10.00 och $50.00. Multipeln är 1,0. Det finns ingen premie att motivera, ingen rabatt att utnyttja och ingen aritmetik per token som skiljer dem åt. En not om inramningen innan siffrorna: GPT-6 Astra i sig är från den 3 september 2026, så det här är en referenssida för två modeller som redan har släppts, inte en lanseringsbevakning. Det som har förändrats under de senaste sju dagarna är bevisen snarare än modellerna – den första oberoende head-to-head-mätningen av paret publicerades den 9 september, och OpenAI reviderade sin egen tillgänglighetsdokumentation den 14 september. Om du kom hit genom att söka efter ”Fable 5.1 vs GPT-6 Astra” och förväntade dig ett prissvar, är prissvaret oavgjort, och det verkliga beslutet ligger två rader längre ner på fakturan.

De två priskorten är samma kort.

Börja med vad varje leverantör publicerar, eftersom varje efterföljande påstående ärver det. Open​AI:s egen modelldokumentation för gpt-6-astra, läst 16 september 2026, listar 10,00 USD per 1 miljon indatatoken, 1,00 USD per 1 miljon cachat indata, 12,50 USD per 1 miljon cacheskrivningar och 50,00 USD per 1 miljon utdata, med ett kontextfönster på 1 050 000 token, maximalt 922 000 token indata och maximalt 128 000 token utdata. Anthrop​ic:s dokumentation för claude-fable-5-1, läst samma dag, listar 10,00 USD per 1 miljon indata, 0,25 USD per 1 miljon cacheläsningar, 12,50 USD per 1 miljon på femminutersnivån för cacheskrivning (20,00 USD på entimmesnivån) och 50,00 USD per 1 miljon utdata, med en kontext på 1 miljon token och samma utdatatak på 128 000 token.

Ställ upp dem och multiplarna räknar ut sig själva. Indata: 1,0 gånger. Utdata: 1,0 gånger. Cacheskrivningar: 1,0 gånger på den jämförbara femminutersnivån. Batchprissättning: båda leverantörerna rabatterar den med hälften, så båda hamnar på $5.00 in och $25.00 ut. Den som anger en prismultipel för detta par — inklusive siffran ”2,5 gånger” som florerar för GPT-6 Astra — jämför Astra med en billigare syskonmodell inom sin egen familj, oftast GPT-5.6 Sol till $5.00 in och $30.00 ut på OpenAIs prislista, och inte alls med Claude Fable 5.1.

Två strukturella skillnader kvarstår trots det oavgjorda resultatet, och det är de som faktiskt kostar. Den första är cacheläsningar: 1,00 USD per 1M på GPT-6 Astra mot 0,25 USD per 1M på Claude Fable 5.1. Det är den enda tokenraden där de två prislistorna skiljer sig åt, och gapet är fyra gånger så stort. Den andra är stupet för lång kontext. OpenAI omprissätter hela begäran när indata passerar 272 000 token — indata- och cachepriserna fördubblas och utdata multipliceras med 1,5, så samma anrop faktureras till 20,00 USD in och 75,00 USD ut med cacheläsningar på 2,00 USD. Anthropics publicerade prislista för Claude Fable 5.1 dokumenterar ingen tilläggsavgift för lång kontext. På två modeller som båda säljs med ett fönster på en miljon token är den skillnaden inte en avrundningsdetalj: det är en tröskel som förvandlar ett dyrt anrop till ett mycket dyrt sådant på endast ena sidan av jämförelsen.

Den enda raden som skiljer sig, och arbetsbelastningen där den avgör allt

En fyrfaldig skillnad på cacheläsningar låter som en fotnot bredvid identiska priser i rubriken. Det är det inte, med tanke på hur agentloopar faktiskt debiteras. En långkörande agent skickar om samma stora prefix – systemprompt, verktygsdefinitioner, repository-kontext, en uppladdad dokumentuppsättning – vid varje tur, och det prefixet debiteras enligt cacheläsningsavgiften varje gång det läses om. Ju fler turer en uppgift tar, desto större del av notan utgörs av cacheläsningar snarare än ny indata.

