
GPT-6.2 vs. Claude Fable 5.2: gleicher Preis, andere Kosten
GPT-6.2 Astra und Claude Fable 5.2 kosten beide 8 $ und 40 $ pro Million Token. Bei gleichem Score kostet eine Fable-Aufgabe trotzdem 3,6-mal so viel. Warum?
Am 17. November hat OpenAI GPT-6.2 veröffentlicht, in Form von zwei Modellen: GPT-6.2 Astra, sein leistungsstärkstes Modell, und GPT-6.2 Sol, das Modell für den Alltag. Acht Tage zuvor hatte Anthropic Claude Fable 5.2 herausgebracht, sein Spitzenmodell. Beide Preislisten zeigen exakt dieselben Zahlen: 8 $ pro Million Eingabe-Token und 40 $ pro Million Ausgabe-Token für Astra, 8 $ und 40 $ für Fable.
Auf dem Papier ist das ein Unentschieden. In der Praxis sagt der Preis pro Token nichts über den Preis einer Aufgabe aus, denn ein Modell kann fünfmal so viel schreiben wie ein anderes, um zum selben Ergebnis zu kommen. Genau das misst Artificial Analysis, ein unabhängiger Prüfer, der alle Modelle denselben Tests unterzieht: Bei gleichem Score kostet die günstigste Einstellung von Fable 5.2 9,08 $ pro Aufgabe, GPT-6.2 Astra dagegen 2,52 $, also das 3,6-Fache.
Ist GPT-6.2 also besser als Claude Fable 5.2? Nein: Fable bleibt an der Spitze vorn, mit 65 zu 62 Punkten im Intelligence Index von Artificial Analysis, und laut Epoch AI auch bei echten Forschungsaufgaben. Astra arbeitet dafür deutlich sparsamer. Und wir meinen: Für die meisten Anwendungen im Unternehmen genügt ein günstigeres Modell desselben Anbieters.
Was ist GPT-6.2, veröffentlicht am 17. November?
GPT-6.2 ist die neue Modellgeneration von OpenAI, zwei Monate nach GPT-6 Astra. OpenAI beschreibt Astra als sein Modell „for your hardest projects“, trainiert für Präsentationen, Tabellen und Dokumente, die den Konventionen von Finanzwesen, Recht oder Buchhaltung folgen. Sol gilt als vielseitiges Modell für den Alltag. Beide verarbeiten bis zu eine Million Token Kontext, also mehrere Tausend Seiten.
Beim Preis wird Astra günstiger: Seine Token kosten 20 % weniger als die von GPT-6 Astra, bereits gesehene Eingabe-Token (der Cache) 60 % weniger. Sol behält die Tarife von GPT-6.1 Sol: 2 $ für die Eingabe und 10 $ für die Ausgabe, ein Viertel des Astra-Preises. In ChatGPT-Tarifen mit Credits kostet Astra 200 Credits pro Million Eingabe-Token und 1.000 pro Million Ausgabe-Token, gegenüber 250 und 1.250 für GPT-6 Astra; Sol kostet 50 und 250.
In ChatGPT gibt es beide Modelle nur in Work und Codex, nicht im normalen Chat, und zwar in den Tarifen Plus, Pro, Business, Enterprise und Edu. In Enterprise und Edu bleiben sie deaktiviert, bis ein Administrator sie freischaltet. Die Einführung erfolgt schrittweise: Im OpenAI-Forum sah ein Business-Kunde aus Frankreich die Modelle am Tag nach der Ankündigung noch nicht. Nach der Freischaltung startet Sol standardmäßig die neuen Unterhaltungen in Work. Wie Sie zwischen Astra, Sol und den anderen ChatGPT-Modellen wählen, Credit für Credit, zeigt unser Leitfaden zum Sparen von ChatGPT Credits.
GPT-6.2 Astra oder Claude Fable 5.2: Welches Modell ist intelligenter?
Der Intelligence Index von Artificial Analysis ist eine Note von 0 bis 100, die neun Tests bündelt: Büroarbeit mit Dokumenten, Automatisierung, Programmierung, Wissenschaft, Allgemeinwissen. Sein Vorteil: Er wird für alle Modelle gleich gemessen, von einem Dritten, der selbst keine Modelle verkauft. Bei maximalem Denkaufwand ist Claude Fable 5.2 mit 65 Punkten Erster von 92 Modellen; GPT-6.2 Astra folgt mit 62, fünf Punkte mehr als GPT-6 Astra; GPT-6.2 Sol erreicht 57.
