GPT-6 Astra vs. Claude Fable 5.1: Gleicher Listenpreis, ganz andere Rechnung

Am 1. September 2026 veröffentlichte Anthropic Claude Fable 5.1. Zwei Tage später, am 3. September, veröffentlichte OpenAI GPT-6 Astra und nannte es das intelligenteste und am besten ausgerichtete Modell der Welt. Jedes Labor sagt, sein Modell sei das stärkste. So weit, so erwartbar.

Für einen Unternehmer zählt aber nicht, wer den Titel holt, sondern eine Zahl: was Sie jeden Monat bezahlen. Und hier kommt die Überraschung: Der Listenpreis beider Modelle ist buchstäblich identisch, 10 $ pro Million Input-Tokens und 50 $ pro Million Output-Tokens. Trotzdem unterscheidet sich die Endabrechnung erheblich. Der Unterschied steckt in einem Posten, der es nie in eine Schlagzeile schafft.

Was OpenAI mit Astra tatsächlich geliefert hat

Die Ankündigung von Astra dreht sich um etwas anderes als bei früheren Generationen: Computer Use. Das Modell antwortet Ihnen nicht nur, es bedient Software in Ihrem Auftrag. Es füllt Formulare aus, aktualisiert Kundendatensätze in einem CRM, organisiert einen Kalender, recherchiert und verfasst die Zusammenfassung in Ihrem E-Mail-Programm oder Dokumenteneditor, baut eine Website und prüft anschließend die Qualität seines eigenen Frontends.

Die Zahlen, die OpenAI dazu veröffentlicht hat:

• Geschwindigkeit vor Genauigkeit. In einer Latenzsimulation auf OSWorld 2.0 erreichte Astra 72,6 % bei rund vierzig Minuten pro Aufgabe, gegenüber 65,7 % bei rund fünfundsiebzig Minuten für GPT-5.6 Sol, also etwa 47 % weniger Zeit pro Aufgabe.
• Mit dem aktualisierten Codex-Harness meldet OpenAI eine 1,9x schnellere Erledigung von Aufgaben im Vergleich zur Erfahrung mit GPT-5.6 Sol im Benchmark Mind2Web.
• Innerhalb der Aufgabengrenzen bleiben. In einer nach dem Hugging-Face-Vorfall entwickelten Evaluierung ging GPT-5.6 Sol ohne Produktionsschutzmaßnahmen in 48 % der Fälle über das autorisierte Ziel hinaus. Astra tat dies in 0 % der Fälle.
• Mathematik und logisches Denken. 98 % bei FrontierMath Tier 4 und 99,9 % bei ARC-AGI-3.

In der Cybersicherheit erreicht Astra die Schwelle Critical im Preparedness Framework von OpenAI. Die heute ausgelieferte Version lehnt daher fortgeschrittene offensive Aufgaben wie das Erstellen von Proof-of-Concept-Exploits ab, während defensive Arbeit wie sichere Code-Reviews und Patching verfügbar bleibt.

Was Anthropic mit Fable 5.1 geliefert hat

Fable 5.1 setzt auf einen anderen Schwerpunkt: Programmierung, Wissensarbeit und Ausdauer bei lang laufenden Aufgaben. Die veröffentlichten Zahlen im Vergleich zu Opus 5 und GPT-5.6 Sol:

• Agentische wissenschaftliche Forschung (Terminal-Bench-Science): 52,6 % gegenüber 29,0 % für Opus 5 und 22,4 % für GPT-5.6 Sol.
• Agentisches Programmieren (Terminal-Bench 4.0): 55,8 % gegenüber 52,3 % für Opus 5 und 37,3 % für GPT-5.6 Sol.
• Wissensarbeit (GDPval-AA): 1853 Punkte gegenüber 1824 für Opus 5.
• Geschäftliche Workflows (AutomationBench): 31,4 % gegenüber 26,9 % für Opus 5 und 19,6 % für GPT-5.6 Sol.

Anthropic hat außerdem drei Aufwandsstufen hinzugefügt (niedrig, mittel und hoch) und gibt an, dass niedriger oder mittlerer Aufwand Fable 5 zu deutlich geringeren Kosten erreicht oder übertrifft.

Preis: der Posten, der den Unterschied macht

Veröffentlichte Tarife, pro Million Tokens:

Sehen Sie sich die dritte Zeile an. Ein Cache-Read kostet bei Fable 5.1 ein Viertel dessen, was er bei Astra kostet. Genau diese eine Zeile entscheidet über Ihre Rechnung, wenn Sie das Modell ernsthaft einsetzen.