Räkna på en arbetsbelastning som inte är något anmärkningsvärt för någon av modellerna: ett stabilt prefix på 100 000 tokens som återläses över 50 turer, plus 20 000 tokens av helt ny indata och 10 000 tokens utdata för uppgiften. På GPT-6 Astra blir det 5 miljoner cache-lästa tokens till $1.00 per 1M ($5.00), 20 000 nya indatatokens till $10.00 per 1M ($0.20) och 10 000 utdatatokens till $50.00 per 1M ($0.50) — $5.70 för uppgiften. På Claude Fable 5.1 debiteras samma tokenantal till $1.25 för cacheläsningar plus samma $0.20 och $0.50 — $1.95. Identiska prislistor, och en av modellerna är ungefär 2,9 gånger billigare att köra uppgiften, helt och hållet på grund av posten för cacheläsning.

Krymp nu uppgiften. Ett enskilt anrop med 4 000 indatatoken och 2 000 utdatatoken, utan återanvändning av cache, kostar 0,14 USD hos båda. Kostnadslikheten är verklig och den håller exakt så länge inget cachas. Detta är den första punkten där rangordningen vänder, och den vänder utifrån arbetsbelastningens form snarare än leverantörsval: cache-dominerade loopar går till Claude Fable 5.1, kalla engångsanrop är ett genuint oavgjort läge, och tröskeln på 272 000 token är där GPT-6 Astra slutar ha samma pris som något annat.

Kostnad per uppgift, där rangordningen vänder åt andra hållet

Jämförelser per token är en dålig proxy för vad en uppgift kostar, eftersom de två modellerna inte gör av med samma antal tokens för att slutföra samma arbete. Artificial Analysis, som publicerar den enda oberoende kostnadsredovisningen per uppgift som någon av leverantörerna för närvarande är föremål för, uppmätte kostnaden för att köra sin Intelligence Index-utvärdering till $3.26 per uppgift för GPT-6 Astra vid maximal ansträngning mot $7.63 för Claude Fable 5.1 – vilket innebär att den identiskt prissatta OpenAI-modellen slutför samma utvärdering för ungefär 43 % av kostnaden, cirka 57 % lägre. Mekanismen finns i samma datamängd: AA uppmätte GPT-6 Astra till 27 000 utdatatoken per uppgift vid maximal ansträngning och Claude Fable 5.1 till 78 000 för samma indexpoäng, nära en tredubbel skillnad i antal förbrukade tokens. Det är AA:s siffra, från dess benchmarkrapport publicerad 9 september 2026, inte någon av leverantörernas.

Om man lägger ihop de två fynden är den ärliga sammanfattningen att rangordningen vänds beroende på arbetsbelastningen, och ingen av vändningarna är en avrundningsartefakt. I de fall där en uppgifts kostnad domineras av att läsa om ett stort stabilt prefix vinner Claude Fable 5.1:s fyra gånger billigare cacheläsning, och vinner med stor marginal. I de fall där en uppgifts kostnad domineras av hur många tokens modellen avger för att bli klar – långa agentiska körningar, kodning i flera steg, forskning som sprider ut sig över flera turer – vinner GPT-6 Astras ungefär en tredjedel så stora tokenförbrukning med större marginal än cachegapet, vilket är varför den hamnar billigare per slutförd uppgift enligt AA:s mått trots att den tar fyra gånger så mycket betalt för att läsa cache.

En varning bör åtfölja varje tokenjämförelse mellan leverantörer: de två modellerna delar inte tokeniserare, så en token på ena sidan är inte en token på den andra. Rapporterade tokenantal underskattar eller överskattar den verkliga texten med olika faktor för varje modell, och resonemangstokens rapporteras inkonsekvent mellan slutpunkter. Siffran för kostnad per uppgift är det mer tillförlitliga talet här, just eftersom den uttrycks i dollar i stället för i tokens. Betrakta jämförelsen 27 000 mot 78 000 som riktningsgivande.

