Blog · KI-Modelle

GPT-6.2 vs. Claude: Astra und Sol gegen Fable 5.2 und Opus 5.5 fürs Coding

OpenAI hat GPT-6.2 Astra und GPT-6.2 Sol am 17. November 2026 veröffentlicht, acht Tage nach Anthropics Claude Fable 5.2. Astra kostet pro Token so viel wie Fable 5.2, und Sol kostet halb so viel wie Claude Opus 5.5. Diese Seite stellt die vier Modelle nebeneinander: Preise, Kontext, Effort-Einstellungen, wo jedes läuft, was die Benchmarks der Anbieter sagen und wo sie sich nicht vergleichen lassen, und welches du für welchen Coding-Job wählst.

GPT-6.2 vs. Claude im direkten Vergleich

API-Listenpreise pro Million Tokens bei Standardgeschwindigkeit. OpenAIs Preise gelten bis 272K Input-Tokens; darüber verdoppeln sich Input- und Cache-Preise, und der Output kostet für die ganze Anfrage das 1,5-Fache.

GPT-6.2 AstraGPT-6.2 SolClaude Fable 5.2Claude Opus 5.5
HerstellerOpenAIOpenAIAnthropicAnthropic
API-Modell-IDgpt-6.2-astragpt-6.2-solclaude-fable-5-2claude-opus-5-5
Erschienen17. November 202617. November 20269. November 202622. September 2026
Preis (Input / Output)$8 / $40$2 / $10$8 / $40$4 / $20
Gecachter Input / Cache-Reads$0.40$0.10$0.20$0.20
Batch50 % Rabatt50 % Rabatt50 % Rabatt50 % Rabatt
Kontextfenster1,05M Tokens (922K max. Input)1,05M Tokens (922K max. Input)1M Tokens1M Tokens
Max. Output128K128K128K128K
Wissensstand18. Mai 20261. Juni 2026Juni 2026Juni 2026
Input / OutputText und Bild rein, Text rausText und Bild rein, Text rausText und Bild rein, Text rausText und Bild rein, Text raus
Effortlow, medium, high, xhigh, max; none wird abgelehnt; OpenAI rät, bei medium zu beginnenDieselben Stufen wie AstraAdaptive Thinking, immer an; low bis max, Standard highAdaptive Thinking, immer an; Standard medium
Schnellere ModiFast (2-facher Preis), Ultrafast (3-facher Preis bis 28. Februar 2027, danach 6-facher)Fast (2-facher Preis), Ultrafast (3-facher Preis bis 28. Februar 2027, danach 6-facher)Fast Mode, bis zu 2,5-mal schneller, für $16 / $80Fast Mode, bis zu 2,5-mal schneller, für $8 / $40
Coding-ToolCodex-App und CLI (/model); GitHub CopilotCodex-App und CLI (/model); GitHub CopilotClaude Code, gewählt mit /model (v2.1.321 oder neuer)Standardmodell von Claude Code (v2.1.280 oder neuer)
PläneChatGPT Plus, Pro, Enterprise und Edu, in ChatGPT Work und CodexChatGPT Plus, Pro, Enterprise und Edu, in ChatGPT Work und CodexClaude Pro, Max, Ultra, Team und EnterpriseClaude Pro, Max, Ultra, Team und Enterprise
Außerdem verfügbar inOpenAI API, GitHub Copilot, Microsoft FoundryOpenAI API, GitHub CopilotClaude API, Amazon Bedrock, Google Cloud, Microsoft FoundryClaude API, Amazon Bedrock, Google Cloud, Microsoft Foundry
Wofür es laut Hersteller gedacht ist„Deine schwierigsten Projekte“, etwa Bugs über mehrere Services verfolgen„Alltägliche Arbeit“, tägliches Coding und Agent-WorkflowsAnspruchsvolles Reasoning und Agent-Arbeit über lange Zeiträume, oder wenn Opus 5.5 mit höherem Effort nicht reichtLang laufendes agentisches Coding und Wissensarbeit; von Anthropic empfohlenes Startmodell

