Os dois modelos mais caros do mercado lançaram na mesma semana, cobram exatamente o mesmo na tabela (US$ 10 por milhão de tokens de entrada e US$ 50 de saída) e cada um chegou dizendo que venceu o outro. A pergunta que interessa não é qual é o melhor no papel: é qual dos dois vai cobrar menos para terminar o seu trabalho.

A resposta tem uma reviravolta que quase ninguém está contando: nos testes publicados pela OpenAI, o Astra ganha; nos testes independentes, o Fable 5.1 ganha. E na conta da fatura, os dois ganham em situações diferentes, com diferença de até 130%. Vou colocar tudo lado a lado, com quem publicou cada número.

• Mesmo preço de tabela: US$ 10 na entrada e US$ 50 na saída nos dois. A diferença está no cache e no consumo.

• Custo por tarefa concluída: cerca de US$ 1,67 no Astra contra US$ 3,70 no Fable 5.1, porque o Astra usa menos tokens para chegar ao mesmo lugar.

• Leitura de cache: US$ 0,25 no Fable 5.1 contra US$ 1,00 no Astra. Quatro vezes mais barato, e é isso que decide o custo de agente e de busca em base própria.

• Benchmark do fabricante: Astra com 64,6% no Terminal-Bench Science contra 52,6% do Fable 5.1, e 59,3% no Agents' Last Exam.

• Benchmark independente: Fable 5.1 lidera o índice de inteligência da Artificial Analysis com 66 contra 61, e o índice de agente de código com 70 contra 67.

• A regra prática: Astra para automação que usa a tela, matemática e segurança. Fable 5.1 para agente longo, busca em base própria e pesquisa com fonte.

A resposta curta, para quem tem pressa

Escolha rápida por tipo de trabalho
Se o seu caso é	Escolha
Automatizar sistema sem API, clicando e preenchendo tela	GPT-6 Astra
Agente longo que relê o mesmo contexto muitas vezes	Claude Fable 5.1
Busca em base de conhecimento própria	Claude Fable 5.1
Documento, planilha e apresentação com verificação	Claude Fable 5.1
Matemática pesada e análise de segurança	GPT-6 Astra
Tarefa pontual, com poucos passos, pagando por volume	GPT-6 Astra (menor custo por tarefa)
Prompt acima de 272 mil tokens	Claude Fable 5.1 (no Astra a entrada dobra de preço)

O melhor modelo não é o que ganha o benchmark. É o que termina a sua tarefa gastando menos, e isso muda conforme o formato do seu trabalho.

Os números, e quem publicou cada um

Esta seção é a mais importante do post, e é onde a maioria das comparações escorrega: elas citam só os números do fabricante, que naturalmente escolhe os testes em que ganha.

Testes divulgados pela OpenAI

• Terminal-Bench Science 0.1: 64,6% para o Astra contra 52,6% do Fable 5.1, com custo estimado 31% menor. Em configuração econômica, 61,1% contra 22,4% do GPT-5.6 Sol.

• Agents' Last Exam: 59,3% para o Astra contra 55,5% do Claude Opus 5, usando cerca de 65% menos tokens de saída.

• ExploitGym (honeypot, menor é melhor): 0,0% de exploits indevidos contra 48,2% do GPT-5.6 Sol.

Testes independentes (Artificial Analysis)

• Índice de inteligência: Fable 5.1 com 66 no esforço máximo contra 61 do Astra.

• Índice de agente de código: Fable 5.1 com 70 contra 67 do Astra.

Os dois conjuntos podem estar certos ao mesmo tempo, e é isso que deixa a comparação interessante. O Astra foi desenhado e medido para uso de computador e fluxos científicos com terminal; o Fable 5.1 aparece melhor em avaliações amplas de raciocínio e de agente de código. Quando um fabricante publica benchmark, ele escolhe a pista. Quando um terceiro publica, ele escolhe outra. Ler os dois é o que evita comprar promessa.