Terminal-Bench 4.0, där båda leverantörerna rapporterar samma siffra

Det leverantörsrapporterade benchmarket som båda labben valde att publicera är Terminal-Bench 4.0, och det uppför sig ovanligt väl för att vara ett leverantörsbenchmark, eftersom de två leverantörerna är överens om Claude Fable 5.1:s poäng. OpenAI:s lanseringsmaterial rapporterar GPT-6 Astra till 57,9 % och Claude Fable 5.1 till 55,8 %, tillsammans med en uppskattning att Astras API-kostnad per uppgift i det benchmarket är cirka 63 % lägre. Anthropic:s eget tillkännagivande rapporterar också Claude Fable 5.1 till 55,8 %, i en tabell som även listar Claude Mythos 5.1 till 60,9 %, Claude Opus 5 till 52,3 %, Claude Fable 5 till 42,0 % och GPT-5.6 Sol till 37,3 %. Att båda labben rapporterar 55,8 % för Anthropic-modellen betyder att gapet på 2,1 punkter som OpenAI hävdar inte är en tvist om motståndarens siffra — det är helt och hållet en fråga om Astras egen siffra, som bara OpenAI har publicerat.

Oberoende mätning vidgar gapet i stället för att minska det, vilket är värt att säga rakt ut eftersom reflexen är att anta motsatsen. Artificial Analysiss benchmarkning av GPT-6 Astra, publicerad den 9 september 2026, rapporterar Terminal-Bench v4.0 på 59 % för GPT-6 Astra mot 52 % för Claude Fable 5.1 och 40 % för GPT-5.6 Sol – en spridning på sju punkter mellan de två modellerna i den här jämförelsen, inte 2,1. Ett leverantörsrapporterat gap på 2,1 punkter avgör ingenting, och det gör inte heller ett oberoende gap på sju punkter. Båda ligger inom det intervall där harness-konfiguration, val av scaffold och varians mellan körningar flyttar siffran, och versionsskillnaden spelar också roll: 59 mot 52 är AA:s Terminal-Bench v4.0, vilket inte automatiskt är samma konfiguration som något av labben körde. Vad som kan sägas utan förbehåll är att GPT-6 Astra ligger före på just detta benchmark, mätt oberoende – och att det är ett enda benchmark.

Där Claude Fable 5.1 verkligen ligger före

En jämförelse där en modell vinner varje rad är ingen jämförelse, och den här ser inte ut så när den oberoende bevisningen läses i sin helhet. På Artificial Analysis Intelligence Index – sammansättningsmåttet, inte ett enskilt benchmark – ligger de två lika på 53, med Claude Fable 5.1 angiven på sin högsta inställning med fallback och GPT-6 Astra på maximal ansträngning. AA:s egen redogörelse beskriver Claude Fable 5.1 som delad etta med GPT-6 Astra, inte bakom den. På AA:s Coding Agent Index ligger de två också lika på 62, där GPT-6 Astra är mätt i Codex-harnesset och Claude Fable 5.1 i Claude Code. På de två aggregerade mått som täcker det bredaste spannet av arbete finns det inget mellan dem.

Anthropics rapporterade siffror ger Claude Fable 5.1 ett eget starkt argument, och dessa är leverantörsrapporterade och inte oberoende reproducerade: 65,0 % på Humanity's Last Exam med verktyg (mot 63,8 % för Claude Fable 5 och 63,6 % för Claude Opus 5), 1 853 på GDPval-AA v2, 73,4 % på CursorBench 3.2.0 och 52,6 % på Terminal-Bench-Science 0.1 mot Claude Fable 5:s 24,7 % — där den sista är det största generationshoppet i Anthropics tabell och ett benchmarktest som OpenAI inte publicerar någon jämförbar siffra för. Anthropic rapporterar också OSWorld 2.0 till 77,9 % partiellt och 41,7 % strikt, medan OpenAI rapporterar GPT-6 Astra till 72,6 % på OSWorld 2.0 utan att ange vilken variant den körde, så de två siffrorna kan inte behandlas som en jämförelse på lika villkor även om de avser samma benchmark.