Benchmarks: was jeder Anbieter berichtet hat

Jede Zahl ist mit dem Berichtenden gekennzeichnet. OpenAI und Anthropic veröffentlichen beide FrontierCode 2.0, Terminal-Bench-Science und AutomationBench, aber jeder hat seine eigenen Modelle mit eigenem Harness, eigener Effort-Einstellung und eigenen Safeguards laufen lassen. Eine Zeile zeigt also zwei getrennte Berichte nebeneinander, keinen direkten Vergleichslauf. Keiner der beiden Anbieter hat GPT-6.2 und Claude im selben Setup veröffentlicht.

OpenAIs GPT-6.2-Zahlen stammen aus seinem Launch-Post (wie VentureBeat sie berichtet; VentureBeat merkt an, dass für jedes Modell der beste geplottete Wert zählt, der Effort also abweichen kann). Anthropics Zahlen stammen von seiner Fable-Seite, beim höchsten verfügbaren Effort und mit aktivierten Safeguards.

BenchmarkGPT-6.2 AstraGPT-6.2 SolClaude Fable 5.2Claude Opus 5.5
FrontierCode 2.0 (agentisches Coding)44.2% (OpenAI)43.8% (OpenAI)49.1% bei xhigh (Anthropic)45.5% (Anthropic)
Terminal-Bench-Science 0.177.1% (OpenAI)68.0% (OpenAI)74.6% bei max, in Claude Code (Anthropic)58.7% (Anthropic)
AutomationBench (Business-Workflows)52.4% (OpenAI)41.2% (OpenAI)51.4% (Anthropic)42.5% (Anthropic)
FrontierSWE v2 (agentisches Coding)Nicht berichtetNicht berichtet69.9% (Anthropic)62.3% (Anthropic)
OSWorld 2.1 (Computer Use)Nicht berichtetNicht berichtet89.3% (Anthropic)87.2% (Anthropic)
Agents' Last Exam v1.178.3% (OpenAI)73.0% (OpenAI)5.5 Punkte unter Astra in OpenAIs Chart; dieses Leaderboard klammert neun Fable-5.2-Aufgaben aus, bei denen ein Fallback-Modell liefNicht berichtet
Harvey LAB-AA v1.1 (Recht)15.0% (OpenAI)11.1% (OpenAI)OpenAI sagt, Astra mehr als verdopple die Bestehensquote von Fable 5.2Nicht berichtet
SWE-benchNicht berichtetNicht berichtetNicht berichtetNicht berichtet

Die Zahlen der Anbieter richtig lesen

  • Terminal-Bench-Science: OpenAIs Chart zeigt auch einen Fable-5.2-Wert, aber OpenAIs Fußnote sagt, diese Zahl stamme aus dem Lauf von Artificial Analysis in mini-swe-agent. Anthropic berichtete 74.6% bei max Reasoning in Claude Code. Nimm für Anthropics Modell Anthropics Zahl und für OpenAIs Modell die von OpenAI.
  • FrontierCode 2.0: OpenAI sagt, Sol habe bei etwa einem Fünftel der Kosten bis auf 0,5 Punkte an Astra herangereicht, beide bei max Effort. Das ist ein Benchmark, kein allgemeines Kostenverhältnis.
  • Agents' Last Exam und Harvey LAB-AA sind OpenAIs Vergleiche gegen Fable 5.2; Anthropic hat dazu keine Zahlen veröffentlicht.
  • FrontierSWE v2 und OSWorld 2.1 stammen von Anthropic; OpenAI hat GPT-6.2 dafür nicht berichtet.

Unabhängige Indizes

Rankings von Dritten, nicht von OpenAI oder Anthropic. Die Zahlen von Artificial Analysis und Epoch AI sind so, wie VentureBeat sie berichtet; AA-3D ist das Artificial-Analysis-Leaderboard, das OpenAI in seinem Launch-Post nennt. Diese Berichte enthielten Opus 5.5 nicht.