Preço: igual na tabela, diferente na fatura

Custo por milhão de tokens
Item	GPT-6 Astra	Claude Fable 5.1
Entrada	US$ 10	US$ 10
Saída	US$ 50	US$ 50
Leitura de cache	US$ 1,00	US$ 0,25
Prompt acima de 272 mil tokens	Entrada em dobro, saída 50% mais cara	Sem essa cobrança extra
Processamento em lote	Metade do preço	Disponível
Custo médio por tarefa concluída	Cerca de US$ 1,67	Cerca de US$ 3,70

Agora a parte que separa quem entende de quem repete tabela. Existem dois jeitos de gastar dinheiro com esses modelos, e cada um favorece um lado.

Se o seu trabalho é uma tarefa por vez

Pergunta, resposta, tarefa concluída, contexto novo a cada vez. Aqui o que importa é quanto o modelo escreve para chegar ao resultado, e o Astra leva vantagem: gasta menos tokens de saída e fecha a tarefa por menos da metade do custo.

Se o seu trabalho é um agente que relê o mesmo contexto

Aqui a conta vira ao contrário. Agente de código, atendimento com base de conhecimento e pesquisa em documentos longos passam a maior parte do tempo relendo o mesmo material. Nesse formato, quem manda é o preço da leitura de cache, e US$ 0,25 contra US$ 1,00 é uma diferença de quatro vezes. Em cargas com prefixo grande em cache ou que passam dos 272 mil tokens, o Fable 5.1 chega a custar de 33% a 130% menos pelo mesmo trabalho.

Traduzindo para uma frase que dá para levar à reunião: tarefa curta e avulsa, Astra sai mais barato; tarefa longa que relê contexto, Fable 5.1 sai mais barato.

Onde cada um realmente ganha

GPT-6 Astra: o que usa o computador

Ele foi apresentado como modelo de uso de computador: interpreta a tela, clica, digita e opera aplicativos que não têm API. Isso resolve uma categoria inteira de problema que antes não tinha solução decente, como aquele painel antigo de fornecedor ou de transportadora que só funciona no clique. Tem janela de 1.050.000 tokens, conhecimento até 30 de abril de 2026 e cinco níveis de raciocínio. Escrevi o guia completo dele em GPT-6 Astra: o que é, quanto custa e como usar para vender mais.

Claude Fable 5.1: o que termina trabalho longo

A força dele está em sessão longa sem se perder, documento e planilha com verificação número a número, e citação de fonte separando fato de estimativa. Conhecimento até junho de 2026, dois meses mais recente que o do Astra. Os detalhes estão em Claude Fable 5.1: o que muda, quanto custa e como usar.

Onde cada um roda, e quem já tem acesso

• GPT-6 Astra: começou pelas organizações do Trusted Access Program, com liberação em seguida para ChatGPT Plus, Pro, Business e Enterprise, mais API, AWS e Microsoft Foundry. Os planos Free e Go ficaram de fora.

• Claude Fable 5.1: plataforma da Anthropic, Amazon Bedrock, Google Cloud e Microsoft Foundry, além dos agentes no Chrome, no Excel e no PowerPoint. No plano Max, consome até metade da cota de uso.

Se o seu modelo ainda não apareceu, é fila de liberação, não erro de configuração. E cuidado com quem vende "acesso antecipado": não existe.

Como escolher para o seu caso, em quatro perguntas

1. A tarefa exige mexer em tela de sistema que não tem API? Se sim, Astra, e a conversa acabou aqui.

2. O mesmo contexto vai ser lido muitas vezes? Se sim, Fable 5.1, pelo preço do cache.

3. O resultado precisa de fonte e de verificação de número? Se sim, Fable 5.1.

4. É volume de tarefas curtas e independentes? Se sim, Astra, pelo custo por tarefa.

E existe a quinta pergunta, que economiza mais dinheiro que as quatro juntas: essa tarefa precisa mesmo de um modelo de topo? Classificar mensagem, resumir texto curto e responder pergunta simples de atendimento rodam bem em modelo barato. Colocar o modelo mais caro do mercado para responder "qual o horário de funcionamento" é pagar limusine para ir à padaria. A comparação de custo entre as assinaturas está em vale a pena pagar por IA em 2026.

Como eu decido no golber.net

Aqui a escolha é por formato de trabalho, e não por marca:

• Sessão longa mexendo em muitos arquivos do projeto, com teste rodando a cada volta: modelo que aguenta contexto e relê barato. É o caso do meu módulo de escalas, que recebe entrega quase todo dia.

