30 天内 4 款前沿模型横评：价格差 5 倍，缓存成本差 10 倍

Anthropic、OpenAI 和 Google DeepMind 在 30 天内发布了 4 款前沿级模型。Claude Fable 5.1 于 9 月 1 日登场。GPT-6 Astra 紧随其后于 9 月 3 日发布。GPT-6.1 Sol 和 Gemini 4 Argon 在 9 月最后几天落地。

我们分别报道了每次发布。这篇文章将它们并排对比。基准测试分数的重叠程度远超发布文章所暗示的。而价格、访问规则和每任务成本则不然。

一个变化框定了整个阵容。OpenAI 于 9 月 28 日取消了 GPT-6.1 Astra，因其未能通过内部范围和授权测试。GPT-6 Astra 目前仍是 OpenAI 的顶级模型。

规格、定价与访问

Astra 和 Fable 5.1 共享相同的 $10 输入和 $50 输出标价。Sol 和 Argon 的标价是这一水平的五分之一。Argon 的价格为 introductory，之后翻倍。

功能GPT-6 AstraGPT-6.1 SolGemini 4 ArgonClaude Fable 5.1开发者OpenAIOpenAIGoogle DeepMindAnthropic发布日期2026 年 9 月 3 日2026 年 9 月 29 日2026 年 9 月 30 日公布2026 年 9 月 1 日访问方式OpenAI API、ChatGPT、CodexOpenAI API、ChatGPT Work、Codex仅限 Fairwind ProgramClaude API、Bedrock、Google Cloud、Microsoft Foundry输入 / 输出（每 1M）$10 / $50$2 / $10$2 / $10 introductory，之后 $4 / $20$10 / $50缓存输入（每 1M）$1.00$0.10$0.10 introductory$0.25长提示定价超过 272K：$20 / $75超过 272K：输入 2x，输出 1.5x未披露最高 1M 保持平价上下文窗口1.05M1.05M未披露1M每次响应最大输出128K128K1M128K推理控制5 个 effort 级别，从 low 到 max5 个 effort 级别，从 low 到 max未披露Effort 级别包括 low、medium、high开源权重否否否否

来源：OpenAI GPT-6.1 Sol 报道、Gemini 4 Argon 报道、GPT-6 Astra 长上下文定价、Claude Fable 5.1 规格。标准第一方标价，短上下文档位。

缓存输入这一行对智能体最为重要。智能体在每一步都会重新发送系统提示、工具 schema 和历史记录。Astra 的 $1.00 缓存读取是 Fable 5.1 的 4 倍，是 Sol 的 10 倍。

Argon 的 1M 输出上限是唯一的结构性异常值。其他 3 款每次响应最多 128K tokens。

基准测试：各模型领先之处

没有模型能横扫全场。Argon 在知识工作和长周期编程两项上领先。Astra 在前沿软件工程和计算机使用上领先。不在本次阵容中的 Opus 5.5 在 Terminal-Bench 4.0 上领先。

基准测试测试内容Gemini 4 ArgonGPT-6 AstraClaude Fable 5.1DeepSWE v1.1长周期软件工程77.9%74.1%67.4%Vals Index金融、编程、法律和税务工作68.9%63.1%65.8%FrontierSWE v2前沿软件工程55.0%65.5%56.3%Terminal-Bench 4.0终端中的智能体工作57.4%58.2%57.9%CWE-bench v1漏洞修复68%（并列）68%（并列）58%OSWorld-2.0计算机使用69.2%72.6%不在 Google 的表格中

来源：Google DeepMind 发布的对比，正如我们在 Gemini 4 Argon 报道中所引述。厂商自报数据。

GPT-6.1 Sol 不在 Google 的表格中。OpenAI 自己的数据将其排在接近 Astra 的位置：

DeepSWE v1.1：Sol 与 Astra 持平，成本约为其五分之一。

OSWorld 2.0 离线集：Sol 与 Astra 相差 2.1 分以内，每个任务成本约为其七分之一。

AutomationBench 1.0.6：Sol 在中等努力程度下比 Claude Opus 5.5 高 2.2 分。

Terminal-Bench Science 0.1：Astra 仍以 68.1% 领先。OpenAI 推荐将 Astra 用于最难的研究。

独立信号在原始智能上指向相反方向。在 Artificial Analysis Intelligence Index 上，Astra 得分为 61。Fable 5.1 高出 5 分。在其编程智能体指数上，Claude Code 中的 Fable 5.1 得分为 70，而 Astra 为 67。Artificial Analysis 还报告称，Argon 在 Intelligence Index 上与 Astra 持平。

在 ARC-AGI-2 上，Astra 得分为 95%，Fable 5.1 得分为 90%。

每任务成本：相同标价，不同账单

Artificial Analysis 将 Claude Fable 5.1 的每任务成本定为 9.18 美元，而 GPT-6 Astra 为 4.72 美元。在标价相同的情况下，这约为 1.9 倍。

差距来自 token 数量，而非费率。每任务成本等于价格乘以消耗的 token 数。在费率相同的情况下，这一差距意味着 Fable 5.1 在该次运行中每个任务消耗了更多 token。Anthropic 还指出，其更新的分词器对相同文本会产生大约多 30% 的 token。

两个更便宜的模型进一步改变了局面：

Gemini 4 Argon：Artificial Analysis 报告称，按入门价格计算，Argon 的智能指数与 Astra 持平，而每任务成本仅为 Astra 的 60%。