IndexGPT-6.2 AstraGPT-6.2 SolClaude Fable 5.2
Artificial Analysis Intelligence Index62, Platz zwei (Artificial Analysis)-Platz eins, vor Astra (Artificial Analysis)
Epoch-AI-Index174 (Epoch)-174, gleichauf mit Astra (Epoch)
AA-3D (blinde Abstimmungen von Menschen über 3D- und Browser-Builds)1.318 Elo (Artificial Analysis)1.259 Elo (Artificial Analysis)1.271 Elo (Artificial Analysis)
Artificial Analysis Coding Agent Index (Codex, max Effort)Unverändert gegenüber der Vorversion (Artificial Analysis)3 Punkte tiefer, vor allem wegen eines Einbruchs um 14 Punkte bei SWE-Atlas-QnA-AA (Artificial Analysis)-
Test eines Entwicklers mit demselben Prompt (@EnvolDev auf X, Prompt „Cathedral of Ice“; kein Benchmark)$8.20, 40 Min. 34 s; der Autor fand die Qualität deutlich schlechter als bei Fable 5.2-$81.10, 1 Std. 56 Min. 52 s

GPT-6.2 Astra vs. Claude Fable 5.2

Das sind die beiden Flaggschiffe, und sie kosten pro Token gleich viel: $8 pro Million Input und $40 pro Million Output. Beide nehmen einen Kontext der 1M-Klasse und schreiben bis zu 128K Tokens. Bei den unabhängigen Indizes liegen sie nah beieinander: gleichauf bei 174 auf Epochs Index, Fable 5.2 vorn auf Artificial Analysis' Intelligence Index, Astra vorn bei AA-3D.

  • Wofür sie gedacht sind: OpenAI nennt Astra sein Modell für „deine schwierigsten Projekte“, etwa Bugs über mehrere Services verfolgen. Anthropic positioniert Fable 5.2 für anspruchsvolles Reasoning und Agent-Arbeit über lange Zeiträume und sagt, es könne unklar definierte Engineering-Aufgaben tagelang bearbeiten.
  • Caching: Fable 5.2s Cache-Reads kosten $0.20 pro Million, halb so viel wie Astras gecachter Input von $0.40. Bei langen Agent-Sessions, die denselben Präfix wiederverwenden, summiert sich das.
  • Effort: Fable 5.2 nutzt standardmäßig high. OpenAI rät, Astra bei medium zu beginnen. Beide gehen bis max, und höherer Effort heißt meist mehr Tokens pro Aufgabe. Vergleiche also die Kosten pro erledigter Aufgabe, nicht nur den Listenpreis.
  • Lange Inputs: Über 272K Input-Tokens verdoppelt OpenAI Astras Input-Preis und erhöht den Output für die ganze Anfrage auf das 1,5-Fache.
  • Geschwindigkeit: Fable 5.2s Fast Mode ist bis zu 2,5-mal schneller zum doppelten Preis. Astra hat die Stufen Fast (2-facher Preis) und Ultrafast (3-facher Preis bis 28. Februar 2027); Ultrafast gibt es nur mit US-Datenresidenz.
  • Wo du es nutzt: Astra in Codex, ChatGPT Work und GitHub Copilot; Fable 5.2 in Claude Code, wo du es mit /model wählst. Auf Claude Pro und Standard-Team-Seats kann Fable 5.2 bis zu 50 % deiner wöchentlichen Limits verbrauchen.
  • Safeguards: Beide schränken einige Cybersicherheitsarbeit ein. OpenAI sagt, die strengeren Cyber-Safeguards blockierten auch einige legitime Sicherheitsforschung; Anthropic leitet markierte Cyber-Anfragen an Fable 5.2 zu Claude Opus 4.8 weiter.
  • Datenaufbewahrung: Fable-Modelle bewahren Daten standardmäßig 30 Tage zur Sicherheitsüberwachung auf, und Zero Data Retention braucht Anthropics Freigabe. OpenAI bietet Zero Data Retention für zugelassene Organisationen an.

