GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1:不同工作適合哪款前沿模型?
GPT-6 Astra vs GPT-6.1 Sol vs Gemini 4 Argon vs Claude Fable 5.1: Which Frontier Model Fits Which Job
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列,按工作負載整理各自適用情境。
文章將四款模型的基準、價格、存取限制和任務成本並列,呈現不同工作負載下的取捨,説明排行榜名次不足以單獨決定選型。
Anthropic、OpenAI 和 Google DeepMind 在 30 日內推出了 4 款前沿級模型。Claude Fable 5.1 於 9 月 1 日推出。GPT-6 Astra 於 9 月 3 日接著推出。GPT-6.1 Sol 和 Gemini 4 Argon 則在 9 月最後幾天登場。
我們先前分別介紹了每次發布。本文則把四款模型並列比較。基準測試分數的差距,比發布文章所暗示的小得多;價格、存取規則和每項任務成本的差異則不是。
有一項變化重新界定了整個陣容。OpenAI 的 GPT-6.1 Astra 已取消,原因是它在 9 月 28 日未能通過內部範圍和授權測試。目前 GPT-6 Astra 仍是 OpenAI 的頂級模型。
規格、定價和存取方式
Astra 和 Fable 5.1 的標準輸入價格同為 $10,輸出價格同為 $50。Sol 和 Argon 的標價是其五分之一。Argon 的價格屬推廣價,日後會加倍。
| 項目 | GPT-6 Astra | GPT-6.1 Sol | Gemini 4 Argon | Claude Fable 5.1 |
|---|---|---|---|---|
| 開發商 | OpenAI | OpenAI | Google DeepMind | Anthropic |
| 發布日期 | 2026 年 9 月 3 日 | 2026 年 9 月 29 日 | 於 2026 年 9 月 30 日公佈 | 2026 年 9 月 1 日 |
| 存取方式 | OpenAI API、ChatGPT、Codex | OpenAI API、ChatGPT Work、Codex | 僅限 Fairwind Program | Claude API、Bedrock、Google Cloud、Microsoft Foundry |
| 輸入/輸出(每 1M token) | $10 / $50 | $2 / $10 | 推廣價 $2 / $10,其後 $4 / $20 | $10 / $50 |
| 快取輸入(每 1M token) | $1.00 | $0.10 | 推廣價 $0.10 | $0.25 |
| 長提示詞定價 | 超過 272K:$20 / $75 | 超過 272K:輸入價格 x2、輸出價格 x1.5 | 未有公佈 | 統一價格適用至 1M |
| 上下文視窗 | 1.05M | 1.05M | 未有公佈 | 1M |
| 每次回應的最大輸出量 | 128K | 128K | 1M | 128K |
| 推理控制 | 5 個級別,由 low 至 max | 5 個級別,由 low 至 max | 未有公佈 | 推理級別包括 low、medium、high |
| 開放權重 | 否 | 否 | 否 | 否 |
來源:OpenAI GPT-6.1 Sol 報道、Gemini 4 Argon 報道、GPT-6 Astra 長上下文定價、Claude Fable 5.1 規格。標準第一方標價,短上下文級別。
對代理程式而言,快取輸入一列最重要。代理程式每個步驟都會重新傳送系統提示、工具結構描述和歷史記錄。Astra 的快取讀取價 $1.00,是 Fable 5.1 的 4 倍,也是 Sol 的 10 倍。
Argon 的 1M 輸出上限是唯一結構性例外。其餘 3 款模型每次回應最多輸出 128K token。
基準測試:各模型的領先項目
沒有任何模型全面勝出。Argon 在知識工作和長期編碼任務方面領先。Astra 在前沿軟件工程和電腦操作方面領先。不在本次比較名單內的 Opus 5.5,則在 Terminal-Bench 4.0 領先。
| 基準測試 | 測試內容 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|---|
| DeepSWE v1.1 | 長期軟件工程任務 | 77.9% | 74.1% | 67.4% |
| Vals Index | 金融、編碼、法律和税務工作 | 68.9% | 63.1% | 65.8% |
| FrontierSWE v2 | 前沿軟件工程 | 55.0% | 65.5% | 56.3% |