Andere unabhängige Prüfer sehen es ähnlich. Laut The Decoder sieht Epoch AI Astra im Gesamtindex gleichauf mit Fable 5.2, aber bei Aufgaben aus der eigenen Forschung dahinter: Astra habe „zu vorsichtig gespielt“ und wichtige Schätzungen ausgelassen. In der Rangliste von Vals AI ist Fable 5.2 Erster, Astra Siebter und Sol Neunter.
Jeder Anbieter wählt den Gegner, der ihm passt
Die Ankündigungen der beiden Anbieter widersprechen sich dagegen. OpenAI behauptet, Astra liege bei Agents' Last Exam, einem Test für mehrstufige Facharbeit, 5,5 Punkte vor Fable 5.2, zu 5 % von dessen Kosten, und verdopple bei einem juristischen Test von Harvey mehr als die Erfolgsquote von Fable. Anthropic wiederum veröffentlicht eine Tabelle, in der Fable 5.2 GPT-6 Astra bei Programmierung, Computerbedienung und logischem Denken schlägt: zum Beispiel 74,2 % zu 57,2 % bei Humanity's Last Exam.
Keine der beiden Tabellen ist ein fairer Vergleich. Anthropic vergleicht Fable mit dem GPT-6 Astra vom September, dem einzigen, das am 9. November verfügbar war. OpenAI wählt die Tests, in denen Astra glänzt, und vermerkt im Kleingedruckten, dass neun Fable-Aufgaben ausgeschlossen wurden. Im Rechtsbereich widerspricht Vals AI sogar OpenAI: Astra liegt dort nur auf Platz 30 beim Test für juristische Recherche. Zahlen, die ein Anbieter über sein eigenes Modell veröffentlicht, bleiben Verkaufsargumente, solange kein Dritter sie nachgemessen hat.
Gleicher Preis pro Token: Warum kostet Fable 5.2 pro Aufgabe mehr?
Die Kosten pro Aufgabe sind das, was eine bis zum Ende bearbeitete Anfrage tatsächlich kostet: der Token-Preis mal die Zahl der Token, die das Modell gelesen und geschrieben hat, Denkschritte eingeschlossen. Artificial Analysis berechnet sie über die neun Tests seines Index, für jedes Modell und jede Aufwandsstufe, also die Denkzeit, die man dem Modell vor der Antwort zugesteht.
Die Ergebnisse, am 18. November aus dem Vergleich von Artificial Analysis abgelesen:
| Modell (Aufwand) | Intelligence Index | Kosten pro Aufgabe | Dauer pro Aufgabe |
|---|---|---|---|
| Claude Fable 5.2 (max) | 65 | 26,54 $ | 41 min |
| Claude Fable 5.2 (xhigh) | 62 | 14,83 $ | 24 min |
| Claude Fable 5.2 (high) | 62 | 9,08 $ | 15 min |
| GPT-6.2 Astra (max) | 62 | 4,00 $ | 13 min |
| GPT-6.2 Astra (xhigh) | 62 | 2,52 $ | 7 min |
| Claude Fable 5.2 (medium) | 56 | 3,80 $ | 6 min |
| GPT-6.2 Astra (medium) | 57 | 1,62 $ | 4 min |
Da der Token-Preis gleich ist, kommt der ganze Unterschied von der Menge. Für den gesamten Index bei Aufwand „xhigh“ schrieb Fable 5.2 144 Millionen Token, GPT-6.2 Astra 27 Millionen, beim gleichen Score von 62. Fable schreibt für dasselbe Ergebnis etwa fünfmal so viel. Artificial Analysis führt es bei der Ausführlichkeit auf Platz 89 von 91. Zwar erzeugt es Text doppelt so schnell, 111 Token pro Sekunde gegenüber 53, aber es schreibt so viel mehr, dass die Aufgabe doppelt so lange dauert.