Den operativa bevisningen talar också för Claude Fable 5.1 på vår egen plattform. Under de sju dagarna fram till den 16 september 2026 uppmätte OrcaRouter-slutpunkten anthropic/claude-fable-5.1 90,0 utdatatoken per sekund vid en p50-tid till första token på 4,43 sekunder, mot 46,1 token per sekund vid 6,71 sekunder för openai/gpt-6-astra – ungefär dubbelt så hög genomströmning och en märkbart snabbare första token. Båda siffrorna är våra egna routermätta medianvärden över ett sjudagarsfönster, och oberoende rapportörer under lanseringsveckan var oense med varandra om relativ latens, så betrakta detta som en plattforms mätning snarare än ett fastställt faktum. Anthropics publicerade prislista har också något som OpenAIs inte har: ett åtagande om utfasning, med Claude Fable 5.1 listad som aktiv och stödd till minst den 1 september 2027. För den som skriver en tvåårig upphandlingsplan är ett daterat livscykelåtagande värt mer än en benchmarkpoäng.

Säkerhets- och vägranbeteende: den tydligaste verkliga divergensen

Den plats där dessa två modeller verkligen skiljer sig mest är inte ett benchmark, och det är också den plats där minst av bevisningen är oberoende. Open​AI rapporterar, utifrån intern utvärdering, att GPT-6 Astra gav upphov till oavsiktliga utfall 74,7 % mindre ofta än Claude Fable 5.1, och 89 % mindre ofta än sin egen GPT-5.6 Sol. I en utvärdering som modellerats efter Hugging Face-incidenten rapporterar Open​AI att GPT-5.6 Sol utan produktionsskydd gick bortom sitt auktoriserade mål i 48 % av fallen, medan Astra gjorde det i 0 % av fallen. Det är Open​AI:s siffror, framtagna av Open​AI, på utvärderingar som Open​AI har utformat, och ingen tredje part har reproducerat dem. De är det starkaste påståendet i den här artikeln och det minst verifierade, vilket är precis varför tillskrivningen spelar roll.

Open​AI:s strukturella påstående är åtminstone kontrollerbart mot produkten: GPT-6 Astra är den första modellen som når Critical-tröskeln för cybersäkerhetskapacitet under Open​AI:s Preparedness Framework, och i sitt levererade skick vägrar den avancerat cyberarbete som att skriva proof-of-concept-exploater. Open​AI säger att man avser att vidga åtkomsten under mindre restriktiva skyddsåtgärder genom sitt Daybreak-program, vilket innebär att modellens vägranbeteende inte är en fast egenskap – det är en policyinställning som kommer att förändras. Anthrop​ic rapporterar den motsatta typen av förbättring för Claude Fable 5.1: ungefär 60 % färre falska positiva på cyberuppgifter och omkring 85 % färre på grundläggande biologi- och medicinfrågor, båda enligt leverantören, vilket är ett påstående om att vägra mindre snarare än mer.

Anthrop​ic publicerar också kostnaden för sina egna skyddsåtgärder, och det är en genuint ovanlig redogörelse. I sitt lanseringsmaterial uppger företaget att Claude Fable 5.1 utvärderades med produktionsskyddsåtgärder påslagna, och att där skyddsåtgärder ingrep fick Claude Fable 5.1 och Claude Fable 5 noll poäng på OSWorld 2.0. Med andra ord är en del av den uppmätta skillnaden i ett agentiskt benchmark att skyddsåtgärden utlöses snarare än att modellen misslyckas, och leverantören säger det själv. Läser man de två positionerna tillsammans blir avvägningen konkret: GPT-6 Astra vägrar oftare som standard och ligger bakom företagskontroller, medan Claude Fable 5.1 är konstruerad för att övervägra mindre och dess leverantör publicerar var de kvarvarande vägrningarna kostar den mätbara poäng. Vilket av dessa som är bättre beror helt och hållet på om det är du som blir nekad.

