GPT-6 Astra versus Claude Fable 5.1: vooruitgang zonder de hype

Binnen drie dagen verschenen Claude Fable 5.1 en GPT-6 Astra. Beide makers presenteren hun model als een nieuwe standaard. OpenAI spreekt zelfs over een mogelijke overgang naar het AGI-tijdperk. Onafhankelijk onderzoek toont een minder spectaculaire en interessantere werkelijkheid: er is duidelijke vooruitgang, maar geen onbetwiste winnaar. De wereld begint niet opnieuw bij iedere modelrelease.

Dat maakt deze lanceringen niet onbelangrijk. We moeten vooral kijken naar welke taken verbeteren, tegen welke prijs en onder welke voorwaarden.

Wat is er uitgebracht?

OpenAI bracht Astra op 3 september 2026 uit voor een beperkte groep organisaties. Een bredere uitrol naar ChatGPT en de API volgt gefaseerd. Anthropic maakte Fable 5.1 op 1 september algemeen beschikbaar via zijn API en meerdere cloudplatforms.

Op papier lijken ze opvallend veel op elkaar. Beide bieden ongeveer één miljoen contexttokens, maximaal 128.000 outputtokens en kosten standaard 10 dollar per miljoen inputtokens en 50 dollar per miljoen outputtokens. Beide richten zich op langdurig redeneerwerk, softwareontwikkeling, computergebruik en professionele documenten.

Waar Astra sterk lijkt

In OpenAI's vergelijkingen scoort Astra sterk op automatisering, computergebruik, wetenschap en cybersecurity. Op Terminal-Bench 4.0 haalt Astra 57,9 procent tegenover 55,8 procent voor Fable 5.1. Op AutomationBench is het 41,4 tegenover 31,4 procent. Bij Terminal-Bench Science scoort Astra 64,6 tegenover 52,6 procent.

Artificial Analysis meet voor Astra een Coding Agent Index van 67. Dat ligt onder de 70 van Fable 5.1, maar Astra gebruikt veel minder tokens dan GPT-5.6 Sol. Bij complexe softwaretaken kan een kleine kwaliteitsstijging gecombineerd met minder modelwerk economisch belangrijk zijn.

OpenAI benadrukt ook betere besturing van software, websites, spreadsheets en presentaties. De eerste klantvoorbeelden zijn positief, maar geselecteerd door OpenAI en partners. De brede uitrol is nog te jong voor een betrouwbaar praktijkoordeel.

Waar Fable 5.1 sterk lijkt

Artificial Analysis geeft Fable 5.1 een 66 op zijn Intelligence Index. Astra komt op 61, vrijwel gelijk aan GPT-5.6 Sol. Fable leidt ook de Coding Agent Index met 70 tegenover 67 voor Astra.

Fable scoort 1.853 Elo op GDPval-AA v2 en 1.694 op AA-Briefcase. Die laatste test simuleert projecten van meerdere weken met gekoppelde taken en duizenden bronbestanden. De voorsprong op Claude Opus 5 valt deels binnen de onzekerheidsmarge, maar Fable lijkt bijzonder sterk in langdurig kenniswerk.

Vroege gebruikers melden betere navigatie door rommelige codebases, nuttige tegenspraak wanneer een wijziging iets anders breekt en compactere antwoorden. Anderen melden snel oplopend tokengebruik en abonnementslimieten. Dit zijn anekdotes, geen bewijs.

Geen eenvoudige winnaar

Wie alleen de hoogste totaalscore kiest, komt bij Fable uit. Wie kijkt naar wetenschappelijke terminaltaken, automatisering en verschillende codingtests, ziet meerdere overwinningen voor Astra. Op Humanity's Last Exam met gereedschappen wint Fable juist ruim: 65,0 tegenover 57,2 procent.

De vergelijking is niet volledig zuiver. Modellen draaien in verschillende agents, met verschillende prompts, gereedschappen en redeneerinstellingen. Anthropic gebruikt voor sommige veiligheidsgevoelige verzoeken een fallback. Artificial Analysis meldt dat ongeveer vier procent van Fables outputtokens via een ander Claude-model liep. OpenAI waarschuwt dat zijn onderzoekomgeving en productieversie kunnen verschillen. Voor ARC-AGI-3 gebruikte Astra bovendien een aangepaste harness.

Een benchmark meet dus ook de omgeving, het budget en de spelregels. Producenten publiceren vanzelfsprekend vooral tests waarop hun product goed scoort.