| Terminal-Bench 4.0 | 終端環境中的代理式工作 | 57.4% | 58.2% | 57.9% |
| CWE-bench v1 | 漏洞修補 | 68%(並列) | 68%(並列) | 58% |
| OSWorld-2.0 | 電腦操作 | 69.2% | 72.6% | 未列於 Google 的表格 |
Google DeepMind 公佈的比較,如我們的 Gemini 4 Argon 報道所述。由供應商報告。
GPT-6.1 Sol 未列於 Google 的表格。OpenAI 自行公佈的數據顯示,Sol 的表現接近 Astra:
- DeepSWE v1.1:Sol 以約五分之一的成本,取得與 Astra 相同的表現。
- OSWorld 2.0 離線測試集:Sol 每項任務成本約為 Astra 的七分之一,分數只低 2.1 分。
- AutomationBench 1.0.6:在 medium 推理級別下,Sol 比 Claude Opus 5.5 高 2.2 分。
- Terminal-Bench Science 0.1:Astra 仍以 68.1% 領先。OpenAI 建議最艱深的研究工作使用 Astra。
獨立評估對原始智能得出相反結論。在 Artificial Analysis Intelligence Index 中,Astra 得 61 分,Fable 5.1 則高出 5 分。在其 coding-agent index 中,Fable 5.1 在 Claude Code 的得分為 70,Astra 為 67。Artificial Analysis 亦指出,Argon 在 Intelligence Index 上與 Astra 得分相同。
在 ARC-AGI-2 中,Astra 得分 95%,Fable 5.1 得分 90%。
每項任務成本:標價相同,帳單卻不同
Artificial Analysis 統計,Claude Fable 5.1 每項任務成本為 $9.18,GPT-6 Astra 則為 $4.72。兩者標價相同,但前者約為後者的 1.9 倍。
差異來自 token 用量,而非單價。每項任務成本是單價乘以所用 token 數量。單價相同之下,成本差距表示 Fable 5.1 在該次測試中每項任務使用了更多 token。Anthropic 亦指出,其新 tokenizer 對相同文本大約會產生多 30% 的 token。
兩款較便宜模型進一步改變了比較結果:
- Gemini 4 Argon:Artificial Analysis 報告指,Argon 的 Intelligence Index 與 Astra 相同,但採用推廣價時,每項任務成本只有 Astra 的 60%。
- GPT-6.1 Sol:在 Terminal-Bench Science 中,OpenAI 報告 Sol 每項任務成本為 $5.47,Astra 則為 $23.80。
快取可能令代理程式的成本排名逆轉。以上每項任務成本沒有模擬大量重用快取的情況。長時間運作的代理程式每一步都會重新讀取相同上下文。以下計算採用 200K token 快取上下文,不包括輸出 token:
| 模型 | 快取單價(每 1M) | 每步成本 | 100 步成本 |
|---|---|---|---|
| GPT-6 Astra | $1.00 | $0.20 | $20.00 |
| Claude Fable 5.1 | $0.25 | $0.05 | $5.00 |
| GPT-6.1 Sol | $0.10 | $0.02 | $2.00 |
| Gemini 4 Argon(推廣價) | $0.10 | $0.02 | $2.00 |
這是根據快取標價作出的示例計算。Astra 的 200K 上下文低於其 272K 長提示詞門檻。
在大量使用快取的迴圈中,Fable 5.1 讀取上下文的價格是 Astra 的四分之一。在根據每項任務成本的標題數字作選擇前,請先用自己的追蹤數據測量兩者。
各種工作適合哪款模型
應按工作負載選擇,而非只看排行榜。GPT-6.1 Sol 適合大多數團隊作為預設選擇;其餘 3 款模型則在特定工作上值得其價格。
| 工作 | 首選 | 原因 | 次選 |
|---|---|---|---|
| 大量編碼代理程式、CI 機械人、PR 審查 | GPT-6.1 Sol | DeepSWE v1.1 表現與 Astra 相同;價格為 $2 / $10,快取價格為 $0.10 | Gemini 4 Argon(公開推出後) |
| 最艱深的開放式工程工作 | GPT-6 Astra | FrontierSWE v2 領先,得分 65.5% | Claude Fable 5.1 |
