Fable 5.1 oder Astra: Das richtige Modell wählen

Claude Fable 5.1 und GPT-6 Astra haben die gleichen veröffentlichten API-Preise und vergleichbare große Kontextfenster, sind aber nicht austauschbar. Fable 5.1 ist normalerweise die bessere Wahl für einen bestehenden Anthropic-Messages-Workflow, einen Cache-intensiven Langzeit-Agenten oder eine Aufgabe, die regelmäßig über 272.000 Eingabe-Token hinausgeht. Astra verdient die erste Evaluation für Responses-API-Agenten, Computer-Use-Arbeiten, asynchrone Tool-Schleifen und Workflows, die von Live-Anpassungen profitieren. Keines ist automatisch der Gewinner für Coding, Research oder „schwierige Aufgaben" im Allgemeinen.

Die nützliche Frage ist also nicht „Welches Modell ist klüger?" sondern vielmehr „Welches Modell erledigt diese Workload mit weniger menschlichen Eingriffen, bei akzeptabler Latenz und Kosten?" Das Claude Fable 5.1 API-Handbuch und das GPT-6 Astra API-Handbuch zeigen die Request-Details; dieser Vergleich hilft dir, die Routing-Entscheidung zu treffen.

Schnelle Antwort

• Starte mit Claude Fable 5.1 für einen etablierten Anthropic-Messages-Agenten, große wiederverwendbare Prompt-Präfixe oder strikte Thinking-Block-Kontinuität.
• Starte mit GPT-6 Astra für einen Responses-API-Agenten, der asynchrone Tools, Live-Steering oder Computer Use benötigt.
• Beide zeigen $10/MTok Input und $50/MTok Output. Fable hat günstigere Cache-Read-Raten; Astra berechnet einen Long-Context-Zuschlag über 272.000 Input-Token.^[2][5]
• Behandle das als Shortlist, nicht als Urteil. Route nur nach wiederholten Tests, die niedrigere Kosten pro akzeptiertem Task zeigen.

Die kürzeste und nützlichste Entscheidungstabelle

„Starte mit" ist absichtlich. Es identifiziert den sinnvollen ersten Branch, nicht das endgültige Production-Urteil.

Was ist tatsächlich vergleichbar?

Die Specification Sheets machen diese Modelle ungewöhnlich ähnlich.

Diese Zahlen stammen aus der Modell- und Preis-Dokumentation der Anbieter.^[1][2][4][5] Sie sagen dir nicht, wie viele Tool-Turns eine Aufgabe braucht, wie oft ein Reviewer die Antwort ablehnen wird oder ob ein Agent ein bestehendes Repository beschädigen wird. Diese Variablen bestimmen normalerweise die Rechnung.

Es gibt auch einen täuschend wichtigen Unterschied in der Preis-Tabelle. Für Astra wird ein Input länger als 272.000 Token zum doppelten Standard-Input- und Cached-Input-Rate berechnet, während Output zum 1,5-fachen Standard-Output-Rate berechnet wird. Die höheren Raten gelten für die gesamte Anfrage, nicht nur für den Teil oberhalb von 272.000 Token.^[5] Eine 300.000-Token-Repository-Aufgabe folgt also nicht der $10/$50-Kurve auf Astra. Fables veröffentlichte Preis-Seite listet keinen equivalenten Long-Context-Multiplikator.^[2]

Die API-Oberfläche kann vor der Modellqualität entscheiden

Fable 5.1 nutzt die Anthropic Messages API mit immer aktivem Adaptive Thinking. Es akzeptiert keine erzwungene Tool-Selection mehr: tool_choice-Werte, die ein beliebiges Tool verlangen oder ein bestimmtes Tool nennen, geben einen HTTP-400-Fehler zurück. Automatische und deaktivierte Tool-Auswahl bleiben unterstützt. Anthropic empfiehlt strikte Tool-Schemas, eine explizite Anleitung zum Tool-Aufruf oder Structured Outputs, wenn die Anwendung gültige strukturierte Daten braucht.^[3]

Astra unterstützt sowohl Chat Completions als auch Responses, aber OpenAIs Modell-Seite sagt, dass Tool-Calling für Astra die Responses API erfordert. Die Responses-Route trägt auch Astras asynchrones Tool-Calling, Live-Steering und Konfigurationsupdates.^[4][6] Eine Anwendung, die auf Chat Completions bleibt, kann diese Agent-Funktionen nicht fair evaluieren.

