इस लेख में
1 सितंबर 2026 को Anthropic ने Claude Fable 5.1 जारी किया। दो दिन बाद, 3 सितंबर को, OpenAI ने GPT-6 Astra जारी किया और इसे दुनिया का सबसे बुद्धिमान और सबसे अलाइंड मॉडल बताया। हर लैब कहती है कि उसका मॉडल सबसे ताकतवर है। इतना तो अपेक्षित ही है।
किसी व्यवसाय के मालिक के लिए ज़्यादा मायने यह नहीं रखता कि खिताब कौन जीतता है, बल्कि एक संख्या: आप हर महीने कितना चुकाते हैं। और यहीं आश्चर्य है — दोनों मॉडलों की लिस्ट प्राइस सचमुच एक जैसी है, प्रति मिलियन इनपुट टोकन $10 और प्रति मिलियन आउटपुट $50। फिर भी अंतिम बिल में काफ़ी अंतर होता है। यह अंतर एक ऐसी मद में छिपा है जो कभी सुर्खियों में नहीं आती।
OpenAI ने Astra में असल में क्या दिया
Astra की घोषणा पिछली पीढ़ियों से अलग एक चीज़ पर केंद्रित है: कंप्यूटर उपयोग। मॉडल केवल आपको जवाब नहीं देता — वह आपकी ओर से सॉफ़्टवेयर चलाता है। वह फ़ॉर्म भरता है, CRM में ग्राहक रिकॉर्ड अपडेट करता है, कैलेंडर व्यवस्थित करता है, शोध करता है और आपके ईमेल या दस्तावेज़ एडिटर में सारांश का मसौदा लिखता है, वेबसाइट बनाता है और फिर अपने ही फ़्रंट एंड की गुणवत्ता जाँच करता है।
इस पर OpenAI द्वारा प्रकाशित आँकड़े:
- सटीकता से पहले गति। OSWorld 2.0 पर एक लेटेंसी सिमुलेशन में Astra ने प्रति टास्क लगभग चालीस मिनट में 72.6% स्कोर किया, जबकि GPT-5.6 Sol ने लगभग पचहत्तर मिनट में 65.7% — यानी प्रति टास्क लगभग 47% कम समय।
- अपडेटेड Codex हार्नेस के साथ, OpenAI बताता है कि Mind2Web बेंचमार्क पर GPT-5.6 Sol के अनुभव की तुलना में टास्क 1.9x तेज़ी से पूरे होते हैं।
- टास्क की सीमाओं के भीतर रहना। Hugging Face घटना के बाद बनाए गए एक मूल्यांकन में, प्रोडक्शन सुरक्षा उपायों के बिना GPT-5.6 Sol ने 48% मामलों में अधिकृत लक्ष्य से आगे जाकर काम किया। Astra ने ऐसा 0% मामलों में किया।
- गणित और तर्क। FrontierMath Tier 4 पर 98% और ARC-AGI-3 पर 99.9%।
साइबर सुरक्षा में Astra, OpenAI के Preparedness Framework के तहत Critical सीमा तक पहुँचता है। इसलिए आज जारी किया गया संस्करण उन्नत आक्रामक कामों, जैसे प्रूफ़-ऑफ़-कॉन्सेप्ट एक्सप्लॉइट बनाना, से इनकार करता है, जबकि सुरक्षित कोड समीक्षा और पैचिंग जैसे रक्षात्मक काम उपलब्ध रहते हैं।
Anthropic ने Fable 5.1 में क्या दिया
Fable 5.1 एक अलग पहलू पर ज़ोर देता है: कोडिंग, नॉलेज वर्क और लंबे चलने वाले कामों में सहनशक्ति। Opus 5 और GPT-5.6 Sol के मुकाबले इसके प्रकाशित आँकड़े:
- एजेंटिक वैज्ञानिक शोध (Terminal-Bench-Science): 52.6%, जबकि Opus 5 का 29.0% और GPT-5.6 Sol का 22.4%।
- एजेंटिक कोडिंग (Terminal-Bench 4.0): 55.8%, जबकि Opus 5 का 52.3% और GPT-5.6 Sol का 37.3%।
- नॉलेज वर्क (GDPval-AA): 1853 अंक, जबकि Opus 5 के 1824।
- व्यावसायिक वर्कफ़्लो (AutomationBench): 31.4%, जबकि Opus 5 का 26.9% और GPT-5.6 Sol का 19.6%।