Was ein Intelligenzpunkt an der Spitze kostet
Fable 5.2 behält einen echten Vorteil: Bei maximalem Aufwand steigt es auf 65, während Astra bei 62 bleibt. Diese drei Punkte kosten 26,54 $ pro Aufgabe statt 4,00 $, das 6,6-Fache. Für ein Forschungsteam, das an einem ungelösten Problem arbeitet, können drei Punkte jeden Preis wert sein. Für ein Unternehmen, das Tausende Verträge oder Finanztabellen analysieren lässt, zählt der Unterschied auf der Rechnung weit mehr als der Unterschied im Score.
Die neun Tests von Artificial Analysis sind lang und anspruchsvoll, oft von einem Agenten ausgeführt, der mehrere Schritte aneinanderreiht. Bei einer kurzen Anfrage, eine E-Mail zusammenfassen oder einen Absatz umformulieren, fällt die Ausführlichkeit von Fable viel weniger ins Gewicht. Und mehr zu schreiben ist nicht immer ein Fehler: Genau das erlaubt Fable, bei offenen Problemen weiter zu gehen, wo Epoch AI Astra seine Vorsicht vorhält.
Und GPT-6.2 Sol, das Modell für den Alltag?
Für die meisten Anwendungen ist das Duell Astra gegen Fable ein Scheinproblem: Beide Anbieter empfehlen selbst ein kleineres Modell als Standard. Anthropic rät, mit Claude Opus 5.5 zu beginnen und erst für die ehrgeizigsten Arbeiten zu Fable zu wechseln. OpenAI startet Unterhaltungen in Work mit Sol.
Im Index von Artificial Analysis erreicht GPT-6.2 Sol 57 Punkte für 1,01 $ pro Aufgabe bei maximalem Aufwand. Claude Opus 5.5 kommt bei Aufwand „xhigh“ auf denselben Score, für 6,05 $. Sol erreicht das Niveau von GPT-6 Astra, dem Spitzenmodell vom September, für etwa 15 % von dessen Kosten pro Aufgabe. Fable 5.2 bei mittlerem Aufwand (56 Punkte) kostet 3,80 $: fast das Vierfache von Sol, für einen Punkt weniger. OpenAI geht noch weiter: Bei FrontierCode 2.0, einem Test, der prüft, ob Codeänderungen die Prüfung durch die Maintainer eines echten Projekts bestehen würden, liegt Sol einen halben Punkt hinter Astra, zu etwa einem Fünftel der Kosten.
Beim Programmieren hat Sol allerdings eine Schwäche. Laut The Decoder misst Artificial Analysis es drei Punkte unter GPT-6.1 Sol in seinem Index für Coding-Agenten, mit einem Einbruch von 14 Punkten in einem Test, bei dem es wichtige Fakten öfter weglässt. Für ein Entwicklungsteam, dessen Werkzeuge auf GPT-6.1 Sol abgestimmt sind, halten wir einen Test auf den eigenen Repositories vor dem Wechsel für ratsam.
Welche Schwächen von GPT-6.2 sind bekannt?
Die gravierendste meldet OpenAI selbst. In seiner System Card misst der Anbieter, wie oft ein Modell ein Hindernis verschweigt, das es am Abschluss gehindert hat: eine gelöschte Datei, ein nicht verfügbares Werkzeug. GPT-6.2 Astra tat das in 22,28 % der Versuche, GPT-6 Astra in 11,09 %. OpenAI zeigt sich „besorgt über diese Regression“ und vermutet die Bemühungen um kürzere Antworten als Ursache. Eine in Codex ergänzte Anweisung mildert das Problem, sie gilt aber nicht für direkte API-Aufrufe. Ein Agent auf Basis von Astra kann also eine Aufgabe als erledigt melden, obwohl sie es nicht ist.
Bei den schwierigen Faktenfragen von Artificial Analysis erfindet Astra eine Antwort, statt zuzugeben, dass es sie nicht kennt, in 59 % der Fälle, Sol in 55 %. Diese Fragen sind bewusst sehr schwer gewählt: Die Zahl bedeutet nicht, dass Astra im Alltag jedes zweite Mal falsch liegt, sondern dass es eine Antwort dem Eingeständnis von Unwissen vorzieht. Tester mit frühem Zugang beschreiben unproduktive Schleifen und zu früh abgebrochene Aufgaben; OpenAI antwortet, in den letzten Tagen vor dem Start seien wesentliche Änderungen vorgenommen worden.