Falls Cache-Reads neu für Sie sind: Wenn ein Modell Kontext erneut liest, den es bereits verarbeitet hat (Ihre Projektdateien, Ihre dauerhaften Anweisungen, einen langen Gesprächsverlauf), wird Ihnen ein reduzierter Tarif berechnet, weil es nicht alles von Grund auf neu verarbeitet. Eine einzige agentische Aufgabe liest denselben Kontext Dutzende Male erneut. Bei agentischer Arbeit übersteigen Cache-Reads den frischen Input daher bei Weitem, und ein Unterschied um den Faktor 4x in dieser Zeile zeigt sich am Monatsende, nicht in der Preistabelle.

Anthropic schätzt, dass typische Workloads etwa 25 % weniger kosten als mit Fable 5, bei stark agentischer Arbeit mit Einsparungen von rund 45 %. OpenAI weist dagegen auf einen Posten hin, der in die andere Richtung geht: Anfragen mit mehr als 272.000 Input-Tokens werden für die gesamte Anfrage zu einem höheren Tarif abgerechnet, 20 $ Input und 75 $ Output. Sehr langer Kontext ist bei Astra also nicht umsonst, was vor allem dann zählt, wenn Sie große Dokumente in einem Durchgang verarbeiten.

Wo Google bei alledem steht

Google hat in dieser Welle kein neues Frontier-Modell veröffentlicht. Sein allgemein verfügbares Flaggschiff ist weiterhin Gemini 3.1 Pro vom Februar 2026. Google spielt aber ein völlig anderes Spiel: Am 2. September brachte es Gemini 3.8 Flash zum Einführungspreis von 0,75 $ Input und 3,75 $ Output heraus.

Das ist keine Herausforderung für Astra oder Fable 5.1 in Sachen Intelligenz. Es ist eine Herausforderung auf einem anderen Feld: ein Preisunterschied um den Faktor 13x. Das meiste, was ein mittelständisches Unternehmen täglich braucht (eine Kundennachricht klassifizieren, ein Gespräch zusammenfassen, Felder aus einer Rechnung extrahieren, eine Antwort entwerfen), braucht überhaupt kein Frontier-Modell. Diese Aufgaben auf einem Modell laufen zu lassen, das 50 $ pro Million Output-Tokens verlangt, heißt, für Intelligenz zu bezahlen, die Sie nie nutzen.

Warum Sie keinem direkten Benchmark-Vergleich trauen sollten

Das ist der Punkt, den das meiste, was Sie diese Woche lesen werden, übergeht. Die beiden Modelle wurden nie miteinander verglichen:

• Jedes Labor hat sich an sich selbst gemessen. OpenAI verglich Astra mit GPT-5.6 Sol; Anthropic verglich Fable 5.1 mit Opus 5 und GPT-5.6 Sol. Es gibt keine einzige offizielle Zahl, die Astra und Fable 5.1 im selben Test gegenüberstellt.
• Selbst der gemeinsame Benchmark ist nicht vergleichbar. Beide zitieren OSWorld 2.0, aber OpenAI meldet 72,6 % in einer Latenzsimulation, während Anthropic 77,9 % mit Teilpunkten und 41,7 % bei strenger Wertung meldet. Drei Zahlen mit drei Bewertungsmethoden. Sie in eine Tabelle zu setzen, heißt, Verschiedenes zu vergleichen.
• Die Labore haben selbst gemessen. Das ist kein Vorwurf, so läuft jeder Launch ab. Anthropic selbst nennt einen Standardfehler von 3,5 bis 4,5 Punkten beim Wissenschafts-Benchmark, und eine unabhängige Überprüfung dauert Wochen.
• Schutzmaßnahmen senken die Punktzahl. Anthropic weist darauf hin, dass Fable 5.1 mit aktivierten Produktionsschutzmaßnahmen evaluiert wurde und Aufgaben, bei denen diese eingriffen, mit null bewertet wurden, was die veröffentlichte Zahl drückt, ohne eine Schwäche zu bedeuten.

Die praktische Konsequenz: Der einzige Benchmark, der zählt, ist Ihr eigener Workload. Lassen Sie beide Modelle auf fünfzig realen Fällen aus Ihrem Unternehmen laufen und messen Sie Qualität, Kosten und Latenz gemeinsam. Eine Woche solcher Tests ist mehr wert als jede veröffentlichte Vergleichstabelle.

