GPT-6 Astra vs Claude Fable 5.1: o mesmo preço de vitrine, uma conta muito diferente

Em 1 de setembro de 2026, a Anthropic lançou o Claude Fable 5.1. Dois dias depois, em 3 de setembro, a OpenAI lançou o GPT-6 Astra e o chamou de modelo mais inteligente e mais alinhado do mundo. Cada laboratório diz que seu modelo é o mais forte. Isso já era esperado.

O que importa mais para um empresário não é quem leva o título, mas um número: quanto você paga por mês. E aqui está a surpresa: o preço de vitrine dos dois modelos é literalmente idêntico, US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída. Mesmo assim, a conta final é bem diferente. A diferença está escondida em um item que nunca vira manchete.

O que a OpenAI realmente entregou no Astra

O anúncio do Astra gira em torno de algo diferente das gerações anteriores: o uso do computador. O modelo não apenas responde, ele opera softwares por você. Preenche formulários, atualiza cadastros de clientes em um CRM, organiza uma agenda, faz pesquisas e redige o resumo no seu e-mail ou editor de documentos, constrói um site e depois faz o controle de qualidade do próprio front-end.

Os números que a OpenAI publicou sobre isso:

• Velocidade antes de precisão. Em uma simulação de latência no OSWorld 2.0, o Astra marcou 72,6% com cerca de quarenta minutos por tarefa, contra 65,7% com cerca de setenta e cinco minutos do GPT-5.6 Sol, aproximadamente 47% menos tempo por tarefa.
• Com o harness atualizado do Codex, a OpenAI relata conclusão de tarefas 1,9x mais rápida em comparação com a experiência do GPT-5.6 Sol no benchmark Mind2Web.
• Permanecer dentro dos limites da tarefa. Em uma avaliação criada após o incidente da Hugging Face, o GPT-5.6 Sol foi além do alvo autorizado 48% das vezes sem salvaguardas de produção. O Astra fez isso em 0% dos casos.
• Matemática e raciocínio. 98% no FrontierMath Tier 4 e 99,9% no ARC-AGI-3.

Em cibersegurança, o Astra atinge o limiar Critical do Preparedness Framework da OpenAI. Por isso, a versão lançada hoje recusa tarefas ofensivas avançadas, como criar exploits de prova de conceito, enquanto o trabalho defensivo, como revisão de código seguro e aplicação de patches, continua disponível.

O que a Anthropic entregou no Fable 5.1

O Fable 5.1 aposta em outro ângulo: programação, trabalho do conhecimento e fôlego em tarefas de longa duração. Seus números publicados contra o Opus 5 e o GPT-5.6 Sol:

• Pesquisa científica agêntica (Terminal-Bench-Science): 52,6% contra 29,0% do Opus 5 e 22,4% do GPT-5.6 Sol.
• Programação agêntica (Terminal-Bench 4.0): 55,8% contra 52,3% do Opus 5 e 37,3% do GPT-5.6 Sol.
• Trabalho do conhecimento (GDPval-AA): 1853 pontos contra 1824 do Opus 5.
• Fluxos de trabalho empresariais (AutomationBench): 31,4% contra 26,9% do Opus 5 e 19,6% do GPT-5.6 Sol.

A Anthropic também adicionou três níveis de esforço (baixo, médio e alto) e afirma que o esforço baixo ou médio iguala ou supera o Fable 5 a um custo muito menor.

Preço: o item que faz a diferença

Tarifas publicadas, por milhão de tokens:

Olhe para a terceira linha. Uma leitura de cache no Fable 5.1 custa um quarto do que custa no Astra. É essa única linha que decide sua conta se você usa o modelo para valer.

Se leituras de cache são novidade para você: quando um modelo relê um contexto que já processou (os arquivos do seu projeto, suas instruções fixas, um longo histórico de conversa), você paga uma tarifa reduzida porque ele não está reprocessando tudo do zero. Uma única tarefa agêntica relê o mesmo contexto dezenas de vezes. Por isso, no trabalho agêntico, as leituras de cache superam de longe a entrada nova, e uma diferença de 4x nessa linha aparece no fim do mês, não na tabela de preços.

A Anthropic estima que cargas de trabalho típicas custam cerca de 25% menos do que no Fable 5, com economia chegando a aproximadamente 45% em trabalho fortemente agêntico. A OpenAI, por sua vez, aponta um item que vai na direção oposta: requisições acima de 272.000 tokens de entrada passam para uma tarifa mais alta na requisição inteira, US$ 20 de entrada e US$ 75 de saída. Contexto muito longo no Astra não sai de graça, o que pesa principalmente se você envia documentos grandes de uma só vez.

Onde o Google fica em tudo isso

O Google não lançou um novo modelo de fronteira nesta rodada. Seu carro-chefe com disponibilidade geral continua sendo o Gemini 3.1 Pro, de fevereiro de 2026. Mas ele está jogando um jogo totalmente diferente: lançou o Gemini 3.8 Flash em 2 de setembro a um preço promocional de US$ 0,75 de entrada e US$ 3,75 de saída.

Isso não é um desafio ao Astra ou ao Fable 5.1 em inteligência. É um desafio em outra frente: uma diferença de preço de 13x. A maior parte do que uma empresa de médio porte precisa no dia a dia (classificar a mensagem de um cliente, resumir uma conversa, extrair campos de uma nota fiscal, redigir uma resposta) não precisa de um modelo de fronteira. Rodar essas tarefas em um modelo que cobra US$ 50 por milhão de tokens de saída significa pagar por uma inteligência que você nunca usa.