Die Veröffentlichung fand Beachtung: Der Thread auf Hacker News kam an einem Tag auf 1.291 Punkte und 808 Kommentare. Die Kosten pro Aufgabe werden dort gelobt; der Schritt von Benchmarks zur echten Arbeit deutlich weniger.
Was bedeutet die Schwelle „High“ bei der Selbstverbesserung?
OpenAI stuft seine Modelle in seinem Preparedness Framework nach Risiko ein. GPT-6.2 Astra ist das erste öffentliche OpenAI-Modell, das bei der KI-Selbstverbesserung die Schwelle „High“ erreicht, also bei seiner Fähigkeit, KI-Forschung zu beschleunigen. Laut OpenAI entspricht diese Schwelle dem Effekt, jedem seiner Forscher einen sehr fähigen Forschungsingenieur als Assistenten zur Seite zu stellen, gemessen am Stand von 2024.
Für ein Unternehmen liegt die praktische Folge woanders. Astra und Sol erreichen in der Cybersicherheit die Schwelle „Critical“, und OpenAI hat die Schutzmechanismen bei Anfragen zu Sicherheitslücken verschärft, auf die Gefahr hin, legitime Schwachstellenforschung zu blockieren. Anthropic hat dieselbe Wahl getroffen: Fable 5.2 blockiert die meisten Cybersicherheitsaufgaben, die der Version Mythos vorbehalten sind, auf Antrag. Ein Sicherheitsteam, das für Penetrationstests auf eines der beiden Modelle setzt, muss über diese geprüften Programme gehen.
Daten und Souveränität: Wohin gehen Ihre Anfragen?
Hier hat GPT-6.2 einen konkreten Vorteil. In der API unterstützen Astra und Sol die Datenresidenz in der Europäischen Union, gegen einen Aufschlag von 10 %. Fable 5.2 dagegen verlangt eine Aufbewahrung der Anfragen von 30 Tagen zur Sicherheitsüberwachung, sofern keine Ausnahme vorliegt, und Anthropic bietet direkt nur zwei Verarbeitungszonen an, weltweit oder USA. Diese Regelung haben wir in unserem Artikel über Claude Fable und Zero Data Retention (auf Englisch) ausführlich beschrieben.
Doch die Residenz regelt den Ort, nicht das anwendbare Recht. OpenAI und Anthropic sind US-Unternehmen: Der CLOUD Act verpflichtet sie, Daten unter ihrer Kontrolle an US-Behörden herauszugeben, „regardless of whether […] located within or outside of the United States“. Weder GPT-6.2 noch Fable 5.2 ist eine souveräne KI, egal welches Rechenzentrum Sie wählen. Wir erklären diese Unterscheidung auf unserer Seite zur souveränen KI und in unserer Analyse der digitalen Abhängigkeit von den USA.
Für Daten, die die europäische Rechtsordnung nicht verlassen dürfen (M&A, Gesundheit, Personal), gibt es eine Alternative, mit einem Leistungsabstand, den man in Kauf nehmen muss. Bei Ask This Guy nutzen wir Qwen 3.8 27B, ein Modell mit offenen Gewichten, gehostet beim französischen Cloud-Anbieter OVHcloud: Es erreicht 20 Punkte im Index von Artificial Analysis, weit unter den 62 von Astra, aber genug für Dokumentenrecherche und alltägliches Schreiben.
Was eine IT-Abteilung daraus mitnehmen kann
Der Preis pro Token ist kein gutes Auswahlkriterium mehr: Zwei Modelle zum selben Listenpreis können pro Aufgabe bis zum 6,6-Fachen voneinander abweichen. Die einzige Zahl, die zählt, sind die Kosten Ihrer eigenen Aufgaben, gemessen an Ihren Daten. Ein Test mit rund fünfzig echten Anfragen, mit den verbrauchten Token und der Antwortzeit jedes Modells, sagt mehr als jede Rangliste.
Astra und Fable sind für die längsten und schwierigsten Arbeiten gemacht: einen Agenten, der eine ganze Codebasis ändert, eine komplexe Finanzmodellierung, ein offenes wissenschaftliches Problem. Für das meiste andere leisten GPT-6.2 Sol oder Claude Opus 5.5 dasselbe zu einem Bruchteil des Preises. In ChatGPT Enterprise heißt das: Der Administrator schaltet die 6.2-Modelle frei, dann wird das Standardmodell gewählt.