Das bedeutet, ein „gleicher Prompt"-Vergleich kann operativ unfair sein. Der Text kann übereinstimmen, während der umgebende Vertrag unterschiedlich ist: Tool-Schema, History-Darstellung, Reasoning-Steuerungen, Retry-Verhalten und vom Agent-Framework injizierte Anweisungen. Vergleiche vollständige Working-Paths, nicht isolierte Request-Bodies.

Route nach Workload, nicht nach Unternehmensname

Langlebige Coding-Agenten

Fange an, indem du fragst, was der Agent sich merken muss und was er ändern darf.

Fable 5.1 hat präzise Regeln zum Tragen von Thinking Blocks über Turns. Er kann kompatible Thinking Blocks von älteren Claude-Modellen lesen, aber ältere Modelle können Fable 5.1 Thinking Blocks nicht konsumieren. Das Gespräch muss auch nur anhängig bleiben: Änderungen am System-Prompt, Tool-Definitionen oder früheren Messages können spätere Thinking Blocks ungültig machen.^[3] Das ist handhabbar, wenn der Agent bereits Anthropics History-Modell nutzt, kann aber Fallback-Routing zwischen Model-Generationen erschweren.

Astra ist attraktiv, wenn das Coding-Harness Responses-first ist und von der Steuerung eines Langzeitlaufs ohne Arbeitsabwurf profitiert. OpenAI beschreibt auch Configuration Updates, die den Reasoning-Effort zwischen Turns ändern können.^[6] Vermute nicht, dass diese Steuerungen automatisch sicherere Edits produzieren. Deine Evaluation braucht immer noch Prüfungen auf Scope Creep, unnötige Umschreibungen, Test-Fehler und Reviewer-Korrektionen.

Für beide Modelle: Nimm Wartungs-Aufgaben statt nur Greenfield-Puzzles auf. Ein nützliches Coding-Set enthält:

1. einen Ein-Datei-Bug mit einem klaren fehlgeschlagenen Test;
2. eine Cross-Datei-Änderung in einem unbekannten Modul;
3. eine Anfrage mit einer expliziten „nicht anfassen"-Grenze;
4. eine Regression-Diagnose, wo die Implementierung nicht genehmigt ist;
5. eine Long-Context-Aufgabe, die einen relevanten Fakt unter vielen Dateien finden muss.

Forschung und Professionaldokumente

Astras Ankündigung betont Research und die Erstellung von Tabellenkalkulationen, Präsentationen, Dokumenten und anderen professionellen Artefakten.^[6] Das macht es einen sinnvollen ersten Kandidaten, wenn die Ausgabe ein Artefakt ist, das durch OpenAIs unterstützte Tools erzeugt wird, statt reiner Prosa.

Fable 5.1 ist ein starker erster Kandidat, wenn der Research-Agent bereits auf ein großes, wiederholt gecachtes Source-Paket angewiesen ist. Seine günstigeren Cache-Reads können wichtiger sein als ein kleiner Unterschied in der Anzahl unkacherter Prompt-Token. Der Ein-Million-Token-Kontext des Modells bleibt auch auf dem Standard-Veröffentlichten Tarif, selbst wenn ein Source-Bundle Astras 272K-Schwelle überschreitet.^[1][2]

Beurteile Research-Outputs nach Citation-Abdeckung, ob Ansprüche von den angegebenen Passagen gestützt werden und wie das System sich verhält, wenn Quellen nicht übereinstimmen. Flüssigkeit sollte Nachverfolgbarkeit nicht übertrumpfen.

Computer Use

OpenAI präsentiert Computer Use als eine Kern-Astra-Workload und veröffentlicht Ergebnisse für seine Computer-Use-Evaluationen.^[6] Das unterstützt, Astra in den ersten Evaluations-Slot für Browser und Desktop-Kontrolle zu setzen. Es beseitigt nicht die Notwendigkeit für Sandbox, Bestätigungsgates, Domänen-Einschränkungen und einen Datensatz aller Aktionen.