GPT-6.2 Sol vs. Claude Opus 5.5

Das sind die Alltagsmodelle. OpenAI nennt Sol sein „effizientes, vielseitiges Modell für die tägliche Arbeit“ und sagt, viele OpenAI-Mitarbeiter nutzten es als Standard. Anthropic rät Entwicklern, für die meisten Workloads mit Opus 5.5 zu beginnen, und es ist das Standardmodell von Claude Code.

  • Preis: Sol kostet $2 und $10 pro Million Tokens, halb so viel wie Opus 5.5 mit $4 und $20. Gecachter Input kostet bei Sol $0.10 gegenüber $0.20 bei Opus 5.5. Sols Preis pro Token entspricht Claude Sonnet 5.5, nicht Opus.
  • Effort-Standards: Opus 5.5 nutzt standardmäßig medium. OpenAI rät, Sol in der API bei medium zu beginnen. In ChatGPT Work starten neue Chats auf Sol mit Light Effort in Consumer-Plänen.
  • Kontext: Beide haben etwa 1M Tokens. In Codex erreichen die GPT-6.2-Modelle bis zu 1 Million Tokens, wenn es entsprechend konfiguriert ist.
  • Coding-Aussagen: OpenAI sagt, Sol schließe anspruchsvolle Aufgaben mit weniger Output-Tokens ab als frühere Modelle und sei bei max Effort auf FrontierCode 2.0 bis auf einen halben Punkt an Astra herangekommen. Anthropics Zahlen sehen Opus 5.5 bei 45.5% auf FrontierCode 2.0 und 62.3% auf FrontierSWE v2. Das sind getrennte Berichte, kein gemeinsamer Test.
  • Ein unabhängiges Signal für Sol: Beim Coding Agent Index von Artificial Analysis, in Codex bei max Effort, lag Sol 3 Punkte unter der Vorversion, vor allem wegen eines einzelnen Teiltests.
  • Bekanntes Problem: OpenAI sagt, in zwei Tests hätten beide GPT-6.2-Modelle eher Blocker weggelassen, etwa eine fehlende Datei, und es habe Codex-Anweisungen ergänzt, die das deutlich verringern. Lies den Abschlussbericht jedes Coding-Agenten, bevor du mergst.

Was du fürs Coding wählst

Kein Benchmark eines Anbieters entscheidet das, und die unabhängigen Indizes sehen die Flaggschiffe dicht beieinander. Entscheide anhand der Fakten, die du prüfen kannst, und teste dann die Kandidaten an deinen eigenen Issues.

  • Du zahlst schon für Claude und arbeitest in Claude Code: Bleib bei Opus 5.5, dem Standard, und wechsle für lang laufende Jobs und Bugs, die Opus nicht knackt, zu Fable 5.2.
  • Du zahlst schon für ChatGPT und arbeitest in Codex: Nimm Sol für alltägliche Änderungen und Astra für die schwierigsten Projekte, wie OpenAI es rät. Codex und ChatGPT Work teilen sich ein Nutzungskontingent.
  • Hochvolumige Agents in der API, bei denen der Preis pro Token entscheidet: Sol mit $2 / $10 ist das günstigste der vier.
  • Lange Agent-Läufe, die immer wieder denselben großen Präfix lesen: Vergleiche die Preise für gecachten Input. Fable 5.2 und Opus 5.5 kosten $0.20, Astra $0.40, Sol $0.10.
  • Prompts über 272K Input-Tokens bei OpenAI: Plane mit dem Long-Context-Tarif, der den Input verdoppelt und den Output für die ganze Anfrage auf das 1,5-Fache anhebt.
  • Du brauchst das Modell in einer bestimmten Cloud: Claude Fable 5.2 und Opus 5.5 gibt es auf Amazon Bedrock, Google Cloud und Microsoft Foundry. GPT-6.2 Astra ist in Microsoft Foundry; offizielle Seiten zu GPT-6.2 auf Bedrock oder Google Cloud haben wir nicht gefunden.
  • Du reviewst Code in GitHub: Beide GPT-6.2-Modelle sind in GitHub Copilot auf Pro+, Max, Business und Enterprise. GitHub beschreibt Sol als gebaut für komplexes agentisches Coding und gründliche Code-Reviews.
  • Sicherheitsforschung: Beide Anbieter schränken bei diesen Modellen einige Cyber-Arbeit ein. Prüfe das Verifizierungsprogramm jedes Anbieters, bevor du mit einem von beiden planst.
  • Unsicher: Lass dasselbe Issue durch Opus 5.5 und Sol laufen und eskaliere Fehlschläge zu Fable 5.2 oder Astra. Vergleiche die Diffs und Tests, nicht die Launch-Charts.

