Il punto di partenza: il listino è lo stesso
Dieci dollari per milione di token in ingresso, cinquanta in uscita. Vale per GPT-6 Astra e vale per Claude Fable 5.1.
Quando due fornitori arrivano allo stesso prezzo di listino nello stesso mese, la conclusione non è che i modelli siano equivalenti. È che il prezzo di listino ha smesso di essere il criterio di scelta.
Quindi il confronto va spostato su tre piani: quanto costa davvero il tuo carico, dove ciascuno dei due è più forte, e cosa succede quando li devi mettere in produzione dentro un'azienda con vincoli di compliance e un cloud già scelto.
Anticipiamo la conclusione, così chi ha poco tempo può fermarsi qui: se il tuo lavoro è automazione desktop e matematica, Astra. Se il tuo lavoro è coding agentico lungo, ricerca con strumenti o hai carichi con molto contesto riusato, Fable 5.1. E se hai standardizzato su Azure, oggi la scelta è già fatta per te.
Dove il conto si separa davvero
Il listino base pareggia, ma nessun carico reale è fatto solo di token nuovi.
La lettura della cache su Fable 5.1 costa 0,25$ per milione di token, dopo il taglio del 75% arrivato con questa versione. Su Astra costa 1,00$. Quattro volte tanto. Sembra una voce minore e non lo è: in un agente che rilegge lo stesso contesto a ogni passo, la cache diventa la maggior parte del volume, e a quel punto stai confrontando 0,25 contro 1,00 e non 10 contro 10.
Secondo Anthropic il taglio della cache vale circa il 25% di costo in meno su un carico tipico e fino al 45% su lavoro molto agentico. Sono stime del fornitore, quindi da verificare sul proprio caso, ma la direzione è verificabile a mano con due conti.
Poi c'è il long context. Astra dichiara 1.050.000 token di finestra, con 922.000 massimi in ingresso, ma sopra i 272.000 token di input le tariffe di input e cached input raddoppiano e l'output passa a moltiplicatore uno e mezzo. Fable 5.1 dichiara un milione di token senza soglie intermedie di questo tipo. Se lavori con documenti molto lunghi, la finestra dichiarata conta meno del prezzo nella metà alta della finestra.
Ultimo elemento, spesso dimenticato: Fable 5.1 in modalità batch dimezza tutto, 5$ e 25$. Per i carichi che possono aspettare qualche ora, e ce ne sono più di quanti si pensi, è la leva che sposta il conto più di qualsiasi benchmark.
I benchmark, con le avvertenze del caso
Prima i numeri, poi come leggerli.
Su FrontierMath Tier 4 Astra segna il 97,6% contro l'87,8% di Fable 5.1. Vittoria netta, e non di misura.
Su ARC-AGI-3 Astra dichiara il 99,9%, ma con una harness stateful e costosa: con chiamate stateless, quelle di un'integrazione normale, i risultati riportati scendono in una forbice molto più bassa. Questo numero, nel confronto, pesa poco.
Sull'automazione desktop Astra rivendica OSWorld 2.0 al 72,6% e un forte guadagno di tempo per compito. Alcuni aggregatori attribuiscono a Fable 5.1 valori superiori sullo stesso test, il che è un buon promemoria: OSWorld eseguito con impalcature diverse dà risultati diversi.
Su Terminal-Bench 4.0 siamo praticamente a pari: 57,7% Astra, 55,8% Fable 5.1. Considerato che Anthropic dichiara un errore standard tra 3,5 e 4,5 punti, quella differenza non è una differenza.
Sul coding agentico i dati sono contraddittori a seconda della fonte: su DeepSWE v1.1 alcune schede danno Fable 5.1 all'81,4% contro il 78,9% di Astra, altre attribuiscono ad Astra il 74,1%. E SWE-Bench Pro, il test di coding oggi più citato, non compare nella presentazione di OpenAI, che ha scelto DeepSWE.
Su Humanity's Last Exam con strumenti Fable 5.1 sta davanti: 65,0% contro 57,2%.
L'unico dato di terza parte che aggrega il quadro è l'Artificial Analysis Intelligence Index, che mette Fable 5.1 a 66 e Astra a 61.
La lettura onesta è questa: i benchmark li scelgono i produttori, gli harness cambiano i risultati e diverse differenze rientrano nell'errore statistico. Quello che sopravvive a queste tre avvertenze è un profilo, non una classifica. Astra è più forte su matematica e uso del sistema operativo. Fable 5.1 è più forte su ragionamento con strumenti e regge meglio i compiti di ingegneria lunghi.
Ti serve un confronto sui tuoi dati, non sui benchmark?
30 minuti per discutere il tuo caso specifico.
Computer use contro agente di ingegneria
Sotto ai numeri ci sono due scommesse di prodotto diverse, e questa è la parte che conta quando decidi.
