Zwei Releases in drei Tagen
Am 1. September hat Anthropic Claude Fable 5.1 veröffentlicht, am 3. September zog OpenAI mit GPT-6 Astra nach. Astra wird seit der Ankündigung schrittweise für alle Plus-, Pro-, Business- und Enterprise-Konten freigeschaltet, Fable 5.1 war vom ersten Tag an überall verfügbar. Wer beruflich mit KI arbeitet, hatte also innerhalb weniger Tage gleich zwei neue Werkzeuge auf dem Tisch.
Interessanter als die Frage, wer den höheren Benchmarkwert vorzeigt, ist die Richtung. Beide Häuser haben nicht daran gearbeitet, dass ihre Modelle besser plaudern. Sie haben daran gearbeitet, dass die Modelle länger, selbstständiger und billiger arbeiten.
Claude Fable 5.1 wird günstiger und gründlicher
Die auffälligste Neuerung bei Fable 5.1 steht nicht in einer Benchmarktabelle, sondern auf der Rechnung. Anthropic hat den Preis für sogenannte Cache-Reads von einem Dollar auf 25 Cent je Million Token gesenkt. Das klingt technisch, wirkt aber unmittelbar. Typische Arbeitslasten kosten rund 25 Prozent weniger als mit Fable 5, bei stark agentischer Arbeit mit vielen Werkzeugaufrufen sind es bis zu 45 Prozent. Der Grundpreis bleibt bei 10 Dollar je Million Token Eingabe und 50 Dollar Ausgabe.
Der zweite Punkt betrifft alle, die das Modell schon länger im Alltag nutzen. Anthropic hat seine Schutzmechanismen präziser gemacht. In der Cybersicherheit greifen sie nach Herstellerangaben rund 60 Prozent seltener bei harmlosen Anfragen, bei biologischen und medizinischen Alltagsfragen sogar 85 Prozent seltener. Wer schon einmal mitten in einem Sicherheitsreview vom eigenen Werkzeug ausgebremst wurde, weiß, wie viel das wert ist.
Bei der Leistung sind die Sprünge dort am größten, wo lange gearbeitet wird. Auf Terminal-Bench-Science, einem Test für wissenschaftliche Arbeitsabläufe im Terminal, steigt Fable 5.1 von 24,7 auf 52,6 Prozent. Beim agentischen Programmieren auf Terminal-Bench 4.0 sind es 55,8 Prozent gegenüber 42,0. Bemerkenswert ist außerdem, dass Fable 5.1 schon auf niedriger und mittlerer Denkstufe Ergebnisse erreicht, für die Fable 5 die volle Stufe brauchte.
Was das konkret bedeutet, zeigen die Beispiele aus der Praxis besser als jede Prozentzahl. Bei der Investmentfirma Millennium fand das Modell die Ursache eines Absturzes, der etwa einmal pro Million Durchläufe auftrat und den vier bis fünf Jahre lang niemand erklären konnte. Anthropic selbst ließ Fable 5.1 aus dreißig Jahre alten Radardaten der NASA-Sonde Magellan eine neue Höhenkarte für ein Drittel der Venus berechnen. Sie zeigt Details bis hinunter zu zwei bis drei Kilometern statt bisher zehn bis zwanzig und steht frei zur Verfügung.
GPT-6 Astra bedient den Rechner
OpenAI setzt den Schwerpunkt anders. Astra ist vor allem ein Modell für die Bedienung von Computern. Beim Erkennen von Bedienelementen auf dem Bildschirm kommt es auf 92,7 Prozent gegenüber 76,9 beim Vorgänger GPT-5.6 Sol. Im Test OSWorld 2.0 erreicht es 72,6 Prozent und braucht dafür rund 47 Prozent weniger Zeit je Aufgabe. Zusammen mit dem überarbeiteten Codex-Unterbau ergibt das eine etwa 1,9-fach schnellere Bearbeitung.
Der zweite Schwerpunkt ist Büroarbeit im engeren Sinn. Astra soll Vorlagen einhalten, Folien mit Struktur statt Stichwortlisten bauen, Tabellen rechnen und Dokumente im Stil des Hauses formatieren. Im Test AutomationBench für Geschäftsabläufe liegt es bei 41,4 Prozent, Fable 5.1 bei 31,4.
Dazu kommt eine Eigenschaft, die im Alltag mehr zählt als jede Punktzahl. Astra fragt gezielt nach, wenn eine Anweisung mehrdeutig ist. Währenddessen arbeitet es an den Teilen weiter, die keine Antwort brauchen. Bleibt die Rückmeldung aus, trifft es bei Nebensächlichkeiten eine vernünftige Annahme und wartet bei allem, was folgenreich ist.