De kosten vertellen twee verhalen

De catalogusprijs is gelijk, de taakprijs niet. Fable 5.1 gebruikt op maximale inspanning ongeveer 1,7 keer zoveel outputtokens als Fable 5. Daardoor kost een Intelligence Index-taak gemiddeld 20 procent meer, ondanks 75 procent goedkopere cache reads.

Astra gebruikt ongeveer tien procent minder outputtokens dan Sol op de algemene index, maar OpenAI verhoogde de tokenprijs met factor 2,5. Een vergelijkbare taak kost daardoor ongeveer 75 procent meer. Bij coding-agents is Astra juist veel efficiënter en blijft de taakprijs ongeveer gelijk terwijl de score stijgt.

Prijs per miljoen tokens zegt weinig. Relevant is prijs per correct resultaat, inclusief wachttijd, retries, review en herstelwerk.

Verandert deze release alles?

Waarschijnlijk niet. Niet omdat de modellen tegenvallen, maar omdat iedere lancering dezelfde taal gebruikt: slimste model, nieuwe standaard, generatiesprong en soms AGI. Enkele weken later staat een concurrent bovenaan een andere ranglijst.

Intelligentie is geen enkele score. Het ene model is beter in lang onderzoek, het andere in code, computergebruik, visuele kwaliteit, snelheid of kosten. Veel dagelijkse taken waren al goed genoeg opgelost. Andere blijven ook met deze modellen onbetrouwbaar.

De impact zit in grensverschuivingen. Kan een agent een taak van zes uur afmaken waar zijn voorganger na vier uur ontspoorde, dan verandert een workflow echt. Stijgt een score twee punten maar blijven review, integratie en verantwoordelijkheid gelijk, dan verandert veel minder.

Wat verandert wel?

De stap van chatbot naar uitvoerende agent wordt serieuzer. Modellen werken langer, houden meer bronnen vast en handelen direct in software. Menselijk werk verschuift van uitvoeren naar doelen stellen, context geven, controleren en beslissen.

Modellen wisselen snel van positie. Duurzaam voordeel komt daardoor minder uit trouw aan één aanbieder. Het komt uit eigen data, goede processen, veilige infrastructuur en mensen die fouten herkennen. Tool-agnostisch werken is risicobeheer.

De risico's groeien mee

OpenAI classificeert Astra als zijn eerste breed ingezette model met Critical cybersecurity-capability. Volgens OpenAI kan het met de juiste toegang onbekende kwetsbaarheden vinden en nieuwe exploitmethoden ontwikkelen zonder voortdurende begeleiding. Astra handelt volgens OpenAI veiliger dan Sol, maar zijn redeneerproces is moeilijker te monitoren en kan onder adversarial omstandigheden monitoring ontwijken.

Fable kent vergelijkbare zorgen rond cyber- en biocapabilities. Anthropic routeert gevoelige verzoeken soms naar minder krachtige modellen en hanteert standaard 30 dagen dataretentie voor veiligheidsmonitoring, met uitzonderingen voor geschikte zakelijke klanten.

Sterkere agents vragen om beperkte rechten, isolatie, logging, goedkeuring voor gevolgen en menselijke eindverantwoordelijkheid.

Onze conclusie

Astra lijkt sterker voor meerdere computer-, automatiserings-, wetenschaps- en cybersecuritytaken. Fable 5.1 leidt de onafhankelijke algemene en coding-agent indices en lijkt bijzonder sterk in langdurig kenniswerk. Geen van beide is overal de beste keuze.

Dit zijn belangrijke verbeteringen, maar geen reden om iedere paar weken processen opnieuw in te richten. Test beide op echte, herhaalbare projecttaken. Kies daarna per taak op kwaliteit, totale kosten, snelheid, privacy en controleerbaarheid.

De AI-revolutie is echt. De wekelijkse revolutie in een productaankondiging meestal niet. Werkelijke verandering ontstaat wanneer betere modellen worden gecombineerd met goede mensen, scherpe processen en producten die aantoonbaar waarde leveren.

Bronnen: OpenAI over Astra, OpenAI safety overview, OpenAI API-specificaties, Anthropic over Fable 5.1, Anthropic API-specificaties, Artificial Analysis over Astra en Artificial Analysis over Fable.

Gecontroleerd op 4 september 2026. Beide releases zijn zeer recent. Praktijkervaring kan dit beeld nog veranderen.