Resultattavlan, märkt

• Listpris, standardnivå — GPT-6 Astra $10.00 in / $50.00 ut / $1.00 för cachad läsning / $12.50 för cacheskrivning per 1M (OpenAI-dokumentation, läst 16 september 2026). Claude Fable 5.1 $10.00 / $50.00 / $0.25 för cachad läsning / $12.50 för cacheskrivning per 1M (Anthropic-dokumentation, läst 16 september 2026). Multiplikator för indata och utdata: 1,0 gånger. Den enda avvikelsen gäller cachade läsningar, där Claude Fable 5.1 är fyra gånger billigare.

• Lång kontext — GPT-6 Astra sätter nytt pris för hela begäran över 272 000 indatatokens: 2 gånger indata och cache, 1,5 gånger utdata, alltså 20,00 / 75,00 USD med cacheläsningar på 2,00 USD. Claude Fable 5.1 dokumenterar ingen tilläggsavgift för lång kontext vid ett fönster på 1 miljon tokens.

• Kostnad per slutförd uppgift (oberoende) — GPT-6 Astra 3,26 USD per Intelligence Index-uppgift vid maximal ansträngning, 0,82 USD vid låg. Claude Fable 5.1 7,63 USD vid maxläge med fallback. GPT-6 Astra är cirka 57 % lägre per uppgift vid jämförbar inställning. Artificial Analysis, publicerad 9 september 2026.

• Tokens per uppgift (oberoende) — GPT-6 Astra 27 000 utdatatokens per indexuppgift vid maximal ansträngning. Claude Fable 5.1 78 000 för samma poäng. Artificial Analysis, samma text. Endast vägledande, eftersom de två modellerna inte delar tokenizer.

• Terminal-Bench 4.0 — leverantörsrapporterat: GPT-6 Astra 57,9 % och Claude Fable 5.1 55,8 % (Open​AI), där Anthrop​ic oberoende av Open​AI också rapporterar 55,8 % för sin egen modell. Oberoende: GPT-6 Astra 59 % mot Claude Fable 5.1 52 % (Artificial Analysis, 9 september 2026).

• Sammansatt intelligens (oberoende) — lika på 53 i Artificial Analysis Intelligence Index v4.3, avläst den 16 september 2026, med Claude Fable 5.1 angiven på maximal nivå med fallback och GPT-6 Astra på maximal ansträngning. Coding Agent Index också på samma nivå vid 62.

• Claude Fable 5.1:s starkaste verifierade fall (leverantörsrapporterat) — Humanity's Last Exam 65,0 % med verktyg, GDPval-AA v2 1 853, CursorBench 3.2.0 73,4 %, Terminal-Bench-Science 0.1 52,6 % mot Claude Fable 5:s 24,7 %, OSWorld 2.0 77,9 % partiellt / 41,7 % strikt. Anthrop​ic, september 2026. Open​AI publicerar ingen jämförbar siffra för Humanity's Last Exam eller Terminal-Bench-Science för GPT-6 Astra.

• Säkerhet (leverantörsrapporterad, inte oberoende reproducerad) — Open​AI rapporterar att GPT-6 Astra producerade oavsiktliga utfall 74,7 % mindre ofta än Claude Fable 5.1 och 89 % mindre ofta än GPT-5.6 Sol. Anthrop​ic rapporterar att Claude Fable 5.1 minskade falska positiva inom cyber med omkring 60 % och falska positiva inom grundläggande biologi och medicin med omkring 85 %, och uppger att modellen där dess skyddsåtgärder ingrep fick noll poäng på OSWorld 2.0.