GPT-6.1 Sol：在 Terminal-Bench Science 上，OpenAI 报告 Sol 每任务成本为 $5.47，而 Astra 为 $23.80。

缓存可能逆转智能体的排名。上述每任务数据并未考虑大量缓存复用。长时间运行的智能体在每一步都会重新读取相同的上下文。以下是 200K token 缓存上下文的算术，不含输出 token：

模型缓存费率（每 1M）每步每 100 步GPT-6 Astra$1.00$0.20$20.00Claude Fable 5.1$0.25$0.05$5.00GPT-6.1 Sol$0.10$0.02$2.00Gemini 4 Argon（入门）$0.10$0.02$2.00

基于列表缓存费率的示例算术。Astra 的 200K 上下文仍低于其 272K 长提示阈值。

在缓存密集的循环中，Fable 5.1 读取上下文的费率仅为 Astra 的四分之一。在根据每任务头条数据做选择之前，请在自己的追踪数据上对两者都进行测量。

哪种模型适合哪种工作

按工作负载选择，而不是按排行榜排名。GPT-6.1 Sol 是大多数团队的默认选择。另外 3 个模型在更细分的工作上才值回其价格。

JobPickWhyRunner-upHigh-volume coding agents, CI bots, PR reviewGPT-6.1 SolMatches Astra on DeepSWE v1.1 at $2 / $10 and $0.10 cachedGemini 4 Argon, once publicHardest open-ended engineeringGPT-6 AstraLeads FrontierSWE v2 at 65.5%Claude Fable 5.1Computer use and browser agentsGPT-6 AstraLeads OSWorld-2.0 at 72.6%GPT-6.1 Sol, within 2.1 pointsLong coding sessions inside a harnessClaude Fable 5.1Top Artificial Analysis coding-agent score (70) in Claude Code; $0.25 cache readsGPT-6 Astra (67)Hard science and researchGPT-6 AstraLeads Terminal-Bench Science at 68.1%GPT-6.1 Sol at $5.47 per taskLegal, finance and business automationGemini 4 ArgonLeads Vals Index (68.9%), AutomationBench (51.3%) and Harvey Legal (19.6%)GPT-6.1 Sol; Claude Fable 5.1Very long single outputs: big refactors, full reportsGemini 4 ArgonOnly model with 1M output tokens per responseAny of the 3 others, split across turnsVulnerability finding and patchingGemini 4 Argon or GPT-6 AstraTied at 68% on CWE-bench v1Claude Fable 5.1 (58%)Tightest budget at frontier qualityGPT-6.1 SolLowest public price; Argon matches it only inside FairwindGemini 4 Argon

访问权限决定了其中 2 行。Argon 目前仅对 Fairwind 网络防御者开放。Astra 的完整攻击性安全能力位于 OpenAI 的 Daybreak 计划之内；公开发布版拒绝执行高级攻击性网络任务。Anthropic 将其不受限制的孪生模型 Claude Mythos 5.1 置于可信访问计划之后。

切换前需要检查什么

这里的大多数数字都是厂商报告的，而厂商在边缘数据上存在分歧。OpenAI 报告 Astra 在 Terminal-Bench 4.0 上为 57.9%。Google 的对比表列出的是 58.2%。

安全防护措施影响了 Fable 5.1 的分数：Anthropic 在生产环境安全防护开启的情况下运行了其基准测试。被标记的网络和生物学任务会路由到其他 Claude 模型，这很可能拉低了 OSWorld 和 AutomationBench 的结果。

Argon 的定价是暂时的：$2 / $10 是入门价。之后会调整为 $4 / $20，未公布结束日期。

Argon 的上下文窗口未披露：Google 公布了 1M 输出上限，但没有公布输入限制。

单任务成本只是快照：9.18 美元和 4.72 美元这两个数字来自 Artificial Analysis 在 9 月初的 Astra 运行。effort 设置会让它们大幅变动。

Anthropic 有更便宜的选择：我们的 Argon 报道援引报告称，Claude Opus 5.5 在关键智能体基准测试上以更低的 API 价格击败 Fable 5.1。它还在 Terminal-Bench 4.0 上以 66.4% 领先。

关键要点

GPT-6.1 Sol 在 DeepSWE v1.1 上与 Astra 持平，价格只有其五分之一。

GPT-6 Astra 在 FrontierSWE v2（65.5%）和 OSWorld-2.0（72.6%）上领先。

Gemini 4 Argon 在 DeepSWE、Vals Index 和 AutomationBench 上领先，但仅限于 Fairwind 内部。

在标价相同的情况下，Fable 5.1 每任务成本为 9.18 美元，而 Astra 为 4.72 美元。

对于缓存密集型智能体，Fable 5.1 的 0.25 美元缓存读取比 Astra 的 1.00 美元低 4 倍。

常见问题

哪个最便宜？GPT-6.1 Sol，每 1M tokens 输入 2 美元、输出 10 美元、缓存 0.10 美元。Argon 只有在 Fairwind 内部的 introductory pricing 下才能与之持平。

哪个最适合编程？追求量选 Sol。最难的任务选 Astra。在 Claude Code 中，Fable 5.1 位居 Artificial Analysis 的 coding-agent index 榜首。

我现在可以使用 Gemini 4 Argon 吗？只能通过 Google 面向网络防御者的 Fairwind Program 使用。

文章 GPT-6 Astra vs GPT-6.1 Sol vs Gemini 4 Argon vs Claude Fable 5.1: Which Frontier Model Fits Which Job 首发于 MarkTechPost。