Claude Fable 5.2 vs GPT-6.2 Astra
完整资料:Claude Fable 5.2(Anthropic)和 GPT-6.2 Astra(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 13 个来源
截至 2026年11月19日,Claude Fable 5.2 与 GPT-6.2 Astra 的质量不相上下(BenchLeader Index 71.5 比 68.9,在 ±4.4 的误差范围内)。两者价格相近(每百万 token 混合价格 $16.00 比 $16.00)。在两者都有成绩的所有类别中,Claude Fable 5.2 均领先。Claude Fable 5.2 输出更快(约 2 倍)。
要点(截至 2026年11月19日)
- Claude Fable 5.2 的 BenchLeader Index 为 71.5,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
- Claude Fable 5.2 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
- GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
- Claude Fable 5.2 比 GPT-6.2 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
- 在两者都有结果的 33 项基准测试中,Claude Fable 5.2 领先 17 项(BenchLeader,2026年11月19日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 编程 | Claude Fable 5.2 | 类别得分 78 比 76;FrontierCode 2.0 (AA) 48.8% 比 45.4% | 中 |
| 智能体与工具调用 | Claude Fable 5.2 | 类别得分 75 比 66;Terminal-Bench 65.8% 比 62.1% | 高 |
| 数学 | Claude Fable 5.2 | 类别得分 74 比 73;FrontierMath Tiers 1–3 95.1% 比 92.6% | 中 |
| 推理 | 均可 | 类别得分 74 比 73;GPQA Diamond 93.9% 比 96.8% | 均可 |
| 知识 | Claude Fable 5.2 | 类别得分 85 比 74;SimpleQA Verified 94.0% 比 78.5% | 高 |
| 成本最低 | 均可 | 每百万 token 混合价格 $16.00 比 $16.00;智能体编程会话 $0.640 比 $0.640 | – |
| 首次回答最快 | 均可 | 首个回答 token 221.3 秒(Claude Fable 5.2 (max))比 202.7 秒(GPT-6.2 Astra (max)) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- Claude Fable 5.2 (max) 与 GPT-6.2 Astra (max) 的质量不相上下(71.5 比 68.9,在 ±4.4 的误差范围内)。
- Claude Fable 5.2 (max) 在智能体与工具、编程、知识、数学、推理方面更强。
- 两者价格相近(每百万 token 混合价格 $16.00)。
- Claude Fable 5.2 (max) 的输出速度是对方的 2.3 倍(110 比 49 token/秒)。
概览
| 规格 | Claude Fable 5.2 | GPT-6.2 Astra |
|---|---|---|
| 提供商 | Anthropic | OpenAI |
| 发布日期 | 2026年11月9日 | 2026年11月17日 |
| 上下文窗口(token) | 1,000,000 | 1,050,000 |
| 对比时的配置 | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $8.00 / $40.00 / $0.200 | $8.00 / $40.00 / $0.400 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) | 领先者 |
|---|---|---|---|
| 推理 | 73.9 | 73.1 | 持平 |
| 编程 | 77.6 | 76.1 | Claude Fable 5.2 |
| 智能体与工具 | 75.2 | 66.4 | Claude Fable 5.2 |
| 数学 | 74.0 | 72.5 | Claude Fable 5.2 |
| 知识 | 84.5 | 74.2 | Claude Fable 5.2 |
| 多模态 | – | 71.7 | 无法比较 |
| 长上下文 | 66.4 | – | 无法比较 |
| 综合 | – | 69.5 | 无法比较 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 33 项基准测试中,Claude Fable 5.2 领先 17 项,GPT-6.2 Astra 领先 15 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。
| 综合 Index | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 71.5 | 68.9 | 不相上下 |
| AA Intelligence Index v5.0.1 | 64.6 | 62.1 | Claude Fable 5.2 |
| Vals Index | 71.3† | 67.7 | Claude Fable 5.2 |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) |
|---|---|---|
| 每百万 token 混合价格 | $16.00 | $16.00 |
| 每百万 token 输入 / 输出 | $8.00 / $40.00 | $8.00 / $40.00 |
| 每百万 token 缓存输入 | $0.200 | $0.400 |
| 每项任务价格:聊天回复 | $0.015 | $0.015 |
| 每项任务价格:总结一份 30 页的报告 | $0.120 | $0.120 |
| 每项任务价格:代码编辑 | $0.108 | $0.108 |
| 每项任务价格:智能体编程会话 | $0.640 | $0.640 |
| 每项任务价格:结构化信息提取 | $0.024 | $0.024 |
| 智能体编程会话(输入大多命中缓存) | $0.289 | $0.298 |
| 每项基准测试任务成本(AA Index) | $26.54 | $4.00 |
| 每项任务输出 token(AA Index) | 274k | 41k |
| 其中推理部分 | 193k | 26k |