GPT-6.2 und Claude nebeneinander laufen lassen

Am schnellsten vergleichst du sie an deinem eigenen Repository: eine Session in Codex, eine in Claude Code, dasselbe Issue in beiden.

  1. GPT-6.2 in Codex wählen

    Aktualisiere Codex, führe dann in der CLI /model aus oder nutze die Modellauswahl in der Codex-App und wähle GPT-6.2 Sol oder GPT-6.2 Astra. In ChatGPT brauchst du Plus, Pro, Enterprise oder Edu; Admins von Enterprise und Edu schalten die Modelle zuerst frei.

    # Codex: aktualisieren, dann das Modell für diese Session wählen
    /model                       # GPT-6.2 Sol oder GPT-6.2 Astra wählen
    
    # API-Modell-IDs
    gpt-6.2-sol
    gpt-6.2-astra
    # reasoning effort: low | medium | high | xhigh | max
    # OpenAI rät, neue Integrationen bei medium zu beginnen
  2. Opus 5.5 oder Fable 5.2 in Claude Code wählen

    Opus 5.5 ist der Standard von Claude Code auf Pro, Max, Ultra, Team, Enterprise und in der API. Für Fable 5.2 führst du /model fable aus oder startest mit --model claude-fable-5-2 (Claude Code v2.1.321 oder neuer).

    # Claude Code: aktualisieren, dann das Modell für diese Session wählen
    claude update
    /model                       # Opus 5.5 ist der Standard; oder Fable 5.2 wählen
    
    # Oder eine Session direkt mit Fable 5.2 starten (v2.1.321 oder neuer)
    claude --model claude-fable-5-2
  3. Beiden dasselbe Issue geben

    Nutze denselben Repository-Stand und dieselben Anweisungen. Notiere, mit welchem Effort jedes lief, denn die Standards unterscheiden sich.

  4. Die Ergebnisse vergleichen, nicht die Versprechen

    Prüfe, ob die Tests bestehen, wie groß der Diff ist und ob der Agent gemeldet hat, was ihn blockiert hat. Behalte das Modell, das deine Art von Arbeit besser erledigt.

Quelle: OpenAIs Modellseite zu GPT-6.2 Astra

Mit Crewmark

Du musst dich nicht für eines entscheiden

In Crewmark kann eine Codex-Session mit GPT-6.2 und eine Claude-Code-Session mit Opus 5.5 oder Fable 5.2 jeweils ein KI-Mitarbeiter mit Rolle, Ziel, Arbeitszeiten und Heartbeat sein. Sie übernehmen Issues vom selben Board, du siehst also, wie jedes Modell mit deiner echten Arbeit umgeht, und kannst beide behalten.

  1. Einen Codex-Mitarbeiter mit GPT-6.2 hinzufügen

    Gib ihm eine Rolle, etwa den KI-Softwareentwickler, führe dann /model in seiner Codex-Session aus und wähle GPT-6.2 Sol oder Astra.

  2. Einen Claude-Code-Mitarbeiter mit Opus 5.5 oder Fable 5.2 hinzufügen

    Führe /model in seiner Claude-Code-Session aus und wähle Opus 5.5 für die täglichen Issues oder Fable 5.2 für die schwierigsten.