Anthropic ने तीन एफ़र्ट लेवल — कम, मध्यम और उच्च — भी जोड़े हैं और कहता है कि कम या मध्यम एफ़र्ट, काफ़ी कम लागत पर Fable 5 के बराबर या उससे बेहतर प्रदर्शन करता है।
कीमत: वह मद जो फ़र्क पैदा करती है
प्रकाशित दरें, प्रति मिलियन टोकन:
| मद | GPT-6 Astra | Claude Fable 5.1 | Gemini 3.8 Flash |
|---|---|---|---|
| इनपुट | $10 | $10 | $0.75 |
| आउटपुट | $50 | $50 | $3.75 |
| कैश रीड | $1 | $0.25 | — |
| कॉन्टेक्स्ट विंडो | ~1.1M टोकन | 1M टोकन | 1M टोकन |
तीसरी पंक्ति देखिए। Fable 5.1 पर कैश रीड की कीमत Astra की तुलना में एक-चौथाई है। अगर आप मॉडल को गंभीरता से चलाते हैं, तो यही एक पंक्ति आपका बिल तय करती है।
अगर कैश रीड आपके लिए नया है: जब कोई मॉडल पहले से प्रोसेस किए गए संदर्भ को दोबारा पढ़ता है — आपकी प्रोजेक्ट फ़ाइलें, आपके स्थायी निर्देश, लंबा बातचीत इतिहास — तो आपसे कम दर ली जाती है, क्योंकि वह शुरुआत से दोबारा प्रोसेस नहीं कर रहा होता। एक अकेला एजेंटिक टास्क उसी संदर्भ को दर्जनों बार दोबारा पढ़ता है। इसलिए एजेंटिक काम में कैश रीड नए इनपुट से कहीं ज़्यादा होते हैं, और इस पंक्ति पर 4x का अंतर महीने के अंत में दिखता है, कीमत तालिका में नहीं।
Anthropic का अनुमान है कि सामान्य वर्कलोड की लागत Fable 5 की तुलना में लगभग 25% कम है, और भारी एजेंटिक काम पर बचत लगभग 45% तक पहुँचती है। वहीं OpenAI एक ऐसी मद की ओर इशारा करता है जो उल्टी दिशा में जाती है: 272,000 से अधिक इनपुट टोकन वाले अनुरोध पूरे अनुरोध के लिए ऊँची दर पर चले जाते हैं — $20 इनपुट और $75 आउटपुट। Astra पर बहुत लंबा संदर्भ मुफ़्त नहीं है, और यह सबसे ज़्यादा तब मायने रखता है जब आप बड़े दस्तावेज़ एक ही बार में भेजते हैं।
इन सबमें Google कहाँ है
Google ने इस लहर में कोई नया फ़्रंटियर मॉडल जारी नहीं किया। उसका आम तौर पर उपलब्ध फ़्लैगशिप अब भी फ़रवरी 2026 का Gemini 3.1 Pro है। लेकिन वह एक बिल्कुल अलग खेल खेल रहा है: उसने 2 सितंबर को Gemini 3.8 Flash को $0.75 इनपुट और $3.75 आउटपुट की शुरुआती कीमत पर लॉन्च किया।
यह बुद्धिमत्ता के मामले में Astra या Fable 5.1 को चुनौती नहीं है। यह किसी और चीज़ पर चुनौती है — 13x का कीमत अंतर। एक मध्यम आकार की कंपनी को रोज़ जिन कामों की ज़रूरत होती है, उनमें से ज़्यादातर — ग्राहक संदेश को वर्गीकृत करना, बातचीत का सारांश बनाना, इनवॉइस से फ़ील्ड निकालना, जवाब का मसौदा तैयार करना — के लिए फ़्रंटियर मॉडल की बिल्कुल ज़रूरत नहीं होती। इन्हें ऐसे मॉडल पर चलाना जो प्रति मिलियन आउटपुट टोकन $50 लेता है, यानी उस बुद्धिमत्ता के लिए भुगतान करना जिसका आप कभी उपयोग नहीं करते।
आपको किसी भी सीधी बेंचमार्क तुलना पर भरोसा क्यों नहीं करना चाहिए
यही वह बात है जिसे इस हफ़्ते आप जो कुछ पढ़ेंगे उसका ज़्यादातर हिस्सा छोड़ देता है। दोनों मॉडलों की कभी आपस में तुलना ही नहीं की गई:
- हर लैब ने खुद से ही तुलना की। OpenAI ने Astra की तुलना GPT-5.6 Sol से की; Anthropic ने Fable 5.1 की तुलना Opus 5 और GPT-5.6 Sol से की। एक भी आधिकारिक आँकड़ा ऐसा नहीं है जो एक ही टेस्ट पर Astra को Fable 5.1 के सामने रखता हो।
- साझा बेंचमार्क भी तुलनीय नहीं है। दोनों OSWorld 2.0 का हवाला देते हैं, लेकिन OpenAI लेटेंसी सिमुलेशन में 72.6% रिपोर्ट करता है, जबकि Anthropic आंशिक क्रेडिट के साथ 77.9% और सख़्त स्कोरिंग में 41.7% रिपोर्ट करता है। तीन स्कोरिंग तरीकों के तहत तीन संख्याएँ। इन्हें एक तालिका में रखना अलग-अलग चीज़ों की तुलना करना है।
- लैब्स ने अपने माप खुद किए। यह कोई आरोप नहीं है, हर लॉन्च ऐसे ही होता है। Anthropic खुद विज्ञान बेंचमार्क पर 3.5 से 4.5 अंकों की मानक त्रुटि का उल्लेख करता है, और स्वतंत्र सत्यापन में हफ़्ते लगते हैं।
- सुरक्षा उपाय स्कोर घटाते हैं। Anthropic बताता है कि Fable 5.1 का मूल्यांकन प्रोडक्शन सुरक्षा उपायों को चालू रखकर किया गया, और जिन टास्क में सुरक्षा उपायों ने हस्तक्षेप किया उन्हें शून्य अंक मिले — जिससे उसका प्रकाशित आँकड़ा कमज़ोरी दर्शाए बिना नीचे आ जाता है।
व्यावहारिक निष्कर्ष: एकमात्र बेंचमार्क जो मायने रखता है, वह आपका अपना वर्कलोड है। अपने व्यवसाय के पचास वास्तविक मामलों पर दोनों मॉडल चलाइए और गुणवत्ता, लागत और लेटेंसी को एक साथ मापिए। ऐसी एक हफ़्ते की टेस्टिंग हर प्रकाशित तुलना तालिका से ज़्यादा मूल्यवान है।
आपके व्यवसाय के लिए इसका क्या अर्थ है
मॉडल कितनी भी तेज़ी से बदलें, Origami में हम जिस सिद्धांत पर निर्माण करते हैं वह नहीं बदला: अपने सिस्टम को किसी एक मॉडल से मत बाँधिए। मॉडल को अपने डिज़ाइन का बदला जा सकने वाला घटक बनाइए, वह नींव नहीं जिस पर आप निर्माण करते हैं। इस लहर के लिए व्यवहार में:
- काम को तीन स्तरों में बाँटिए। बड़ी मात्रा वाले रोज़मर्रा के काम सस्ते Flash-श्रेणी मॉडल पर, मध्यम स्तर का काम संतुलित मॉडल पर, और केवल सच में शीर्ष-स्तरीय काम फ़्रंटियर मॉडल पर। अकेले यही कदम किसी भी कीमत वार्ता से ज़्यादा बिल घटाता है।
- बजट लिस्ट प्राइस पर नहीं, कैश रीड पर बनाइए। अगर आपका काम एजेंटिक है — कोई असिस्टेंट जो आपकी फ़ाइलें पढ़ता है और संदर्भ को दोहराता है — तो कैश रीड ही आपका असली बिल है, और वहाँ 4x का अंतर किसी भी बेंचमार्क अंतर से भारी पड़ता है।
- सबसे पहले सबसे कम एफ़र्ट लेवल आज़माइए। इसे तभी बढ़ाइए जब माप से ज़रूरत साबित हो, अनुमान के आधार पर नहीं।
- किसी मॉडल को अपने सिस्टम की चाबियाँ सौंपने से पहले, उसकी सीमाएँ लिखित रूप में तय कीजिए: वह किन सिस्टम तक पहुँच सकता है, किन कार्रवाइयों के लिए मानवीय मंज़ूरी चाहिए, और वह अपने किए गए काम को कहाँ लॉग करता है। Astra की कंप्यूटर उपयोग क्षमता का अर्थ है कि मॉडल अब केवल जवाब नहीं देता बल्कि कार्रवाई करता है — जो गवर्नेंस को एक अच्छी चीज़ से एक परिचालन आवश्यकता में बदल देता है।
