这是 OpenAI 发布材料中着力最多的一项对比,也是最容易让头条数字被误读的一项。GPT-6.2 Astra 与 Claude Fable 5.2 在各基准测试中互有胜负,而非一方全面压制。单任务成本差距很大,但这一差距取决于具体配置。以下是截至 2026 年 11 月 18 日的如实记分板。
综合智能:Fable 5.2 仍然领先
在 Artificial Analysis Intelligence Index v5.0.1 上,Claude Fable 5.2 得分为 65;GPT-6.2 Astra 得分为 62。在目前可用的最广泛综合指标上,Fable 5.2 领先三分,这也是反对在任何不加限定的意义上称 Astra 为“最佳模型”的最有力论据。Astra 的 62 分确实超过了 Gemini 4 Carbon(60)和 Claude Opus 5.5(59),并且较 GPT-6 Astra 提升了 5 分——但它并未将 Fable 5.2 从指数榜首拉下。
Astra 缩小差距的地方在于特定且成本高昂的任务类别,而非总体指标。
Agents’ Last Exam:Astra 领先,且成本差距巨大
在 Agents’ Last Exam v1.1 上——该测试衡量在艰难的专业工作流中持续进行的推理、规划与工具使用——Astra 得分为 78.3%,而 Fable 5.2 为 72.8%——领先 5.5 个百分点。OpenAI 针对同一评估任务给出的成本对比为Astra 为 2.89 美元,而 Fable 5.2 为 60.05 美元。
在将其视为节省 95% 之前,有两点需要注意。第一,该数字是在某一特定评估配置下的单任务成本;你自己的提示长度、推理强度、重试次数和缓存行为都会使其大幅变动。第二,单任务成本与每 token 价格是不同的单位——一个模型若在单任务上推理更久,可能在更高的 token 费率下拥有更低的单任务成本,反之亦然。这一比率是一个强烈信号,表明 Astra 在此类工作负载上要便宜得多;但它并不是一个通用的折扣声明。
3D 与机器人技术:Astra 均领先
在AA-3D上,Astra 以1318 Elo领先,超过 Fable 5.2 的1271——在这项由人工评分的、衡量交互式 3D 体验构建的基准测试上领先 47 分。这是 Astra 对 Fable 5.2 最具决定性的独立领先,也与实测报告相符:Astra 能在 Blender 和 Unity 中构建可玩的 3D 场景,即便测试者称其输出“非常参差不齐且怪异”、且更难操控。
在AA-Robotics v0.1,Astra 以79领先,而 Fable 5.2 为75——这是一项面向真实世界规划与行动的研究预览基准。截至本文撰写时,在这两个领域,Fable 5.2 均无公开的反驳主张。
Fable 5.2 的优势比指数差距更重要的地方
三分的智能指数领先并非均匀分布。Fable 5.2 的综合优势反映了其在各推理类别上的广度,当你的工作负载异构时,这一点很重要:一条混合了摘要、结构化提取、多步推理和代码审查的单一流水线,会受益于一个在任何单一类别上都不会崩溃的模型。Astra 的画像则更为尖峰化——在 3D、机器人、科学智能体任务和长时程专业工作上领先,而在编码智能体方面相对于其自身前代则表现平平。
还有一个值得谨慎表述的定价维度。Astra 的价目表为每百万 token 输入 8 美元 / 输出 40 美元;Fable 5.2 的公布价格应查阅 Anthropic 当前的定价页面,而非从每任务数据推断,因为 2.89 美元与 60.05 美元的对比混淆了 token 定价与推理长度。可辩护的主张更窄,但仍然重要:在本次评估的长时程智能体任务上,Astra 的完成成本大约低一个数量级。
实际要点
Fable 5.2 仍是最广泛的独立综合指数上的领先者。Astra 在 Agents' Last Exam、AA-3D 和 AA-Robotics 上领先——这三项基准分别对应科学智能体工作流、交互式 3D 和机器人规划。长时程智能体评估上的每任务成本差距足够大,足以改变那些大规模运行此类工作负载的团队在自建与采购之间的计算。
选择Fable 5.2,当你的工作负载广泛、异构,且需要在许多任务类别上获得最佳平均性能而无需按任务调优路由时。选择Astra,当工作集中在 3D、机器人规划、科学智能体流水线或长时程专业任务上,且 Astra 的实测领先真实存在、每任务经济性对其有利时。这一比较在任一方向上都不是击倒性的;这是一个路由决策。