Por que você não deve confiar em nenhuma comparação direta de benchmarks

Este é o ponto que a maior parte do que você vai ler nesta semana ignora. Os dois modelos nunca foram comparados entre si:

• Cada laboratório se comparou consigo mesmo. A OpenAI comparou o Astra ao GPT-5.6 Sol; a Anthropic comparou o Fable 5.1 ao Opus 5 e ao GPT-5.6 Sol. Não existe um único número oficial colocando o Astra contra o Fable 5.1 no mesmo teste.
• Nem o benchmark em comum é comparável. Ambos citam o OSWorld 2.0, mas a OpenAI reporta 72,6% em uma simulação de latência, enquanto a Anthropic reporta 77,9% com crédito parcial e 41,7% no modo estrito. São três números com três métodos de pontuação. Colocá-los na mesma tabela é comparar coisas diferentes.
• Os laboratórios fizeram as próprias medições. Não é uma acusação, é assim que todo lançamento funciona. A própria Anthropic cita um erro padrão de 3,5 a 4,5 pontos no benchmark científico, e a verificação independente leva semanas.
• As salvaguardas reduzem a pontuação. A Anthropic observa que o Fable 5.1 foi avaliado com as salvaguardas de produção ativadas, e as tarefas em que as salvaguardas intervieram receberam zero, o que derruba o número publicado sem indicar fraqueza.

A lição prática: o único benchmark que importa é a sua própria carga de trabalho. Rode os dois modelos em cinquenta casos reais do seu negócio e meça qualidade, custo e latência ao mesmo tempo. Uma semana desse teste vale mais do que todas as tabelas comparativas publicadas.

O que isso significa para a sua empresa

O princípio sobre o qual construímos na Origami não mudou, apesar da velocidade com que os modelos se renovam: não amarre seu sistema a um único modelo. Faça do modelo um componente substituível do seu projeto, não uma fundação sobre a qual você constrói. Na prática, para esta rodada:

• Divida o trabalho em três níveis. Tarefas diárias de alto volume em um modelo barato da classe Flash, trabalho intermediário em um modelo equilibrado e apenas as tarefas realmente de topo em um modelo de fronteira. Só isso já reduz a conta mais do que qualquer negociação de preço.
• Faça o orçamento com base nas leituras de cache, não na tarifa de vitrine. Se o seu trabalho é agêntico (um assistente lendo seus arquivos e reprocessando contexto), as leituras de cache são a sua conta real, e uma diferença de 4x ali pesa mais do que qualquer diferença de benchmark.
• Teste primeiro o nível de esforço mais baixo. Aumente apenas quando a medição provar a necessidade, não por impressão.
• Antes de entregar a um modelo as chaves dos seus sistemas, defina os limites por escrito: quais sistemas ele pode acessar, quais ações exigem aprovação humana e onde ele registra o que fez. A capacidade de uso do computador do Astra significa que o modelo agora age em vez de apenas responder, o que transforma a governança de algo desejável em um requisito operacional.
• Se você processa dados pessoais, a retenção de dados é uma decisão de arquitetura, não uma nota de rodapé jurídica. A Anthropic anunciou o Enterprise Frontier Safeguards, que armazena os dados em uma infraestrutura de nuvem totalmente controlada pelo cliente, com liberação em fases a partir deste outono. Qualquer obrigação sob a Lei de Proteção de Dados Pessoais (PDPL) da Arábia Saudita é medida pelo que está em vigor hoje, não pelo que é anunciado.

A visão da Origami

Quando um cliente nos pede um sistema com IA, não começamos perguntando qual modelo é o mais forte. Começamos dividindo as tarefas dele em níveis de acordo com o que cada uma realmente merece e, depois, construímos uma camada que permite trocar o modelo sem reconstruir o sistema. O motivo é simples: o modelo que você escolher hoje não será o melhor daqui a seis meses. A Anthropic e a OpenAI lançaram modelos de fronteira com quarenta e oito horas de diferença; isso por si só mostra que qualquer sistema preso a um único fornecedor tem risco na fundação, não na margem.

Conclusão

O Astra lidera em uso do computador, velocidade e permanência dentro dos limites da tarefa. O Fable 5.1 lidera em programação, pesquisa científica e fôlego em tarefas longas, e sai mais barato na linha de leitura de cache da qual o trabalho agêntico depende. O Gemini 3.8 Flash vence uma briga totalmente diferente: o custo diário de operação. A pergunta certa não é qual é o mais forte, mas qual tarefa merece qual nível. Quem responde a isso com uma tabela de medições da própria carga de trabalho termina com a melhor qualidade pela menor conta.

Fontes

• OpenAI: anúncio oficial do GPT-6 Astra, fonte dos números do OSWorld 2.0 e do Mind2Web, da avaliação de limites de tarefa, das conclusões sobre cibersegurança e da data de lançamento.
• Anthropic: anúncio oficial do Claude Fable 5.1 e do Claude Mythos 5.1, fonte da tabela de benchmarks, dos preços de leitura de cache, das estimativas de economia e do Enterprise Frontier Safeguards.
• Documentação para desenvolvedores da OpenAI: modelo GPT-6 Astra, para preços da API e limites de contexto.

Números conforme as fontes acima em 4 de setembro de 2026. Os benchmarks foram feitos por cada laboratório em seus próprios modelos, e a verificação independente ainda está em andamento.