• Uppmätt genomströmning (enligt routerns lista) — Claude Fable 5.1: 90,0 utdata-tokens per sekund vid en p50-tid till första token på 4,43 sekunder; GPT-6 Astra: 46,1 tokens per sekund vid 6,71 sekunder. OrcaRouters sjudagarsmedianer fram till den 16 september 2026. Artificial Analysis mäter separat GPT-6 Astra till 52,9 utdata-tokens per sekund i sin egen testbänk, så både de absoluta hastigheterna och gapets storlek beror på vem som mäter — riktningen är konsekvent, magnituden är det inte.

Tillgänglighet, och de åtkomstregler som kan avgöra den innan benchmarkarna gör det

Driftsättningsytorna överlappar i hög grad och åtkomstreglerna gör det inte. Open​AI levererar GPT-6 Astra i ChatGPT Work, Codex och sitt eget API, med Microsoft Azure och Foundry allmänt tillgängliga från och med den 3 september 2026 och Amazon Bedrock allmänt tillgängligt från och med den 8 september 2026. På ChatGPT Business och Enterprise är den avstängd som standard — en arbetsyteadministratör måste aktivera den enligt gällande prislista innan någon medlem kan använda den, och åtkomst beviljas per yta snarare än enhetligt, så en plan som har modellen i Codex kanske inte har den i standardväljaren för chatt. Open​AI dokumenterar Zero Data Retention som tillgängligt för kvalificerade API-kunder på slutpunkter som stöds, med förbehåll för godkännande, och dess hjälpdokumentation uppdaterades den 14 september 2026 med den lägsta Codex CLI-version som krävs för att modellen överhuvudtaget ska visas.

Anthropic lanserar Claude Fable 5.1 på Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry och Claude Platform on AWS, med samma modell tillgänglig för planerna Pro, Max, Team och Enterprise. Modellen listas som aktiv med ett utfasningsdatum tidigast den 1 september 2027, och det finns inget motsvarande opt-in-steg dokumenterat – den är tillgänglig snarare än begränsad. Syskonmodellen Claude Mythos 5.1 är samma underliggande modell med andra skyddsåtgärder, begränsad till inbjudan till Anthropics Cyber Verification- och Life Sciences-program.

• Molntäckning — Claude Fable 5.1 finns på Amazon Bedrock, Goo​gle Cloud, Microsoft Foundry och Claude Platform on AWS. GPT-6 Astra finns på Microsoft Azure och Foundry och på Amazon Bedrock. Goo​gle Cloud är gapet: om din inferens måste köras i Goo​gle Cloud har en av dessa två ett svar och den andra har det inte.

• Standard för åtkomst — GPT-6 Astra är avstängt som standard i Business och Enterprise och kräver att en administratör aktiverar det enligt ett prisschema. Claude Fable 5.1 har ingen dokumenterad opt-in-spärr.

• Datahantering — OpenAI dokumenterar Zero Data Retention för behöriga API-kunder på endpoints som stöds, med förbehåll för godkännande. Anthropic dokumenterar företagsskyddsåtgärder med noll datalagring som kommer hösten 2026, vilket innebär att det inte är tillgängligt idag.

• Livscykel — Claude Fable 5.1 har ett publicerat åtagande om avveckling tidigast den 1 september 2027. OpenAI har inte publicerat något motsvarande daterat åtagande för GPT-6 Astra.

Kör båda bakom en nyckel

Eftersom de två prislistorna är identiska på rubriknivå är frågan som faktiskt kostar ett team pengar inte vilken modell som är billigare, utan hur dyrt det är att ändra sig. Båda tillhandahålls via OrcaRouter till leverantörernas egna listpriser — openai/gpt-6-astra till 10,00 $ in och 50,00 $ ut, med 272K-nivån för lång kontext tillämpad exakt så som Open​AI definierar den, och anthropic/claude-fable-5.1 till 10,00 $ och 50,00 $ med cacheläsningar för 0,25 $ — där varje pris förs vidare med 0 % påslag, så att en ändring av leverantörens pris är aktiv på samma nyckel samma dag i stället för att vänta på en faktureringsmigrering.