OpenAI ha puntato sull'agente che usa il computer come lo useresti tu. Portali senza API, applicazioni legacy, flussi che passano da tre schermate e un allegato. È esattamente il lavoro che in azienda occupa più ore e che nessuna integrazione ha mai coperto, perché integrare quei sistemi costava più del problema.
Anthropic ha puntato sull'agente che lavora sul codice e sui documenti per sessioni lunghe, con il contesto tenuto insieme e riletto. Da qui il taglio sulla cache, che non è una promozione ma una dichiarazione di intenti: il carico che immaginano è lungo, ripetitivo sul contesto e non supervisionato passo per passo.
Quindi la domanda utile non è quale modello sia più intelligente. È quale delle due forme somiglia al tuo processo. Se il collo di bottiglia è una persona che clicca, guarda Astra. Se il collo di bottiglia è un'analisi che richiede di tenere in testa mille pagine per due ore, guarda Fable 5.1.
Governance e disponibilità: qui la differenza è meno discutibile
Sui benchmark si può litigare. Su questi tre punti no.
Cloud. Fable 5.1 è disponibile su API Claude, Amazon Bedrock, Google Cloud e Microsoft Foundry. Astra è su API OpenAI e Amazon Bedrock, e al momento manca su Azure. Per un'azienda italiana che ha standardizzato su Microsoft, con contratti, residenza dei dati e sicurezza già impostati lì, questo da solo chiude la valutazione.
Auditabilità. Astra introduce l'opaque recurrence, che oscura la catena di ragionamento, e l'UK AI Safety Institute ha segnalato una regressione sulla monitorabilità. Fable 5.1 va nella direzione opposta ma con un vincolo tecnico da conoscere: i blocchi di ragionamento non sono modificabili durante una conversazione per gli account API più recenti, cosa che rompe alcuni pattern negli agenti. Sono due limiti diversi: uno riguarda cosa puoi spiegare, l'altro cosa puoi programmare. Se devi documentare decisioni automatizzate, il primo pesa di più. Il contesto normativo lo abbiamo messo in ordine in AI e compliance normativa.
Rischio dichiarato. Astra è il primo modello OpenAI a superare la soglia Critical del Preparedness Framework sulle capacità cyber offensive, con le funzioni più sensibili chiuse dietro il programma Daybreak. Anthropic risponde su un altro asse, con gli Enterprise Frontier Safeguards, che permettono di tenere i dati di monitoraggio dentro il proprio ambiente cloud. Sono approcci diversi allo stesso problema e vanno valutati con il team sicurezza, non con quello acquisti.
Come scegliere in pratica
Il criterio che funziona è per tipo di carico, non per fornitore.
Se il carico è automazione di interfacce, cioè qualcuno che passa la giornata tra portali e fogli, Astra ha oggi il profilo migliore. Metti in conto la cache più cara e la soglia sui 272.000 token.
Se il carico è analisi documentale lunga, revisione contrattuale, ricerca tecnica o lavoro agentico su codebase, Fable 5.1 conviene sia sulla qualità dichiarata sia sul costo effettivo, per via della cache e della modalità batch.
Se il carico è il lavoro quotidiano di un team, nessuno dei due. Un modello di punta a 10$ e 50$ per milione di token è sovradimensionato per riassumere una mail: lì servono i modelli intermedi, e il confronto giusto è quello tra Opus, Sonnet e Haiku.
Se hai vincoli di cloud o di documentabilità, la scelta la fanno quelli e non i benchmark.
E se stai valutando adesso, la cosa più utile che puoi fare non è leggere un altro confronto: è prendere tre compiti reali, girarli su entrambi con i tuoi dati e contare tempo, qualità e costo per compito. Due giorni di lavoro che valgono più di qualsiasi tabella, questa compresa. Il metodo per misurare lo abbiamo descritto in come si misura il ritorno di un progetto AI.
La risposta breve
Se dovessimo rispondere in tre righe a chi ci chiede quale scegliere oggi, diremmo così.
Astra per l'automazione di interfacce e la matematica. Fable 5.1 per il lavoro agentico lungo, i costi su contesto riusato e la disponibilità su Azure. Entrambi solo dove serve davvero un modello di punta, che è meno spesso di quanto si creda.
Un'ultima cosa. Questi due modelli sono usciti a due giorni di distanza con lo stesso prezzo. Fra tre mesi il quadro sarà diverso. La cosa che conviene costruire non è la scelta perfetta di oggi, è un'architettura in cui cambiare modello sia una riga di configurazione. Chi l'ha fatto sta cambiando fornitore quando conviene. Chi non l'ha fatto rifà il progetto ogni volta. Su questo abbiamo scritto come integrare l'AI in azienda senza legarsi le mani.