GPT-6 Astra vs Claude Fable 5.1: el mismo precio de portada, una factura muy distinta

El 1 de septiembre de 2026, Anthropic lanzó Claude Fable 5.1. Dos días después, el 3 de septiembre, OpenAI lanzó GPT-6 Astra y lo llamó el modelo más inteligente y más alineado del mundo. Cada laboratorio dice que su modelo es el más potente. Eso era de esperar.

Lo que más importa a un empresario no es quién se lleva el título, sino una cifra: lo que pagas cada mes. Y aquí está la sorpresa: el precio de portada de ambos modelos es literalmente idéntico, 10 $ por millón de tokens de entrada y 50 $ por millón de salida. Sin embargo, la factura final difiere de forma considerable. La diferencia está enterrada en una partida que nunca llega a un titular.

Lo que OpenAI ha lanzado realmente con Astra

El anuncio de Astra gira en torno a algo distinto de las generaciones anteriores: el uso del ordenador. El modelo no solo te responde: maneja software en tu nombre. Rellena formularios, actualiza fichas de clientes en un CRM, organiza un calendario, realiza investigaciones y redacta el resumen en tu correo o editor de documentos, construye un sitio web y después revisa la calidad de su propio front end.

Las cifras que OpenAI publicó al respecto:

• Velocidad antes que precisión. En una simulación de latencia en OSWorld 2.0, Astra obtuvo un 72,6 % con unos cuarenta minutos por tarea, frente al 65,7 % con unos setenta y cinco minutos de GPT-5.6 Sol: alrededor de un 47 % menos de tiempo por tarea.
• Con el arnés de Codex actualizado, OpenAI informa de una finalización de tareas 1,9x más rápida en comparación con la experiencia de GPT-5.6 Sol en el benchmark Mind2Web.
• Mantenerse dentro de los límites de la tarea. En una evaluación creada tras el incidente de Hugging Face, GPT-5.6 Sol fue más allá del objetivo autorizado el 48 % de las veces sin salvaguardas de producción. Astra lo hizo en el 0 % de los casos.
• Matemáticas y razonamiento. Un 98 % en FrontierMath Tier 4 y un 99,9 % en ARC-AGI-3.

En ciberseguridad, Astra alcanza el umbral Critical del Preparedness Framework de OpenAI. Por eso la versión que se lanza hoy rechaza tareas ofensivas avanzadas, como crear exploits de prueba de concepto, mientras que el trabajo defensivo, como la revisión de código seguro y la aplicación de parches, sigue disponible.

Lo que Anthropic ha lanzado con Fable 5.1

Fable 5.1 apuesta por otro ángulo: la programación, el trabajo del conocimiento y la resistencia en tareas de larga duración. Sus cifras publicadas frente a Opus 5 y GPT-5.6 Sol:

• Investigación científica agéntica (Terminal-Bench-Science): 52,6 % frente al 29,0 % de Opus 5 y el 22,4 % de GPT-5.6 Sol.
• Programación agéntica (Terminal-Bench 4.0): 55,8 % frente al 52,3 % de Opus 5 y el 37,3 % de GPT-5.6 Sol.
• Trabajo del conocimiento (GDPval-AA): 1853 puntos frente a 1824 de Opus 5.
• Flujos de trabajo empresariales (AutomationBench): 31,4 % frente al 26,9 % de Opus 5 y el 19,6 % de GPT-5.6 Sol.

Anthropic también añadió tres niveles de esfuerzo (bajo, medio y alto) y afirma que el esfuerzo bajo o medio iguala o supera a Fable 5 con un coste mucho menor.

Precio: la partida que marca la diferencia

Tarifas publicadas, por millón de tokens:

Fíjate en la tercera fila. Una lectura de caché en Fable 5.1 cuesta una cuarta parte de lo que cuesta en Astra. Esa sola línea es la que decide tu factura si usas el modelo en serio.

Si las lecturas de caché son nuevas para ti: cuando un modelo relee un contexto que ya ha procesado (los archivos de tu proyecto, tus instrucciones permanentes, un largo historial de conversación), se te factura a una tarifa reducida porque no lo vuelve a procesar desde cero. Una sola tarea agéntica relee el mismo contexto decenas de veces. Por eso, en el trabajo agéntico las lecturas de caché superan con creces a la entrada nueva, y una diferencia de 4x en esa línea se nota a final de mes, no en la tabla de precios.

Anthropic calcula que las cargas de trabajo típicas cuestan alrededor de un 25 % menos que con Fable 5, con ahorros que llegan a aproximadamente un 45 % en trabajo muy agéntico. OpenAI, por su parte, señala una partida que va en sentido contrario: las solicitudes por encima de 272.000 tokens de entrada pasan a una tarifa más alta para toda la solicitud, 20 $ de entrada y 75 $ de salida. El contexto muy largo en Astra no sale gratis, lo cual importa sobre todo si envías documentos grandes de una sola vez.

Dónde queda Google en todo esto

Google no lanzó un nuevo modelo de frontera en esta oleada. Su modelo insignia de disponibilidad general sigue siendo Gemini 3.1 Pro, de febrero de 2026. Pero juega a un juego completamente distinto: lanzó Gemini 3.8 Flash el 2 de septiembre a un precio introductorio de 0,75 $ de entrada y 3,75 $ de salida.

No es un desafío a Astra o a Fable 5.1 en inteligencia. Es un desafío en otro terreno: una diferencia de precio de 13x. La mayor parte de lo que una empresa mediana necesita a diario (clasificar el mensaje de un cliente, resumir una conversación, extraer campos de una factura, redactar una respuesta) no necesita en absoluto un modelo de frontera. Ejecutar esas tareas en un modelo que cobra 50 $ por millón de tokens de salida significa pagar por una inteligencia que nunca usas.