| 每项任务耗时(AA Index) | 42 min | 14 min |
| 输出速度 | 110 tok/s | 49 tok/s |
| 首次回答时间 | 221.3 秒 | 202.7 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 456.8 秒 | – |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Fable 5.2 (max) 上花费 $26.54,在 GPT-6.2 Astra (max) 上花费 $4.00;完成同样的工作,Claude Fable 5.2 (max) 输出的 token 是对方的 6.7 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。Claude Fable 5.2 (max) 得分 71.5,首个回答 token 需 221 秒;Claude Fable 5.2 (xhigh) 为 68.3(53 秒),Claude Fable 5.2 (high) 为 67.3(24 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 113 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 71.5 | 68.9 |
| 智能体与工具得分 | BenchLeader | 75.2 | 66.4 |
| 编程得分 | BenchLeader | 77.6 | 76.1 |
| 知识得分 | BenchLeader | 84.5 | 74.2 |
| 长上下文得分 | BenchLeader | 66.4 | – |
| 数学得分 | BenchLeader | 74.0 | 72.5 |
| 推理得分 | BenchLeader | 73.9 | 73.1 |
| 综合得分 | BenchLeader | – | 69.5 |
| 多模态得分 | BenchLeader | – | 71.7 |
| 混合价格(美元/百万 token) | BenchLeader | $16.00 | $16.00 |
| 输出速度 | BenchLeader | 110 tok/s | 49 tok/s |
| 首次回答时间 | BenchLeader | 221.3 秒 | 202.7 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.9% | 96.8% |
| SimpleBench | SimpleBench | 94.9%† | – |
| LiveBench 2.0 Reasoning | LiveBench | 88.8%† | 91.6% |
| Humanity's Last Exam (AA) | Artificial Analysis | 74.3% | – |
| HLE-Diamond (AA) | Artificial Analysis | 80.2% | 72.2% |
| ARC-AGI-1 | ARC Prize | 97.5% | 98.5% |
| ARC-AGI-2 | ARC Prize | 92.5% | 95.8% |
| ARC-AGI-3 | ARC Prize | 94.9% | 99.8% |
| CritPt | Artificial Analysis | 35.4% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 76.5% | 71.5% |
| MysteryMechanism | Vals AI | 51.8%† | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | 72.4%† | 66.9%† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 79.0% | 78.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 90.0% | 95.0% |
| LMCA | Epoch AI Benchmarking Hub | 70.1%† | – |
| DTBench | Epoch AI Benchmarking Hub | 99.2%† | – |
| 编程 | |||
| SciCode | SciCode | 67.7% | – |
| Arena WebDev | Arena (LMArena) | 1824† | 1781 |
| LiveBench 2.0 Coding | LiveBench | 79.2%† | 91.9% |
| Code Migration v1.1 | Vals AI | 83.3%† | – |
| ProgramBench | Vals AI | 19.0%† | – |
| SWE-bench Multimodal | Vals AI | 62.3%† | – |
| Vibe Code Bench v1.1 | Vals AI | 93.8%† | 89.9% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 55.2% |
| SWE Atlas v1.1 | Scale AI SEAL | 80.5%† | 60.5%† |
显示全部 113 项基准测试
| 指标 | 发布方 | Claude Fable 5.2 (max) | GPT-6.2 Astra (max) |
|---|---|---|---|
| 编程 | |||
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 83.9%† | 67.7%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 77.8%† | 62.2%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 80.0%† | 51.4%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 67.8% |
| CursorBench | Cursor | 60.0% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2509.8† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 69.9% | – |
| WeirdML v3 | WeirdML | 43.1%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.6% | 64.1% |
| GameBench 2 Overall | DuelLab GameBench 2 | 95.0† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 99.2† | – |