- अगर आप व्यक्तिगत डेटा प्रोसेस करते हैं, तो डेटा रिटेंशन एक आर्किटेक्चर संबंधी निर्णय है, कोई कानूनी फ़ुटनोट नहीं। Anthropic ने Enterprise Frontier Safeguards की घोषणा की है, जो डेटा को ऐसे क्लाउड इन्फ्रास्ट्रक्चर में रखता है जिसे पूरी तरह ग्राहक नियंत्रित करता है, और यह इस शरद ऋतु से चरणों में जारी होगा। सऊदी अरब के व्यक्तिगत डेटा संरक्षण कानून (PDPL) के तहत कोई भी दायित्व इस आधार पर मापा जाता है कि आज क्या लागू है, न कि क्या घोषित किया गया है।
Origami का दृष्टिकोण
जब कोई ग्राहक हमसे AI-आधारित सिस्टम माँगता है, तो हम इस सवाल से शुरुआत नहीं करते कि कौन-सा मॉडल सबसे ताकतवर है। हम उसके कामों को इस आधार पर स्तरों में बाँटकर शुरुआत करते हैं कि हर काम वास्तव में किस चीज़ का हकदार है, फिर एक ऐसी परत बनाते हैं जिससे सिस्टम दोबारा बनाए बिना मॉडल बदला जा सके। कारण सरल है: आज आप जो मॉडल चुनेंगे, वह छह महीने बाद सबसे अच्छा नहीं होगा। Anthropic और OpenAI दोनों ने एक-दूसरे के अड़तालीस घंटों के भीतर फ़्रंटियर मॉडल जारी किए — अकेले यही बताता है कि किसी एक वेंडर से बँधे किसी भी सिस्टम का जोखिम उसके किनारे पर नहीं, उसकी नींव में है।
निष्कर्ष
Astra कंप्यूटर उपयोग, गति और टास्क की सीमाओं के भीतर रहने में आगे है। Fable 5.1 कोडिंग, वैज्ञानिक शोध और लंबे कामों में सहनशक्ति में आगे है, और उस कैश रीड मद पर सस्ता पड़ता है जिस पर एजेंटिक काम निर्भर करता है। Gemini 3.8 Flash एक बिल्कुल अलग लड़ाई जीतता है — रोज़ाना की परिचालन लागत। सही सवाल यह नहीं है कि कौन सबसे ताकतवर है, बल्कि यह है कि कौन-सा काम किस स्तर का हकदार है। जो इसका जवाब अपने वर्कलोड से बनी माप तालिका के साथ देता है, वही सबसे कम बिल पर सबसे अच्छी गुणवत्ता पाता है।
स्रोत
- OpenAI — GPT-6 Astra की आधिकारिक घोषणा, OSWorld 2.0 और Mind2Web आँकड़ों, टास्क-सीमा मूल्यांकन, साइबर सुरक्षा निष्कर्षों और रोलआउट तिथि का स्रोत।
- Anthropic — Claude Fable 5.1 और Claude Mythos 5.1 की आधिकारिक घोषणा, बेंचमार्क तालिका, कैश रीड मूल्य निर्धारण, बचत अनुमानों और Enterprise Frontier Safeguards का स्रोत।
- OpenAI डेवलपर दस्तावेज़ — GPT-6 Astra मॉडल, API मूल्य निर्धारण और कॉन्टेक्स्ट सीमाओं के लिए।
आँकड़े 4 सितंबर 2026 को ऊपर दिए गए स्रोतों में बताए गए अनुसार हैं। बेंचमार्क हर लैब ने अपने ही मॉडलों पर चलाए हैं, और स्वतंत्र सत्यापन अभी जारी है।
सामान्य प्रश्न
ChatGPT 6 Astra क्या है?
यह एक मॉडल है जिसे OpenAI ने 3 सितंबर 2026 को जारी किया और जिसे वह अपना सबसे बुद्धिमान और सबसे अलाइंड मॉडल बताता है। इसकी मुख्य खासियत कंप्यूटर उपयोग है — केवल जवाब देने के बजाय उपयोगकर्ता की ओर से सॉफ़्टवेयर चलाना। इसे चरणों में जारी किया जा रहा है, पहले सीमित संगठनों के लिए और फिर ChatGPT Plus, Pro, Business और Enterprise उपयोगकर्ताओं, OpenAI API, Microsoft Azure और AWS Bedrock तक।
कौन ज़्यादा ताकतवर है: GPT-6 Astra या Claude Fable 5.1?
