GPT-6 和 Fable 5.1 大 PK：谁更值这个价
9 月 3 日 Anthropic 发 Claude Fable 5.1，9 月 4 日 OpenAI 发 GPT-6 Astra，输入输出定价一模一样。一个赌 Computer Use 铺宽度，一个赌长任务打深度。拆解两条路线、两种降本思路、两边各自的代价，以及独立开发者该怎么配。
9 月 3 日 Anthropic 发 Claude Fable 5.1，9 月 4 日凌晨 OpenAI 发 GPT-6 Astra，中间不到 24 小时。
更巧的是定价：输入 $10/M，输出 $50/M，两家一模一样。
所以"哪个便宜"这次没法问了。能问的是同样的钱两边在卖什么，而这一点上它们差得挺远。
先把牌摊开
| GPT-6 Astra | Claude Fable 5.1 | |
|---|---|---|
| 发布 | 2026-09-04 | 2026-09-03 |
| 定价 | $10/M 入 · $50/M 出 | $10/M 入 · $50/M 出 |
| 缓存 | 读写另计；Fast Mode 2.5 倍速、2 倍价 | Cache Read 降 75% → $0.25/M |
| 主打 | Computer Use：直接操作软件 | 长周期无人值守：一件事干到底 |
| 配套 | Codex harness 升级（跨窗口记笔记） | EFS 企业安全 + 零数据留存 |
| 高危版本 | Daybreak 项目（审核后开放网安） | Mythos 5.1（审核后开放网安/生物） |
| 放开节奏 | 先小范围组织，再逐步开放订阅用户 | 网页端 / Claude Code / API 同步上线 |
（下文所有跑分，除注明外都来自两家自己的发布材料和合作方口径。厂商自测数据，看趋势就好，别当体检报告。）
OpenAI 这次把最大的篇幅给了 Computer Use
演示里 Astra 干的事情是这些：
- 在 KiCad 里做 PCB 布局布线，把原理图变成能制造的板子
- 在 Blender 里建 3D 房屋模型，再导进 Unreal Engine 5 变成能走进去的场景
- 通过 MCP 连 Ableton，从音色设计到混音做完一首完整的曲子
- 操作 Excel、Power BI、FreeCAD，填在线表单，更新 CRM
跑分上，OSWorld 2.0 从 GPT-5.6 Sol 的 65.7% 提到 72.6%；Agents' Last Exam 59.3%，压过 Claude Opus 5 的 55.5%。
潜台词很直白：过去 AI 只能待在对话框里，现在它要坐到你的电脑前，接管那些你知道该怎么做、但要点二十下鼠标才能做完的事。
Anthropic 讲的三个案例，全是长任务
一个 Computer Use 的演示都没放。
Millennium 的百万分之一崩溃。 一个困扰内部数年的偶发崩溃，发生概率百万分之一，多位工程师排查不出来，前代 Fable 5 也没搞定。Fable 5.1 自主反汇编了第三方厂商的代码库，结合 Core Dump 逐层分析，最后把根因定位在外部依赖库的一个逻辑缺陷上。
Ramp 的 38 小时。 一次连续 38 小时的无人值守机器学习任务。开跑不久模型自己发现实验数据被错误标签污染了，于是自动修数据，然后并行拉起六组训练。整夜没人管，第二天交上来训练结果和优化建议。
Shopify 的上下文续航。 反馈是长任务里全局上下文更稳，需求中途变了，它能自己重排优先级、接上之前的进度继续干。
三个案例的共同点是时长和难度，不是覆盖面。Anthropic 想拿下的是"这个 bug 我查了两天没头绪""我得盯着这轮训练到凌晨三点"这类活。
Astra 铺宽度，Fable 5.1 打深度。这个分歧我觉得不是营销包装，是两家对 AI 该先接管哪部分工作的真实判断差异。
都说别看 token 单价了，但做法相反
Greg Brockman 的原话是，AI 行业最终需要从"token 定价"转向"任务成本"衡量。Anthropic 没喊这个口号，动作是一样的。