Fable 5.1 kann noch in Tool-basierten Workflows teilnehmen, aber seine Unfähigkeit, ein benanntes Tool zu erzwingen, ändert, wie deterministische Aktionsschritte entworfen werden müssen. Wenn jeder Turn eine validierte Aktion ausstrahlen muss, teste strikte Schemas und explizite Anweisungen unter Fehlerbedingungen, bevor du die Migration als vollständig betrachtest.

Sehr lange Prompts

Die Kontextfenster unterscheiden sich nur um 50.000 Token, aber die Abrechnungskurven unterscheiden sich früher. Evaluiere in drei Bändern:

• unter 100K, wo normale Task-Qualität und Output-Länge dominieren;
• 200K–272K, wo Cache-Verhalten zunehmend wichtig wird;
• über 272K, wo Astras Long-Context-Multiplikator die Wirtschaft ändert.

Fülle das Kontextfenster nicht einfach, weil es existiert. Retrieval, Kompression und ein stabiles gecachtes Präfix können sowohl Ablenkung als auch Kosten reduzieren. Ein Modellvergleich sollte die gleichen relevanten Beweise enthalten, nicht den gleichen maximalen Datei-Dump.

Speicherung und Governance

Anthropic listet Fable 5.1 als Covered Model mit Standard-30-Tage-API-Speicherung. Zero Data Retention ist nicht generell verfügbar, obwohl Anthropic einen engen Weg für berechtigte Enterprise-Kunden dokumentiert, die ausdrückliche Genehmigung erhalten.^[1] OpenAI listet Astra als Zero Data Retention für berechtigte API-Kunden unterstützend.^[4]

Wenn Speicherungsrichtlinie eine harte Beschaffungsanforderung ist, siedle die Berechtigung schriftlich, bevor du Zeit auf Output-Vergleiche verbringst. „Unterstützt ZDR" ist nicht dasselbe wie „jedes Konto hat ZDR aktiviert".

Was dir die Launch-Benchmarks sagen können und nicht

Astras Ankündigung von OpenAI berichtet 64,6% für Astra und 52,6% für Claude Fable 5.1 auf Terminal-Bench Science 0.1, neben einer Schätzung von etwa 31% niedrigerem API-Kosten für Astra auf dieser Evaluation.^[6] Anthropics eigene Fable 5.1-Ankündigung berichtet auch 52,6% für sein Modell auf diesem Benchmark.^[7]

Das ist ein relevantes Signal für Tasks ähnlich dem Benchmark. Es ist kein neutrales Audit und es etabliert nicht niedrigere Kosten für unverknüpfte Arbeit. Die Kosten-Schätzung hängt vom Token- und Tool-Use-Muster des Benchmarks ab; ein 400K-Token-Cache-schwerer Agent kann entgegengesetzte Preis-Geometrie sehen. Erfasse den Herausgeber, Model-Konfiguration, Harness, Datum und Workload, wenn ein Benchmark das Routing beeinflusst.

Ein fairer Test nimmt akzeptierte Arbeit als seine Einheit

Baue eine kleine Evaluation von Production-Tasks auf, bevor du das Standard-Modell wechselst. Zwanzig sorgfältig ausgewählte Tasks sind oft informativer als Hunderte synthetischer Prompts, wenn sie die teuren Fehlermodi abdecken.

Nutze einen Datensatz wie diesen für jeden Durchlauf:

Führe jeden Task mehrmals aus. Dann berechne:

acceptance_rate = accepted_runs / total_runs

cost_per_accepted_task = total_API_cost / accepted_runs

interventions_per_accepted_task = total_human_interventions / accepted_runs

Halte die Rubrik vor dem Lesen von Modellnamen fest. Für Code könnte ein akzeptiertes Ergebnis verlangen, dass alle Tests bestehen, keine verbotenen Dateien geändert werden und kein hochgradiges Review-Ergebnis existiert. Für Research könnte es vollständige Citation-Unterstützung und null fabrizierte Quellen verlangen. Latenz und Stil können sekundäre Scores sein, sollten aber die Korrektheit nicht stillschweigend übergehen.