| 電腦操作和瀏覽器代理程式 | GPT-6 Astra | OSWorld-2.0 領先,得分 72.6% | GPT-6.1 Sol,僅低 2.1 分 |
| 在 harness 中進行長時間編碼 | Claude Fable 5.1 | 在 Claude Code 的 Artificial Analysis coding-agent 得分最高(70);快取讀取價 $0.25 | GPT-6 Astra(67) |
| 硬科學和研究 | GPT-6 Astra | Terminal-Bench Science 領先,得分 68.1% | GPT-6.1 Sol 每項任務成本 $5.47 |
| 法律、金融和商業自動化 | Gemini 4 Argon | 領先 Vals Index(68.9%)、AutomationBench(51.3%)和 Harvey Legal(19.6%) | GPT-6.1 Sol;Claude Fable 5.1 |
| 超長單次輸出:大型重構、完整報告 | Gemini 4 Argon | 唯一每次回應可輸出 1M token 的模型 | 其餘 3 款模型均可分多輪完成 |
| 找出和修補漏洞 | Gemini 4 Argon 或 GPT-6 Astra | 在 CWE-bench v1 同得 68% | Claude Fable 5.1(58%) |
| 以前沿品質控制預算 | GPT-6.1 Sol | 公開價格最低;Argon 只在 Fairwind 內與其看齊 | Gemini 4 Argon |
其中 2 項工作的選擇取決於存取權。目前只有 Fairwind 網絡防禦人員可使用 Argon。Astra 的完整進攻式安全能力僅透過 OpenAI 的 Daybreak 計劃提供;公開版本會拒絕進階進攻式網絡安全任務。Anthropic 則透過可信存取計劃,限制其不受約束的雙生模型 Claude Mythos 5.1。
轉用前要留意甚麼
本文大部分數字由供應商提供,而不同供應商的數字有細微差異。OpenAI 報告 Astra 在 Terminal-Bench 4.0 得分為 57.9%;Google 的比較表則列出 58.2%。
- 安全措施會影響 Fable 5.1 分數:Anthropic 在啟用正式環境安全措施的情況下執行基準測試。被標記的網絡安全和生物學任務會轉交其他 Claude 模型處理,這可能拉低 OSWorld 和 AutomationBench 的結果。
- Argon 價格屬臨時優惠:$2 / $10 是推廣價,之後會升至 $4 / $20;目前未公佈優惠結束日期。
- Argon 上下文視窗未有公佈:Google 公佈了 1M 輸出上限,但沒有公佈輸入上限。
- 每項任務成本只是單次測量結果:$9.18 和 $4.72 來自 Artificial Analysis 在 9 月初對 Astra 的測試。推理強度設定會令成本大幅變動。
- Anthropic 有更便宜的選項:我們對 Argon 的報道引述消息指,Claude Opus 5.5 在多項重要代理式基準測試中勝過 Fable 5.1,而且 API 價格更低。它在 Terminal-Bench 4.0 亦以 66.4% 領先。
重點摘要
- GPT-6.1 Sol 在 DeepSWE v1.1 取得與 Astra 相同的表現,價格只有五分之一。
- GPT-6 Astra 在 FrontierSWE v2(65.5%)和 OSWorld-2.0(72.6%)領先。
- Gemini 4 Argon 在 DeepSWE、Vals Index 和 AutomationBench 領先,但僅限 Fairwind 內使用。
- Fable 5.1 每項任務成本 $9.18,Astra 則為 $4.72,兩者標價相同。
- 對大量使用快取的代理程式而言,Fable 5.1 的 $0.25 快取讀取價比 Astra 的 $1.00 低 4 倍。
常見問題
- 哪款最便宜?GPT-6.1 Sol,每 1M token 的輸入價格為 $2、輸出價格為 $10、快取價格為 $0.10。Argon 只有在 Fairwind 內使用推廣價時才能匹配。
- 哪款最適合編碼?大量工作選 Sol,最艱深的任務選 Astra。Fable 5.1 在 Claude Code 的 Artificial Analysis coding-agent index 中排名第一。
- 我現在可以使用 Gemini 4 Argon 嗎?只有透過 Google 為網絡防禦人員設立的 Fairwind Program 使用。
本文 GPT-6 Astra vs GPT-6.1 Sol vs Gemini 4 Argon vs Claude Fable 5.1:哪款前沿模型適合哪種工作最初刊載於 MarkTechPost。
來源:MarkTechPost · marktechpost.com