跳到正文
MarkTechPost· Asif Razzaq·· 2026-10-05精選AI 評分78

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

AI 導讀

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。

推薦理由

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。

正文 · 繁體中文

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 AstraGPT-6.1 SolGemini 4 ArgonClaude Fable 5.1
開發商OpenAIOpenAIGoogle DeepMindAnthropic
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、CodexOpenAI API、ChatGPT Work、Codex僅限 Fairwind ProgramClaude 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1.05M1.05M未有公佈1M
每次回應的最大輸出量128K128K1M128K
推理控制5 個級別,由 low 至 max5 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 ArgonGPT-6 AstraClaude 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 SolDeepSWE v1.1 表現與 Astra 相同;價格為 $2 / $10,快取價格為 $0.10Gemini 4 Argon(公開推出後)
最艱深的開放式工程工作GPT-6 AstraFrontierSWE 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 AstraOSWorld-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 $0.25GPT-6 Astra(67)
硬科學和研究GPT-6 AstraTerminal-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