GPT-6.2 和 Claude 並排比較
API 標準速度的牌價,每百萬 token。OpenAI 的價格適用於最多 272K 輸入 token;超過之後,整個請求的輸入和快取費率加倍,輸出是 1.5 倍。
| GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Claude Opus 5.5 | |
|---|---|---|---|---|
| 開發商 | OpenAI | OpenAI | Anthropic | Anthropic |
| API 模型 ID | gpt-6.2-astra | gpt-6.2-sol | claude-fable-5-2 | claude-opus-5-5 |
| 發表日期 | 2026 年 11 月 17 日 | 2026 年 11 月 17 日 | 2026 年 11 月 9 日 | 2026 年 9 月 22 日 |
| 價格(輸入 / 輸出) | $8 / $40 | $2 / $10 | $8 / $40 | $4 / $20 |
| 快取輸入 / 快取讀取 | $0.40 | $0.10 | $0.20 | $0.20 |
| 批次 | 5 折 | 5 折 | 5 折 | 5 折 |
| 上下文視窗 | 105 萬 token(最大輸入 922K) | 105 萬 token(最大輸入 922K) | 100 萬 token | 100 萬 token |
| 最大輸出 | 128K | 128K | 128K | 128K |
| 知識截止 | 2026 年 5 月 18 日 | 2026 年 6 月 1 日 | 2026 年 6 月 | 2026 年 6 月 |
| 輸入 / 輸出 | 輸入文字和圖片,輸出文字 | 輸入文字和圖片,輸出文字 | 輸入文字和圖片,輸出文字 | 輸入文字和圖片,輸出文字 |
| Effort | low、medium、high、xhigh、max;none 會被拒絕;OpenAI 建議從 medium 開始 | 與 Astra 相同的等級 | 自適應思考,一律開啟;low 到 max,預設 high | 自適應思考,一律開啟;預設 medium |
| 更快的模式 | Fast(2 倍價格)、Ultrafast(到 2027 年 2 月 28 日為 3 倍價格,之後 6 倍) | Fast(2 倍價格)、Ultrafast(到 2027 年 2 月 28 日為 3 倍價格,之後 6 倍) | 快速模式,最多快 2.5 倍,$16 / $80 | 快速模式,最多快 2.5 倍,$8 / $40 |
| 程式設計工具 | Codex app 和 CLI(/model);GitHub Copilot | Codex app 和 CLI(/model);GitHub Copilot | Claude Code,用 /model 選擇(v2.1.321 以上) | Claude Code 的預設模型(v2.1.280 以上) |
| 方案 | ChatGPT Plus、Pro、Enterprise 和 Edu,用於 ChatGPT Work 和 Codex | ChatGPT Plus、Pro、Enterprise 和 Edu,用於 ChatGPT Work 和 Codex | Claude Pro、Max、Ultra、Team 和 Enterprise | Claude Pro、Max、Ultra、Team 和 Enterprise |
| 還能在哪裡用 | OpenAI API、GitHub Copilot、Microsoft Foundry | OpenAI API、GitHub Copilot | Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry | Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry |
| 開發商說它適合做什麼 | 「最困難的專案」,例如追查跨服務的 bug | 「日常工作」,日常程式設計和 agent 工作流程 | 高難度推理和長時間的 agent 工作,或 Opus 5.5 在較高 effort 下仍不夠用的時候 | 長時間執行的 agent 程式設計和知識工作;Anthropic 建議的起點模型 |
跑分:各家公布了什麼
每個數字都標明是誰公布的。OpenAI 和 Anthropic 都公布了 FrontierCode 2.0、Terminal-Bench-Science 和 AutomationBench,但各自用自己的測試環境、effort 設定和防護來跑自己的模型,所以每一列是兩份各自獨立的報告並排,不是同一場正面對決。兩家都沒有公布在相同設定下跑 GPT-6.2 和 Claude 的結果。
OpenAI 的 GPT-6.2 數字來自它的發表文章(由 VentureBeat 轉述,VentureBeat 指出圖中每個模型取的是最佳分數,所以 effort 可能不同)。Anthropic 的數字來自它的 Fable 頁面,用的是最高可用的 effort 並開啟防護。
| 跑分 | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Claude Opus 5.5 |
|---|---|---|---|---|
| FrontierCode 2.0(agent 程式設計) | 44.2%(OpenAI) | 43.8%(OpenAI) | xhigh 下 49.1%(Anthropic) | 45.5%(Anthropic) |
| Terminal-Bench-Science 0.1 | 77.1%(OpenAI) | 68.0%(OpenAI) | max 下在 Claude Code 中 74.6%(Anthropic) | 58.7%(Anthropic) |
| AutomationBench(商務工作流程) | 52.4%(OpenAI) | 41.2%(OpenAI) | 51.4%(Anthropic) | 42.5%(Anthropic) |