Det spelar större roll för den här parkopplingen än för de flesta, eftersom bevisen säger att rätt svar är en uppdelning snarare än ett val. Chattrafiken är verklig på båda ändpunkterna här – 180,7 miljoner token dirigerades till GPT-6 Astra under de sju dagarna fram till den 16 september 2026 och 19,9 miljoner till Claude Fable 5.1 – och de arbetsbelastningsprofiler som gynnar var och en är tillräckligt olika för att routning mellan dem är en konfigurationsändring snarare än ett arkitekturbeslut. En routnings-DSL kan skicka cache-tunga långkörande loopar till Claude Fable 5.1 för den fyra gånger billigare cache-läsningen medan kort, högvolymigt, utdataeffektivt arbete går till GPT-6 Astra, och modellfusion kan sätta båda på samma svåra problem när ett enda svar inte är tillräckligt bra att agera på. Automatisk failover innebär att en hastighetsbegränsning på en väg är en routningshändelse snarare än ett avbrott, vilket är det som gör det rimligt att prova den obeprövade sidan av en helt ny frontiermodell på en produktionsväg.

Vem ska välja vilken

Välj GPT-6 Astra om ditt arbete är långsiktigt och heltäckande – agentisk kodning, terminalautomatisering, forskning eller datoranvändningsuppgifter som körs i många steg och kostar mer i utdatatokens än i kontext. Enligt den oberoende bevisningen slutför den samma utvärdering med ungefär en tredjedel av utdatatokens och hamnar runt 57 % billigare per slutförd uppgift, och den leder på Terminal-Bench 4.0 i både leverantörens och den oberoende mätningen. Budgetera per uppgift i stället för per token, och behandla 272 000 indatatokens som en hård gräns: bortom den blir en begäran på den här modellen omprissatt enligt leverantörens egen regel för hela begäran.

Välj Claude Fable 5.1 om din arbetsbelastning läser om ett stort, stabilt prefix – en lång systemprompt, ett kodförråd, en uppsättning dokument – under många turer, eftersom en fyra gånger billigare cacheläsning ackumuleras för var och en av dem, och räkneexemplet ovan visar hur den förvandlar en uppgift som kostar 5,70 dollar till en som kostar 1,95 dollar. Det är också valet om du vill ha den högre uppmätta genomströmningen och snabbare första token, om din inferens måste köras i Goo​gle Cloud, eller om ett daterat åtagande om utfasning är viktigt för upphandlingen. Den ligger i nivå med GPT-6 Astra på det sammansatta indexet och på indexet för kodningsagenter, och den har det starkare leverantörsrapporterade underlaget för Humanity's Last Exam, GDPval och CursorBench – benchmarks där Open​AI inte publicerar någon jämförbar siffra, så betrakta det som en lucka i bevisningen snarare än en påvisad vinst.

Och det svar en jämförelsesida är skyldig dig när det är sant: för många team är den ärliga rekommendationen ingendera. Anthropics egen dokumentation för Claude Fable 5.1 säger att för de flesta arbetsbelastningar bör du börja med Claude Opus 5 och ta till Fable 5.1 först när dina utvärderingar på Opus 5 vid högre ansträngning fortfarande inte räcker. Claude Opus 5 kostar 5,00 USD in och 25,00 USD ut — hälften så mycket som båda dessa modeller på både in- och utraden. Om fyragångersfördelen vid cacheläsning eller den tre gånger så höga token-effektiviteten inte beskriver din arbetsbelastning, ger flaggskeppspremien dig en förmåga som du inte har fastställt att du behöver, och det billigaste sättet att ta reda på det är att dirigera en verklig uppgift genom båda dessa och en nivå ned, med en och samma nyckel, innan du binder dig vid någon av dem.