इसका कोई आधिकारिक जवाब नहीं है, क्योंकि किसी भी लैब ने अपने मॉडल की तुलना दूसरे के मॉडल से नहीं की। OpenAI ने Astra की तुलना GPT-5.6 Sol से की, और Anthropic ने Fable 5.1 की तुलना Opus 5 और GPT-5.6 Sol से की। एकमात्र साझा बेंचमार्क OSWorld 2.0 भी अलग-अलग स्कोरिंग तरीकों से रिपोर्ट किया गया है और उसकी सीधी तुलना नहीं हो सकती। संभावित तस्वीर यह है कि Astra कंप्यूटर उपयोग और गति में आगे है, जबकि Fable 5.1 कोडिंग और वैज्ञानिक शोध में आगे है।
हर एक की लागत कितनी है?
लिस्ट प्राइस एक जैसी है: प्रति मिलियन इनपुट टोकन $10 और प्रति मिलियन आउटपुट $50। लेकिन कैश रीड की कीमत Astra पर प्रति मिलियन $1 है, जबकि Fable 5.1 पर $0.25 — यानी 4x का अंतर। इसके अलावा, 272,000 से अधिक इनपुट टोकन वाले Astra अनुरोध पूरे अनुरोध के लिए $20 इनपुट और $75 आउटपुट की ऊँची दर पर चले जाते हैं।
कैश रीड की कीमत इतनी अहम क्यों है?
क्योंकि एजेंटिक काम एक ही टास्क के भीतर उसी संदर्भ को दर्जनों बार दोबारा पढ़ता है: प्रोजेक्ट फ़ाइलें, स्थायी निर्देश, बातचीत का इतिहास। इसलिए आपके बिल का सबसे बड़ा हिस्सा नया इनपुट नहीं, बल्कि कैश रीड बन जाता है। इस मद पर 4x का अंतर महीने के अंत में किसी भी बेंचमार्क तालिका के अंतर से कहीं ज़्यादा दिखता है।
इस दौड़ में Google कहाँ खड़ा है?
Google ने इस लहर में कोई नया फ़्रंटियर मॉडल जारी नहीं किया, और उसका आम तौर पर उपलब्ध फ़्लैगशिप अब भी फ़रवरी 2026 का Gemini 3.1 Pro है। लेकिन उसने 2 सितंबर को Gemini 3.8 Flash को $0.75 इनपुट और $3.75 आउटपुट पर लॉन्च किया — आउटपुट पर लगभग 13x सस्ता। यही इसे उन बड़ी मात्रा वाले रोज़मर्रा के कामों के लिए तार्किक विकल्प बनाता है जिन्हें कभी फ़्रंटियर मॉडल की ज़रूरत नहीं थी।
मुझे अपनी कंपनी के लिए कौन-सा मॉडल चुनना चाहिए?
एक ही मॉडल मत चुनिए। अपने कामों को तीन स्तरों में बाँटिए: बड़ी मात्रा वाले रोज़मर्रा के काम के लिए सस्ता Flash-श्रेणी मॉडल, मध्यम स्तर के काम के लिए संतुलित मॉडल, और फ़्रंटियर मॉडल केवल उन कामों के लिए जो सच में सबसे ऊँचे स्तर के हकदार हैं। फिर एक ऐसी परत बनाइए जिससे आप अपना सिस्टम दोबारा बनाए बिना मॉडल बदल सकें, क्योंकि आज का सबसे अच्छा मॉडल छह महीने बाद सबसे अच्छा नहीं रहेगा।
क्या मैं इन मॉडलों को अपने ग्राहकों के डेटा पर चला सकता हूँ?
तकनीकी रूप से हाँ, लेकिन यह फ़ैसला पूरी तरह तकनीकी नहीं है। शुरुआत यह पूछकर करें कि डेटा कहाँ संग्रहीत होता है और कितने समय तक रखा जाता है। Anthropic ने Enterprise Frontier Safeguards की घोषणा की है, जो डेटा को ऐसे क्लाउड इन्फ्रास्ट्रक्चर में रखता है जिसे पूरी तरह ग्राहक नियंत्रित करता है, लेकिन यह इस शरद ऋतु से चरणों में जारी होगा। सऊदी अरब के व्यक्तिगत डेटा संरक्षण कानून (PDPL) के तहत कोई भी दायित्व इस आधार पर मापा जाता है कि आज आपके अनुबंध में वास्तव में क्या लागू है, न कि भविष्य के लिए क्या घोषित किया गया है।
Google पर Origami को फ़ॉलो करें
Origami को अपना पसंदीदा स्रोत बनाइए, तो हमारे लेख आपको Google Search और प्रमुख ख़बरों में सबसे पहले दिखेंगे।