OpenAI 的路子是减少返工。Astra 在 Terminal-Bench 4.0 上拿了 57.7%，Sol 只有 37.3%，而 OpenAI 特意标注每个任务的预计 API 成本低于 Sol 和 Claude Fable 5.1——单价一样，一次做对的概率更高，总花费就低。Higgsfield AI 的 CEO 说得更直接：能跑完他们最复杂的创意工作流，token 用量比其他测试模型少最多 20%。
配套的 Codex harness 升级也是这个思路。以前长任务的上下文管理靠压缩摘要，压一次丢一点信息，丢到后面模型忘了三小时前为什么改那段代码。Astra 改成跨上下文窗口记笔记，之前的消息和工具输出可以回搜。还有个细节挺聪明：等你回话的时候，它会先去做不依赖这个答案的部分，只有当答案会实质影响结果时才停下来等。
Anthropic 的路子是让重复读变便宜。基础单价一分没动，动的是 Cache Read：直降 75%，到 $0.25/M。
为什么盯着这一项？因为自主 Agent 干活的形状就是反复读——反复读代码库、反复读工具执行记录、反复读自己之前的输出，这部分 token 在长任务里占大头。官方给的估算是，复杂 Agent 任务的综合成本下降 25% 到 45%。
动机可以从一个背景数字看出来：据 Ramp 统计，前代 Fable 5 只占 Anthropic 企业端约 6% 的 Token 消耗量。太贵，企业不敢大规模铺。
Fable 5.1 上线后最大的争议是账单
不是能力，是账单。
- 部分 Max 5x 订阅用户反馈：一条复杂的规划指令，10 到 17 分钟就能耗尽 5 小时的额度
- Every 的实测：拿到 Fable 5.1 权限后，日均 API 请求量从 910 次飙到 4688 次
原因是它的自主派发机制。碰到复杂目标，Fable 5.1 会自发拉起多个子 Agent 并行去做检索、编码、测试。如果你没限制配置，这些子 Agent 可能全都以高规格实例在后台跑。
Anthropic 后来补了强制配置开关，允许固定子 Agent 的调用模型。但这个开关得你自己去开。
Astra 那边，OpenAI 自己标了两个风险
第一个是可监控性下降。OpenAI 承认 Astra 的书面推理比 Sol 更难被监控。倒不是它在刻意隐藏——它在简单任务上用更少的推理步骤就解决了问题，推理过程因此变得更内隐。复杂任务上仍然藏不住。OpenAI 说他们把这个退步当回事，可监控性是后续研究重点。
第二个是网络安全。Astra 触达了 OpenAI Preparedness Framework 里的网络安全 Critical 阈值：ExploitBench 100%（Sol 78.5%），ExploitGym 成功率 42.4%（Sol 30.3%）。测试中它发现并利用了两个此前未知的 0day 漏洞，OpenAI 已经在向维护方披露。专家评估还发现，不加安全措施的 Astra 能在加固过的浏览器上实现任意代码执行、在加固操作系统上提权。所以普通版本会拒绝一部分高级网安请求，审核过的安全团队才能通过 Daybreak 拿到更开放的权限。
Anthropic 走的是同一套逻辑，只是拆成了两个型号：Fable 5.1 给所有人，允许防御性漏洞挖掘但拦渗透测试和 Exploit 生成；Mythos 5.1 只给审核通过的机构，放开网安和生物医药。能力到了这个位置，两家都不打算对所有人开同一扇门。
顺带一提，Fable 5.1 这次还修了误判——网安防御分析的拦截干预减少约 60%，基础生物医疗咨询的误触发减少约 85%。天天被"这个请求我不能帮你"卡住的人应该会有感知。
如何判断
跑分我不太看，尤其是厂商自测的。ARC-AGI-3 打到 99.9% 这种数字，除了让人在朋友圈截图之外，对你明天要写的代码没什么影响。
值得记住的是这两家在同一周下了方向相反的注。OpenAI 认为瓶颈在 AI 够不着的地方太多，所以让它学会用一切软件；Anthropic 认为瓶颈在 AI 撑不到最后，所以让它能连续跑 38 小时不掉线。短时间内还无法判断出对错，先拭目以待。
本文数据来自 OpenAI 与 Anthropic 官方发布材料，以及 Millennium、Ramp、Jane Street、Shopify、MongoDB、Every 等合作方与第三方的公开反馈。厂商自测数据存在口径差异，实际体验以你自己的场景为准。