| Design Arena Website | Design Arena | 1349† | 1339† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 56.2% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 48.8% | 45.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 65.8% | 62.1% |
| Remote Labor Index | Scale AI / CAIS | 41.3%† | – |
| APEX-Agents | Mercor | 80.1%† | – |
| Arena Agent | Arena (LMArena) | 27.4 | 15.2 |
| LiveBench Long Agentic | LiveBench | 82.9%† | 70.8% |
| LiveBench Browser | LiveBench | 86.9%† | 93.0% |
| HiL-Bench | Scale AI SEAL | 80.0%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1831 | – |
| Analyst Agent (AA) | Artificial Analysis | – | 62.5% |
| Finance Agent v2.1 | Vals AI | 69.5%† | 60.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 5.0%† | 16.3% |
| Legal Research Bench | Vals AI | 46.1%† | 42.8% |
| Robo-bench | Vals AI | – | 32.7% |
| Tax Agent Bench | Vals AI | 32.1%† | 21.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 65.2%† | 63.1% |
| Terminal-Bench Science | Vals AI | 55.7%† | 71.4% |
| Arena Agent Task Completion | Arena (LMArena) | 22.5 | 12.4 |
| PostTrainBench | Epoch AI Benchmarking Hub | 44.6% | – |
| GBAEval | Epoch AI Benchmarking Hub | 84.8%† | – |
| Vending-Bench 2 | Andon Labs | 9628.5† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 15.3% | 41.3% |
| AutomationBench | Artificial Analysis | 76.4% | 77.3% |
| GDP.pdf (AA) | Artificial Analysis | 24.2% | 29.8% |
| Harvey LAB-AA v1.1 | Harvey | 7.2% | 15.0% |
| EnterpriseOps-Gym | Artificial Analysis | – | 29.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1785 | 1643 |
| GDPx | GDPx by SemiAnalysis | 16.4% | – |
| Design Arena Agentic | Design Arena | 1362† | 1304 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 73.3% | 78.1% |
| CWE-Bench (AA) | Artificial Analysis | – | 65.0% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 46.8% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | 56.6% | 52.7% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 95.1% | 92.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 100.0% | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 99.7% | 100.0% |
| ProofBench | Vals AI | 100.0% | – |
| Autoform-Hard | Vals AI | 85.7%† | 87.5% |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 10.3% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 94.0% | 78.5% |
| LiveBench 2.0 Data Analysis | LiveBench | 81.5%† | 84.1% |
| LiveBench Research | LiveBench | 94.5%† | 91.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 66.8 | 50 |
| PRBench Finance | Scale AI SEAL | 47.1%† | – |
| PRBench Legal | Scale AI SEAL | 49.0%† | 43.1%† |
| BioMysteryBench | Vals AI | 83.7%† | 80.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | 77.4%† | 76.0% |
| Immigration Bench | Vals AI | 74.0%† | – |
| DrugDiscoveryBench | Scale AI SEAL | – | 65.5%† |
| EBR-bench | Epoch AI Benchmarking Hub | 90.5% | 92.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 79.1% | 68.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 40.7% | 40.9% |
| HealthBench Professional (AA) | OpenAI | 67.7% | – |
| 指令遵循 | |||
| MultiChallenge | Scale AI SEAL | – | 73.2%† |
| 多模态 | |||
| LiveBench Design | LiveBench | 85.1%† | 82.8% |