In Mathematik und Naturwissenschaft setzt Astra Bestwerte, unter anderem 97,6 Prozent auf FrontierMath Tier 4 und 96,0 auf GPQA Diamond. Zwei Ergebnisse zu Primzahllücken hat OpenAI gleich mitveröffentlicht, darunter eine verbesserte Schranke von 240 auf 186.
Die Kehrseite benennt OpenAI selbst deutlich. Astra erreicht in der Cybersicherheit die kritische Schwelle des eigenen Sicherheitsrahmens und löste ohne Schutzmechanismen den Test ExploitBench vollständig. Deshalb verweigert die ausgelieferte Fassung fortgeschrittene Aufgaben wie das Bauen von Proof-of-Concept-Exploits. Gleichzeitig ist Astra nach eigenen Messungen das am besten ausgerichtete Modell des Hauses. In einem Test mit unlösbaren Aufgaben überschritt Sol in 48 Prozent der Fälle den erlaubten Rahmen, Astra in keinem einzigen.
Der direkte Vergleich
| Test | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|
| Agentisches Programmieren (Terminal-Bench 4.0) | 57,9 % | 55,8 % |
| Wissenschaftliche Agentenarbeit (Terminal-Bench-Science 0.1) | 64,6 % | 52,6 % |
| Geschäftsabläufe (AutomationBench) | 41,4 % | 31,4 % |
| Naturwissenschaft (GPQA Diamond) | 96,0 % | 93,7 % |
| Humanity’s Last Exam (mit Werkzeugen) | 57,2 % | 65,0 % |
| Abstraktes Schließen (ARC-AGI-2) | 95,0 % | 90,0 % |
| Preis je Million Token (Ein- und Ausgabe) | 10 / 50 USD | 10 / 50 USD |
Ein Hinweis zur Einordnung. Alle Werte stammen aus den Veröffentlichungen der beiden Hersteller. Jeder misst mit eigenem Aufbau, eigenen Einstellungen und eigenem Interesse. Wo beide dasselbe Modell testen, weichen die Zahlen teils voneinander ab. Als grobe Landkarte taugen sie, als Beweis nicht.
Was das für die Praxis heißt
Für unsere Arbeit ändert sich weniger, als die Ankündigungen vermuten lassen, denn die Aufgabenteilung bleibt dieselbe. Astra ist die schnellere Wahl für alles, was am Bildschirm passiert und klar umrissen ist. Formulare ausfüllen, Daten pflegen, Folien nach Vorlage bauen, kurze Programmieraufgaben, dazu weiterhin die Bilder für diesen Blog. Fable 5.1 bleibt die Wahl für lange Strecken ohne Aufsicht, für Reviews, für deutsche Texte mit Ton und inzwischen auch für Aufgaben, bei denen früher der Preis dagegen sprach.
Was sich tatsächlich verschoben hat, ist die Wirtschaftlichkeit. Ein Review, das vor einem Monat zu teuer war, um es routinemäßig laufen zu lassen, kostet heute die Hälfte. Genau solche Aufgaben lohnen sich jetzt als fester Bestandteil des Ablaufs statt als Ausnahme.
Unverändert bleibt das Wichtigste. Beide Modelle sind schneller und selbstständiger geworden. Beide Hersteller schreiben in ihre eigenen Sicherheitsberichte, dass die Systeme nach wie vor Fehler machen und Grenzen ausreizen. Wer sie nachts arbeiten lässt, braucht morgens jemanden, der prüft. Bei uns übernimmt diesen Teil das jeweils andere Modell, am Ende entscheidet ein Mensch. Wie das im Alltag aussieht, haben wir im Beitrag ChatGPT oder Claude ausführlich beschrieben.
Verfügbarkeit und Preise
GPT-6 Astra läuft in ChatGPT sowie über die OpenAI API, Microsoft Azure und AWS Bedrock unter der Bezeichnung gpt-6-astra. Für Pro-, Business- und Enterprise-Konten gibt es zusätzlich GPT-6 Astra Pro. In Unternehmenskonten ist der Zugang zunächst abgeschaltet und muss von der Administration freigegeben werden.
Claude Fable 5.1 ist über claude.ai, Claude Code, die Claude API sowie AWS, Google Cloud und Microsoft Azure verfügbar, als claude-fable-5-1. Die Schwesterversion Mythos 5.1 mit gelockerten Schutzmechanismen für Cyberabwehr und Lebenswissenschaften gibt es nur über geprüfte Zugangsprogramme.
Wenn Sie wissen möchten, welches der beiden Modelle zu Ihren Abläufen passt und wo sich der Einsatz wirklich rechnet, sprechen Sie uns an.