Bleiben die Agenten. Die Regression von Astra bei verschwiegenen Hindernissen bestätigt eine Regel, die wir schon anwenden: Einem Agenten glaubt man nicht aufs Wort. Automatische Tests, eine Prüfung, ob die erwarteten Dateien vorhanden sind, und eine menschliche Kontrolle riskanter Schritte kosten weniger als eine Aufgabe, die als erledigt gemeldet wird, es aber nicht ist. Deshalb leiten wir jede Anfrage an das kleinste Modell weiter, das ausreicht, statt alles an das größte zu schicken.
Häufige Fragen zu GPT-6.2 und Claude Fable 5.2
Ist GPT-6.2 in ChatGPT verfügbar?
Ja, seit dem 17. November 2026, aber nur in ChatGPT Work und Codex, nicht im normalen Chat. GPT-6.2 Astra und GPT-6.2 Sol stehen in den Tarifen Plus, Pro, Business, Enterprise und Edu bereit. In Enterprise und Edu muss ein Administrator sie zuerst freischalten. Die Einführung erfolgt schrittweise: Manche Konten sehen sie noch nicht.
Was kostet GPT-6.2?
In der API kostet GPT-6.2 Astra 8 $ pro Million Eingabe-Token, 0,40 $ für zwischengespeicherte Eingaben und 40 $ für die Ausgabe, 20 % weniger als GPT-6 Astra. GPT-6.2 Sol kostet 2 $, 0,10 $ und 10 $. In ChatGPT-Tarifen mit Credits kostet Astra 200 Credits pro Million Eingabe-Token und 1.000 pro Million Ausgabe-Token, Sol 50 und 250.
Ist GPT-6.2 besser als Claude Fable 5.2?
Nicht an der Spitze. Laut Artificial Analysis erreicht Claude Fable 5.2 bei maximalem Aufwand 65 Punkte, GPT-6.2 Astra 62, und sowohl Epoch AI als auch Vals AI sehen Fable bei realen Aufgaben vorn. Dafür erreicht Astra 62 Punkte für 2,52 $ pro Aufgabe, während Fable für denselben Score mindestens 9,08 $ braucht.
Was ist der Unterschied zwischen GPT-6.2 Astra und GPT-6.2 Sol?
Astra ist das Spitzenmodell von OpenAI für lange und schwierige Aufgaben; Sol ist das Alltagsmodell, pro Token viermal günstiger. Laut Artificial Analysis erreicht Astra 62 Punkte für 4,00 $ pro Aufgabe und Sol 57 Punkte für 1,01 $. Beim Programmiertest FrontierCode 2.0 sieht OpenAI Sol einen halben Punkt hinter Astra, zu etwa einem Fünftel der Kosten.
Kann GPT-6.2 Daten in Europa verarbeiten?
Ja, in der API: GPT-6.2 Astra und Sol unterstützen die Datenresidenz in der Europäischen Union, mit 10 % Aufschlag. Das garantiert den Ort der Verarbeitung, nicht das anwendbare Recht: OpenAI bleibt ein US-Unternehmen und unterliegt dem CLOUD Act, der es zur Herausgabe von in Europa gespeicherten Daten verpflichten kann.
Was sind die Kosten pro Aufgabe eines KI-Modells?
Das sind die tatsächlichen Kosten einer bis zum Ende bearbeiteten Anfrage: der Token-Preis mal die Zahl der Token, die das Modell liest und schreibt, Denkschritte eingeschlossen. Zwei Modelle mit gleichem Preis pro Token können sehr unterschiedliche Kosten pro Aufgabe haben, wenn eines viel mehr schreibt als das andere, wie Claude Fable 5.2 im Vergleich zu GPT-6.2 Astra.
Zwei Jahre lang haben die Anbieter über den Preis pro Token konkurriert. Mit GPT-6.2 stellt OpenAI etwas anderes in den Vordergrund: die Zahl der Token, die man braucht, um eine Aufgabe abzuschließen, also dieselbe Arbeit mit weniger Text. Die Frage an einen KI-Anbieter lautet nicht mehr „Was kostet eine Million Token?“, sondern „Wie viele Token brauchen Sie für meine Arbeit?“. Nur wenige Rechnungen beantworten sie heute.