Was das für Ihr Unternehmen bedeutet

Das Prinzip, auf dem wir bei Origami aufbauen, hat sich trotz des schnellen Modellwechsels nicht geändert: Binden Sie Ihr System nicht an ein einziges Modell. Machen Sie das Modell zu einer austauschbaren Komponente Ihres Designs, nicht zu einem Fundament, auf dem Sie bauen. Konkret für diese Welle:

• Verteilen Sie die Arbeit auf drei Stufen. Tägliche Aufgaben mit hohem Volumen auf ein günstiges Modell der Flash-Klasse, mittelschwere Arbeit auf ein ausgewogenes Modell und nur wirklich anspruchsvollste Aufgaben auf ein Frontier-Modell. Allein das senkt die Rechnung stärker als jede Preisverhandlung.
• Budgetieren Sie nach Cache-Reads, nicht nach dem Listenpreis. Wenn Ihre Arbeit agentisch ist (ein Assistent, der Ihre Dateien liest und Kontext wiederholt), sind Cache-Reads Ihre eigentliche Rechnung, und ein Unterschied um den Faktor 4x wiegt dort schwerer als jeder Benchmark-Abstand.
• Testen Sie zuerst die niedrigste Aufwandsstufe. Erhöhen Sie sie nur, wenn Messungen den Bedarf belegen, nicht aus dem Bauchgefühl heraus.
• Bevor Sie einem Modell die Schlüssel zu Ihren Systemen übergeben, legen Sie seine Grenzen schriftlich fest: welche Systeme es erreichen darf, welche Aktionen eine menschliche Freigabe erfordern und wo es protokolliert, was es getan hat. Die Computer-Use-Fähigkeit von Astra bedeutet, dass das Modell jetzt handelt, statt nur zu antworten, und das macht Governance von einer netten Zugabe zu einer betrieblichen Pflicht.
• Wenn Sie personenbezogene Daten verarbeiten, ist die Datenaufbewahrung eine Architekturentscheidung, keine juristische Fußnote. Anthropic hat Enterprise Frontier Safeguards angekündigt, das Daten in einer Cloud-Infrastruktur speichert, die der Kunde vollständig kontrolliert, mit einer schrittweisen Einführung ab diesem Herbst. Jede Pflicht nach dem saudi-arabischen Gesetz zum Schutz personenbezogener Daten (PDPL) bemisst sich an dem, was heute gilt, nicht an dem, was angekündigt ist.

Die Sicht von Origami

Wenn uns ein Kunde um ein KI-gestütztes System bittet, beginnen wir nicht mit der Frage, welches Modell das stärkste ist. Wir beginnen damit, seine Aufgaben danach in Stufen aufzuteilen, was jede tatsächlich verdient, und bauen dann eine Schicht, mit der sich das Modell austauschen lässt, ohne das System neu zu bauen. Der Grund ist einfach: Das Modell, das Sie heute wählen, wird in sechs Monaten nicht das beste sein. Anthropic und OpenAI haben innerhalb von achtundvierzig Stunden beide Frontier-Modelle veröffentlicht, und allein das zeigt, dass jedes System, das an einen einzigen Anbieter gebunden ist, das Risiko im Fundament trägt, nicht am Rand.

Fazit

Astra führt bei Computer Use, Geschwindigkeit und dem Einhalten von Aufgabengrenzen. Fable 5.1 führt bei Programmierung, wissenschaftlicher Forschung und Ausdauer bei langen Aufgaben und ist günstiger bei den Cache-Reads, von denen agentische Arbeit lebt. Gemini 3.8 Flash gewinnt einen völlig anderen Kampf: die täglichen Betriebskosten. Die richtige Frage ist nicht, welches Modell das stärkste ist, sondern welche Aufgabe welche Stufe verdient. Wer diese Frage mit einer Messtabelle aus dem eigenen Workload beantwortet, erhält die beste Qualität zur niedrigsten Rechnung.

Quellen

• OpenAI: offizielle Ankündigung von GPT-6 Astra, Quelle der Zahlen zu OSWorld 2.0 und Mind2Web, der Evaluierung der Aufgabengrenzen, der Erkenntnisse zur Cybersicherheit und des Einführungsdatums.
• Anthropic: offizielle Ankündigung von Claude Fable 5.1 und Claude Mythos 5.1, Quelle der Benchmark-Tabelle, der Preise für Cache-Reads, der Einsparungsschätzungen und von Enterprise Frontier Safeguards.
• OpenAI-Entwicklerdokumentation: Modell GPT-6 Astra, für API-Preise und Kontextgrenzen.

Zahlen laut den oben genannten Quellen mit Stand 4. September 2026. Die Benchmarks wurden von jedem Labor an seinen eigenen Modellen durchgeführt, und die unabhängige Überprüfung läuft noch.