• Tarefa de operar tela (testar o próprio site como se fosse um cliente, mexer em painel sem API): modelo de uso de computador.

• Volume mecânico (classificar, resumir, padronizar): modelo barato, sempre. O topo de linha fica para o que decide.

E a regra que vale para os dois: a IA faz a parte longa e mecânica, o portão de qualidade continua sendo objetivo e automático. Testes, verificação de tipos e análise estática decidem se o trabalho passou, não a opinião do modelo. Contei como isso funciona na prática, com os freios necessários, em agentes de IA em looping infinito.

O teste que vale mais que qualquer benchmark

Pegue três tarefas reais do seu negócio, daquelas que se repetem toda semana. Rode as três nos dois modelos. Anote três coisas: quanto custou, quantas rodadas de correção você precisou e quanto tempo levou até o resultado ficar utilizável.

Em uma tarde você vai ter um dado que nenhum benchmark te dá, porque ele mede a sua tarefa, com o seu jeito de pedir e o seu critério de pronto. Foi assim que eu escolhi o que uso, e é o que eu recomendo para qualquer cliente antes de fechar contrato de API.

Se você quer isso rodando dentro do seu produto, com orçamento definido, portão de qualidade e dado ficando na sua casa em vez de plataforma alugada, me chame para conversar sobre o projeto.

Perguntas frequentes

Qual é melhor, GPT-6 Astra ou Claude Fable 5.1?

Depende do trabalho. Nos testes da OpenAI o Astra lidera (64,6% contra 52,6% no Terminal-Bench Science), e nos testes independentes da Artificial Analysis o Fable 5.1 lidera (66 contra 61 em inteligência e 70 contra 67 no índice de agente de código). Na prática, escolha o Astra para automação que usa a tela, matemática e segurança, e o Fable 5.1 para agente longo, busca em base própria e trabalho com documentos e planilhas.

Os dois custam a mesma coisa?

Na tabela, sim: US$ 10 por milhão de tokens de entrada e US$ 50 de saída nos dois. Na fatura, não. O Astra fecha a tarefa média por cerca de US$ 1,67 contra US$ 3,70 do Fable 5.1, porque gasta menos tokens; já o Fable 5.1 cobra US$ 0,25 pela leitura de cache contra US$ 1,00 do Astra, o que o torna bem mais barato em agentes que releem contexto.

Qual dos dois é mais barato para agentes?

O Claude Fable 5.1, na maioria dos casos, porque agente relê o mesmo contexto muitas vezes e a leitura de cache dele custa um quarto do preço. Em cargas com prefixo grande em cache ou acima de 272 mil tokens, a diferença chega a de 33% a 130% pelo mesmo trabalho.

Qual tem o maior contexto?

O GPT-6 Astra, com 1.050.000 tokens, sendo até 922 mil de entrada e 128 mil de saída. Vale lembrar que prompts acima de 272 mil tokens são cobrados com entrada em dobro e saída 50% mais cara, então contexto grande precisa ser usado com critério.

Qual tem o conhecimento mais recente?

O Claude Fable 5.1, com base até junho de 2026, contra 30 de abril de 2026 do GPT-6 Astra. Para assunto recente, os dois dependem de busca na internet ou dos documentos que você fornecer.

Preciso escolher só um?

Não, e a maioria das operações maduras usa mais de um. O desenho comum é: modelo barato para volume mecânico, um dos dois de topo para o trabalho que decide, e a escolha entre eles feita por formato de tarefa. O importante é que trocar de modelo não exija reescrever o seu sistema.

Como testar qual serve para mim?

Rode três tarefas reais e repetitivas do seu negócio nos dois modelos e compare custo, número de rodadas de correção e tempo até o resultado ficar utilizável. Esse teste vale mais que qualquer benchmark publicado, porque mede a sua tarefa e o seu critério de pronto.

Onde cada modelo está disponível?

O GPT-6 Astra começou pelo Trusted Access Program e segue para ChatGPT Plus, Pro, Business e Enterprise, além da API, da AWS e do Microsoft Foundry, sem acesso nos planos Free e Go. O Claude Fable 5.1 está na plataforma da Anthropic, no Amazon Bedrock, no Google Cloud e no Microsoft Foundry, e consome até metade da cota no plano Max.