  3. Issues zuweisen und auf einem Board vergleichen

    Jeder Mitarbeiter wacht mit seinem Heartbeat auf und übernimmt sein nächstes Issue. Die Ergebnisse landen auf demselben Board, du kannst sie also nebeneinander vergleichen; wie sich die beiden Tools unterscheiden, steht unter Claude Code vs Codex.

FAQ

Ist GPT-6.2 besser als Claude fürs Coding?

Eine einzelne Antwort gibt es noch nicht. Die Benchmarks jedes Anbieters begünstigen seine eigenen Modelle an unterschiedlichen Stellen, und sie nutzten verschiedene Harnesses. Bei den unabhängigen Indizes liegen GPT-6.2 Astra und Claude Fable 5.2 bei Epochs Index gleichauf bei 174, Fable 5.2 liegt auf Artificial Analysis' Intelligence Index vorn, und Astra liegt bei AA-3D vorn. Teste beide an deinen eigenen Issues.

GPT-6.2 Astra vs. Claude Fable 5.2: was kostet mehr?

Pro Token kosten sie gleich viel: $8 pro Million Input und $40 pro Million Output. Fable 5.2s Cache-Reads sind günstiger ($0.20 vs. $0.40), und OpenAI berechnet für Anfragen über 272K Input-Tokens mehr. Die realen Kosten hängen auch vom Effort ab: Fable 5.2 nutzt standardmäßig high, und OpenAI rät, Astra bei medium zu beginnen.

GPT-6.2 Astra vs. Claude Opus 5.5: was soll ich nutzen?

Astra kostet pro Token doppelt so viel wie Opus 5.5 ($8 / $40 gegenüber $4 / $20). Opus 5.5 ist Anthropics empfohlenes Startmodell und der Standard von Claude Code; Astra ist OpenAIs Modell für die schwierigsten Projekte. Wenn du Flaggschiffe vergleichst, ist Fable 5.2 Astras Preis-Pendant.

GPT-6.2 Sol vs. Claude Opus 5.5: was ist günstiger?

Sol, mit $2 pro Million Input und $10 pro Million Output, halb so viel wie Opus 5.5 mit $4 und $20. Auch der gecachte Input kostet die Hälfte ($0.10 vs. $0.20). Sols Preis entspricht Claude Sonnet 5.5.

Was ist besser fürs Coding, GPT-6.2 oder Fable 5.2?

Auf FrontierCode 2.0 berichtet OpenAI 44.2% für Astra, und Anthropic berichtet 49.1% für Fable 5.2 bei xhigh. Bei Terminal-Bench-Science berichtet OpenAI 77.1% für Astra, und Anthropic berichtet 74.6% für Fable 5.2 in Claude Code. Das sind getrennte Läufe mit unterschiedlichen Setups, sie entscheiden die Frage also nicht.

Wie groß ist das Kontextfenster von GPT-6.2 vs. Claude?

GPT-6.2 Astra und Sol haben 1,05M Tokens (922K max. Input); Claude Fable 5.2 und Opus 5.5 haben 1M. Alle vier schreiben bis zu 128K Output-Tokens.

Kann ich GPT-6.2 und Claude zusammen nutzen?

Ja. Lass GPT-6.2 in einer Codex-Session und Opus 5.5 oder Fable 5.2 in einer Claude-Code-Session laufen und gib ihnen dieselben Issues. In Crewmark kann jede Session ein KI-Mitarbeiter sein, der Arbeit vom selben Board übernimmt.

Wann ist GPT-6.2 erschienen?

Am 17. November 2026, in ChatGPT Work, Codex, der API und GitHub Copilot. Claude Fable 5.2 erschien am 9. November 2026 und Claude Opus 5.5 am 22. September 2026. Mehr zu jedem: GPT-6.2, Claude Fable 5.2 und MAI Code 2.

Geprüft anhand von OpenAIs Launch-Post und API-Doku sowie Anthropics Modellseiten und Doku am 18. November 2026.

Setz GPT-6.2 und Claude auf dasselbe Board.

Crewmark macht aus Sessions in Codex und Claude Code KI-Mitarbeiter mit Rollen, Zielen, Arbeitszeiten und einem Heartbeat.