GPT-6 Astra、Sol、Gemini 4 Argon、Fable 5.1 横向对比：价格与缓存成本才是选型关键
来源MarkTechPost查看原文
速览
- 四款模型无一家通吃所有 benchmark，选型应按工作负载而非排行榜名次。
- GPT-6.1 Sol 在 DeepSWE v1.1 上追平 Astra，价格仅为其五分之一。
- GPT-6 Astra 在 FrontierSWE v2（65.5%）和 OSWorld-2.0（72.6%）上领先。
- Gemini 4 Argon 在 DeepSWE、Vals Index、AutomationBench 领先，但仅限 Fairwind 内使用。
- 标价相同的 Fable 5.1 与 Astra，单任务成本相差约 1.9 倍，源于 token 消耗量差异。
- 缓存密集型 Agent 场景中，Fable 5.1 的 $0.25 缓存读取比 Astra 的 $1.00 便宜 4 倍。
- Anthropic 新分词器对相同文本产生约多 30% 的 token，推高了实际成本。
- Argon 的上下文窗口未公布，Google 只披露了 100 万输出上限。
- Anthropic 的 Claude Opus 5.5 未列入本次对比，但在 Terminal-Bench 4.0 上以 66.4% 领先。
- 多数数据为厂商自报，OpenAI 与 Google 在 Terminal-Bench 4.0 上就 Astra 分数存在 57.9% 与 58.2% 的分歧。
Anthropic、OpenAI 与 Google DeepMind 在 30 天内密集发布了 4 款前沿模型：Claude Fable 5.1（9 月 1 日）、GPT-6 Astra（9 月 3 日）、GPT-6.1 Sol 与 Gemini 4 Argon（9 月底）。MarkTechPost 将四者并列对比后发现，各家公布的 benchmark 分数重叠度远高于发布稿给人的印象，真正拉开差距的是价格、访问权限与单任务成本。Astra 与 Fable 5.1 同为 $10/$50 的标价，Sol 与 Argon 标价仅为其五分之一，Argon 为促销价后续翻倍。缓存输入价格对 Agent 场景影响最大：Astra 的 $1.00 缓存读取是 Fable 5.1 的 4 倍、Sol 的 10 倍。单任务成本上，Artificial Analysis 测得 Fable 5.1 为 $9.18、Astra 为 $4.72，标价相同却差约 1.9 倍，原因在于 token 消耗量而非单价。此外，OpenAI 已于 9 月 28 日取消 GPT-6.1 Astra，原因是未通过内部范围与授权测试，Astra 目前仍是 OpenAI 的旗舰模型。
关键事实
- 四款模型在 30 天内发布：Claude Fable 5.1（9 月 1 日）、GPT-6 Astra（9 月 3 日）、GPT-6.1 Sol（9 月 29 日）、Gemini 4 Argon（9 月 30 日公布）。
- OpenAI 于 9 月 28 日取消 GPT-6.1 Astra，因其未通过内部范围与授权测试。
- GPT-6 Astra 与 Claude Fable 5.1 标价均为 $10 输入 / $50 输出（每 100 万 token），GPT-6.1 Sol 与 Gemini 4 Argon 为 $2 / $10。
- Gemini 4 Argon 的 $2/$10 为促销价，后续将涨至 $4/$20，未公布截止日期。
- 缓存输入价格：Astra $1.00、Fable 5.1 $0.25、Sol $0.10、Argon 促销价 $0.10（每 100 万 token）。
- Gemini 4 Argon 是唯一支持单次响应 100 万输出 token 的模型，其余三款上限为 128K。
本站视角
对国内做 Agent 与编码工具的团队来说，这篇文章最有价值的信息不是谁在哪个 benchmark 上高几个点，而是「标价相同不等于账单相同」。Fable 5.1 与 Astra 同为 $10/$50，但 Artificial Analysis 测出的单任务成本是 $9.18 对 $4.72，差距来自 token 消耗量和 Anthropic 新分词器多出的约 30% token。这意味着只看 API 价目表做选型会系统性误判，尤其是长会话、多轮工具调用的场景。更关键的是缓存读取价：Astra $1.00、Fable 5.1 $0.25、Sol $0.10，一个 20 万 token 的缓存上下文跑 100 步，Astra 要 $20、Fable 5.1 要 $5、Sol 只要 $2。对高频 CI bot、PR review、长时运行的编码 Agent，这一项的权重远高于 benchmark 排名，我们建议国内团队先在自己的真实 trace 上跑一遍缓存命中率和 token 消耗，再决定主力模型。 我们的判断是：GPT-6.1 Sol 是这轮发布中性价比最实在的一款，DeepSWE v1.1 追平 Astra、OSWorld 2.0 离线集仅差 2.1 分而单任务成本约为七分之一，对预算敏感的中小团队和 API 调用方是默认选项。Astra 的价值集中在最难的开开放式工程、计算机使用和科研任务上，属于「贵但必要时不可替代」。Gemini 4 Argon 的 100 万输出 token 是唯一的结构性差异，适合大重构、整份报告生成这类场景，但它目前只对 Fairwind 开放，国内开发者短期内基本用不上，其 $2/$10 促销价后续翻倍也需纳入预算。 需要警惕的地方有三点。第一，文中绝大多数 benchmark 数字是厂商自报，OpenAI 与 Google 在 Terminal-Bench 4.0 上对 Astra 的分数就不一致（57.9% 对 58.2%），Google 的对比表甚至没有列入 GPT-6.1 Sol，这种选择性呈现说明横向表格不能当作中立评测。第二，Anthropic 明确表示 Fable 5.1 的测试是在生产防护开启状态下进行的，被标记的网络与生物任务会路由到其他 Claude 模型，这很可能压低了其 OSWorld 和 AutomationBench 成绩——也就是说 Fable 5.1 的真实能力可能被低估，但同时也说明其公开版本存在能力裁剪。第三，单任务成本 $9.18 与 $4.72 来自 Artificial Analysis 9 月初的 Astra 运行快照，effort 设置一变数字就会大幅波动，不宜当作长期基准。综合来看，这轮发布的实质进步在于价格分层和缓存定价的透明化，而非某一款模型的代际跃升；对开发者而言，真正的行动项是建立自己的成本与质量评测流程，而不是跟着发布稿换模型。
背景与影响
这轮发布潮的背景是前沿模型竞争进入「同代多型号」阶段：OpenAI 同时维护 Astra 与 Sol 两条线，Anthropic 在 Fable 5.1 之外还有未列入对比的 Opus 5.5 和受限访问的 Mythos 5.1，Google 则用 Argon 主打超长输出与知识工作。OpenAI 取消 GPT-6.1 Astra 一事值得注意——原文称其未通过内部范围与授权测试，这意味着 OpenAI 在模型能力边界与安全授权上设置了内部门槛，Astra 暂时维持旗舰地位。访问权限正在成为选型的硬约束：Argon 只对 Fairwind 计划的网络安全防御者开放，Astra 的攻击性安全能力被 Daybreak 计划隔离，Anthropic 的无限制版本 Mythos 5.1 也需可信访问审批。这意味着同一份 benchmark 表格上的分数，对多数开发者而言未必可及。价格结构上，缓存输入成本被单独列出，反映出 Agent 类应用反复重发系统提示、工具 schema 与历史记录的实际开销，这一项在传统按 token 计价的对比中常被忽略。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