Por qué no deberías fiarte de ninguna comparación directa de benchmarks

Este es el punto que se salta la mayor parte de lo que leerás esta semana. Los dos modelos nunca se compararon entre sí:

• Cada laboratorio se midió contra sí mismo. OpenAI comparó Astra con GPT-5.6 Sol; Anthropic comparó Fable 5.1 con Opus 5 y GPT-5.6 Sol. No existe ni una sola cifra oficial que enfrente a Astra con Fable 5.1 en la misma prueba.
• Ni siquiera el benchmark compartido es comparable. Ambos citan OSWorld 2.0, pero OpenAI reporta un 72,6 % en una simulación de latencia, mientras que Anthropic reporta un 77,9 % con crédito parcial y un 41,7 % en modo estricto. Tres cifras con tres métodos de puntuación. Ponerlas en una misma tabla es comparar cosas distintas.
• Los laboratorios hicieron sus propias mediciones. No es una acusación, así funciona cada lanzamiento. La propia Anthropic cita un error estándar de 3,5 a 4,5 puntos en el benchmark científico, y la verificación independiente lleva semanas.
• Las salvaguardas bajan la puntuación. Anthropic señala que Fable 5.1 se evaluó con las salvaguardas de producción activadas, y las tareas en las que intervinieron las salvaguardas puntuaron cero, lo que rebaja su cifra publicada sin implicar debilidad.

La conclusión práctica: el único benchmark que importa es tu propia carga de trabajo. Ejecuta ambos modelos con cincuenta casos reales de tu negocio y mide calidad, coste y latencia a la vez. Una semana de esas pruebas vale más que todas las tablas comparativas publicadas.

Qué significa esto para tu empresa

El principio sobre el que construimos en Origami no ha cambiado pese a la rapidez con que se renuevan los modelos: no ates tu sistema a un solo modelo. Haz que el modelo sea un componente sustituible de tu diseño, no un cimiento sobre el que construyes. En la práctica, para esta oleada:

• Reparte el trabajo en tres niveles. Las tareas diarias de gran volumen en un modelo barato de clase Flash, el trabajo de peso medio en un modelo equilibrado y solo las tareas realmente de primer nivel en un modelo de frontera. Solo esto recorta la factura más que cualquier negociación de precios.
• Presupuesta según las lecturas de caché, no según la tarifa de portada. Si tu trabajo es agéntico (un asistente que lee tus archivos y repite contexto), las lecturas de caché son tu factura real, y una diferencia de 4x ahí pesa más que cualquier diferencia de benchmark.
• Prueba primero el nivel de esfuerzo más bajo. Súbelo solo cuando la medición demuestre que hace falta, no por impresión.
• Antes de entregar a un modelo las llaves de tus sistemas, define sus límites por escrito: a qué sistemas puede acceder, qué acciones requieren aprobación humana y dónde registra lo que hizo. La capacidad de uso del ordenador de Astra significa que el modelo ahora actúa en lugar de limitarse a responder, lo que convierte la gobernanza de un detalle deseable en un requisito operativo.
• Si tratas datos personales, la conservación de datos es una decisión de arquitectura, no una nota legal a pie de página. Anthropic anunció Enterprise Frontier Safeguards, que almacena los datos en una infraestructura en la nube que el cliente controla por completo y que se despliega por fases a partir de este otoño. Cualquier obligación bajo la Ley de Protección de Datos Personales (PDPL) de Arabia Saudí se mide frente a lo que está vigente hoy, no frente a lo que se anuncia.

La visión de Origami

Cuando un cliente nos pide un sistema basado en IA, no empezamos por cuál es el modelo más potente. Empezamos por dividir sus tareas en niveles según lo que realmente merece cada una y, después, construimos una capa que permite sustituir el modelo sin reconstruir el sistema. La razón es sencilla: el modelo que elijas hoy no será el mejor dentro de seis meses. Anthropic y OpenAI lanzaron modelos de frontera con cuarenta y ocho horas de diferencia; eso por sí solo te dice que cualquier sistema atado a un único proveedor tiene el riesgo en sus cimientos, no en sus márgenes.

Conclusión

Astra lidera en uso del ordenador, velocidad y permanencia dentro de los límites de la tarea. Fable 5.1 lidera en programación, investigación científica y resistencia en tareas largas, y es más barato en la línea de lectura de caché de la que vive el trabajo agéntico. Gemini 3.8 Flash gana una pelea completamente distinta: el coste operativo diario. La pregunta correcta no es cuál es el más potente, sino qué tarea merece qué nivel. Quien responda a eso con una tabla de mediciones de su propia carga de trabajo acaba con la mejor calidad y la factura más baja.

Fuentes

• OpenAI: anuncio oficial de GPT-6 Astra, fuente de las cifras de OSWorld 2.0 y Mind2Web, la evaluación de límites de tarea, los hallazgos de ciberseguridad y la fecha de despliegue.
• Anthropic: anuncio oficial de Claude Fable 5.1 y Claude Mythos 5.1, fuente de la tabla de benchmarks, los precios de lectura de caché, las estimaciones de ahorro y Enterprise Frontier Safeguards.
• Documentación para desarrolladores de OpenAI: modelo GPT-6 Astra, para los precios de la API y los límites de contexto.

Cifras según las fuentes anteriores a 4 de septiembre de 2026. Los benchmarks los realizó cada laboratorio sobre sus propios modelos, y la verificación independiente sigue en curso.