Das Ergebnis könnte ein Router statt ein Gewinner sein. Eine praktische Policy könnte normale Repository-Edits zum günstigeren akzeptierten Pfad schicken, sehr lange gecachte Kontexte zu Fable 5.1 und Computer-Use-Tasks zu Astra. Überprüfe die aktuelle Fable 5.1 Model-Route und aktuelle Astra Model-Route beim Deployment; Gateway-Verfügbarkeit und Raten sollten nicht aus Upstream-Listenpreisen hergeleitet werden.

FAQ

Ist GPT-6 Astra besser als Claude Fable 5.1 für Coding?

Nicht als Faustregel. Astras offizielle Ergebnisse unterstützen es für schwieriges Coding und Computer-Use-Arbeit zu testen, während Fable 5.1 besser in einen Anthropic-nativen, Cache-schweren, Long-Context-Repository-Agenten passt. Nutze mehrere representative Wartungs-Tasks und bewerte akzeptierte Änderungen, nicht Prosa-Vorlieben.

Welches Modell ist günstiger?

Sie teilen die gleichen Standard-Input- und Output-Listenpreise. Fable 5.1 hat die günstigere veröffentlichte Cache-Read-Rate, während Astra einen Long-Context-Multiplikator über 272K Input-Token anwendet. Astra kann bei einer bestimmten Aufgabe trotzdem günstiger sein, wenn es weniger Token, Tools, Retries oder Reviewer-Eingriffe nutzt.

Kann ich denselben Tool-Calling-Code für beide nutzen?

Nein. Fable 5.1 lehnt erzwungenes tool_choice ab und Astra benötigt die Responses API für seinen Tool-Calling-Pfad. Normalisiere den Application-Level-Tool-Contract, dann schreibe und teste einen separaten Adapter für jede API.

Welche hat das größere Kontextfenster?

Astra listet 1.050.000 Token und Fable 5.1 listet 1.000.000. Dieser 5%-Unterschied ist weniger wichtig als Relevanz, Caching, History-Handling und Astras Preisänderung über 272.000 Input-Token.

Unterstützt Fable 5.1 Zero Data Retention?

Nicht standardmäßig. Anthropic dokumentiert eine Standard-30-Tage-Speicherfrist und sagt ZDR ist nicht verfügbar außer für ausdrücklich berechtigte Enterprise-Fälle. Bestätige den Vertrag für das genaue Konto und Modell.

Sollte ich jeden Request zum Gewinner meiner Evaluation wechseln?

Nur wenn die Workload wirklich einheitlich ist. Die meisten Production-Systeme profitieren von einer Standardoption plus einigen evidenzbasierten Ausnahmen. Eine Routing-Regel ist leichter zu auditen, wenn jede Ausnahme eine messbare Constraint nennt: Kontextgröße, Tool-Oberfläche, Speicherung, Latenz oder Akzeptanzrate.

Route die Ausnahme, nicht jeden Request

Ein Modellwechsel wird leichter zu verteidigen, wenn er als enge Regel geschrieben ist: „Nutze Fable 5.1, wenn gecachter Input über 200K geht," oder „Nutze Astra für die Computer-Use-Queue, nachdem das Reviewer-Gate bestanden hat." Diese Regeln können gemessen, tarifiert und umgekehrt werden. „Nutze Astra, weil es ein Benchmark gewonnen hat" und „nutze Fable, weil es sich besser in unserer Codebase anfühlt" können nicht.

Halte einen gewöhnlichen Standard, route die teuren Ausnahmen und relance das Akzeptanz-Set, wenn einer der Anbieter das Modell, die Preis-Anpassung oder den API-Vertrag ändert.

Referenzen

1. Anthropic, Claude Fable 5.1 overview, abgerufen am 7. September 2026.
2. Anthropic, API pricing, abgerufen am 7. September 2026.
3. Anthropic, Migrating to Claude Fable 5.1, abgerufen am 7. September 2026.
4. OpenAI, GPT-6 Astra model documentation, abgerufen am 7. September 2026.
5. OpenAI, API pricing, abgerufen am 7. September 2026.
6. OpenAI, Introducing GPT-6 Astra, 3. September 2026.
7. Anthropic, Introducing Claude Fable 5.1 and Mythos 5.1, 1. September 2026.