| MMMU-Pro | Artificial Analysis | – | 89.5% |
| Humanity's Sixth Sense | Scale AI SEAL | 59.5% | 63.2%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 56.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 90.0% | 89.2% |
| VIALS-AA | Handshake AI | 67.1% | 65.8% |
| AA-3D | Artificial Analysis | 1271 | 1318 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | – |
| MLCR | Artificial Analysis | 43.9% | 39.4% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 173.5† | 174.2† |
| LiveBench 2.0 | LiveBench | 84.9%† | 84.9% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 64.6 | 62.1 |
| AA Progress Index v1 | Artificial Analysis | 358 | – |
| Vals Index | Vals AI | 71.3† | 67.7 |
| Vals Finance Index | Vals AI | 63.6%† | 57.3% |
| Vals RSI Index | Vals AI | 37.9% | 29.0% |
| Vals Science Index | Vals AI | 63.7%† | 68.4% |
| Vals Legal Index | Vals AI | 69.2%† | 69.7% |
| AA Cyber Index | Artificial Analysis | – | 37.3 |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 15.6%† | – |
数据截至 2026年11月19日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
- Claude Fable 5.2 (max):2 项分数修订。
- GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
- GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
- GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
- Claude Fable 5.2 (max):BenchLeader Index 72.7 → 71.8。
- Claude Fable 5.2 (max):1 项新结果(PostTrainBench)。
- Claude Fable 5.2 (max):2 项分数修订。
- Claude Fable 5.2 (max):1 项分数修订。
- Claude Fable 5.2 (max):BenchLeader Index 74.9 → 72.7。
相关对比
- Claude Fable 5.2 vs Gemini 4 Carbon
- Claude Fable 5.2 vs Claude Opus 5.5
- Claude Fable 5.2 vs Gemini 4 Neon
- GPT-6.2 Astra vs Gemini 4 Carbon
- GPT-6.2 Astra vs Claude Opus 5.5
- GPT-6.2 Astra vs Gemini 4 Neon
- Claude Sonnet 5.5 vs GPT-6.2 Astra
- Claude Fable 5.2 vs GPT-6.1 Terra
排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Claude Fable 5.2 vs GPT-6.2 Astra:常见问题
- Claude Fable 5.2 比 GPT-6.2 Astra 更好吗?
- Claude Fable 5.2 (max) 与 GPT-6.2 Astra (max) 的质量不相上下(71.5 比 68.9,在 ±4.4 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,两者差距在误差范围内,请结合你的用途查看各类别得分。
- Claude Fable 5.2 和 GPT-6.2 Astra 哪个更便宜?价格会变吗?
- 两者价格相同:每百万 token 混合价格 $16.00。两者均未公布价格调整。
- 编程用 Claude Fable 5.2 还是 GPT-6.2 Astra 更好?
- Claude Fable 5.2 在编程方面得分更高(类别得分 78 比 76,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Fable 5.2 为 48.8%,GPT-6.2 Astra 为 45.4%。
- Claude Fable 5.2 和 GPT-6.2 Astra 哪个更快?
- Claude Fable 5.2 输出更快(约 2 倍;输出 110 比 49 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Claude Fable 5.2 还是 GPT-6.2 Astra 更好?
- Claude Fable 5.2 在智能体任务方面得分更高(类别得分 75 比 66,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Fable 5.2 为 65.8%,GPT-6.2 Astra 为 62.1%。
更多问题(4)
- 处理长文档哪个更好?
- 两者都约为 1.1M token(Claude Fable 5.2 为 1,000,000,GPT-6.2 Astra 为 1,050,000)。
- 哪个延迟更低?
- GPT-6.2 Astra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 202.7 秒比 221.3 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 Claude Fable 5.2 和 GPT-6.2 Astra 的看法一致吗?
- 在两者都有结果的 33 项基准测试中,Claude Fable 5.2 领先 17 项,GPT-6.2 Astra 领先 15 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。
- GPT-6.2 Astra 是什么时候发布的?
- GPT-6.2 Astra 于 2026年11月17日 发布。