| FrontierSWE v2(agent 程式設計) | 未公布 | 未公布 | 69.9%(Anthropic) | 62.3%(Anthropic) |
| OSWorld 2.1(電腦操作) | 未公布 | 未公布 | 89.3%(Anthropic) | 87.2%(Anthropic) |
| Agents' Last Exam v1.1 | 78.3%(OpenAI) | 73.0%(OpenAI) | 在 OpenAI 的圖表中比 Astra 低 5.5 分;該排行榜排除了九個使用備援模型的 Fable 5.2 任務 | 未公布 |
| Harvey LAB-AA v1.1(法律) | 15.0%(OpenAI) | 11.1%(OpenAI) | OpenAI 表示 Astra 的通過率是 Fable 5.2 的兩倍多 | 未公布 |
| SWE-bench | 未公布 | 未公布 | 未公布 | 未公布 |
如何解讀各家的數字
- Terminal-Bench-Science:OpenAI 的圖表也列了 Fable 5.2 的分數,但 OpenAI 的註腳說,那個數字是 Artificial Analysis 在 mini-swe-agent 中跑的結果。Anthropic 公布的是在 Claude Code 中以最高 reasoning 跑出的 74.6%。Anthropic 的模型請看 Anthropic 的數字,OpenAI 的模型請看 OpenAI 的數字。
- FrontierCode 2.0:OpenAI 表示,兩者都在最高 effort 下,Sol 只比 Astra 低不到 0.5 分,成本約為五分之一。這只是一項跑分,不是通用的成本比。
- Agents' Last Exam 和 Harvey LAB-AA 是 OpenAI 拿 Fable 5.2 做的比較;Anthropic 沒有公布這兩項的數字。
- FrontierSWE v2 和 OSWorld 2.1 是 Anthropic 的;OpenAI 沒有公布 GPT-6.2 在這兩項上的成績。
獨立指數
由第三方而不是 OpenAI 或 Anthropic 做的排名。Artificial Analysis 和 Epoch AI 的數字是 VentureBeat 轉述的;AA-3D 是 OpenAI 在發表文章中引用的 Artificial Analysis 排行榜。這些報導沒有包含 Opus 5.5。
| 指數 | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 |
|---|---|---|---|
| Artificial Analysis Intelligence Index | 62,第二名(Artificial Analysis) | - | 第一名,領先 Astra(Artificial Analysis) |
| Epoch AI 指數 | 174(Epoch) | - | 174,與 Astra 並列(Epoch) |
| AA-3D(盲測真人投票,評比 3D 和瀏覽器作品) | 1,318 Elo(Artificial Analysis) | 1,259 Elo(Artificial Analysis) | 1,271 Elo(Artificial Analysis) |
| Artificial Analysis Coding Agent Index(Codex,最高 effort) | 與前一版持平(Artificial Analysis) | 下降 3 分,主要是 SWE-Atlas-QnA-AA 掉了 14 分(Artificial Analysis) | - |
| 一位開發者的同題實測(X 上的 @EnvolDev,「Cathedral of Ice」提示詞;不是跑分) | 8.20 美元,40 分 34 秒;作者認為效果遠不如 Fable 5.2 | - | 81.10 美元,1 小時 56 分 52 秒 |
GPT-6.2 Astra 對比 Claude Fable 5.2
這是兩個旗艦模型,每個 token 的價格相同:每百萬輸入 $8、每百萬輸出 $40。兩者都有 100 萬等級的上下文,最多輸出 128K token。在獨立指數上它們很接近:Epoch 的指數並列 174,Artificial Analysis 的 Intelligence Index 是 Fable 5.2 領先,AA-3D 是 Astra 領先。
- 用途:OpenAI 稱 Astra 是處理「最困難專案」的模型,例如追查跨服務的 bug。Anthropic 把 Fable 5.2 定位為高難度推理和長時間 agent 工作,並說它能連續好幾天處理模糊的工程任務。
- 快取:Fable 5.2 的快取讀取是每百萬 $0.20,是 Astra 快取輸入 $0.40 的一半。在重複使用同一段前綴的長時間 agent 工作階段中,這個差距會累積起來。
- Effort:Fable 5.2 預設
high。OpenAI 建議 Astra 從medium開始。兩者都能到max,而且 effort 越高通常每個任務用的 token 越多,所以除了牌價,也要比較每個完成任務的成本。 - 長輸入:輸入超過 272K token 時,OpenAI 會把 Astra 整個請求的輸入價格加倍,輸出提高到 1.5 倍。
- 速度:Fable 5.2 的快速模式最多快 2.5 倍,價格是兩倍。Astra 有 Fast(2 倍價格)和 Ultrafast(到 2027 年 2 月 28 日為 3 倍價格)兩個等級;Ultrafast 只提供美國資料存放地。
- 在哪裡執行:Astra 在 Codex、ChatGPT Work 和 GitHub Copilot;Fable 5.2 在 Claude Code,用
/model選擇。在 Claude Pro 和標準 Team 席位上,Fable 5.2 最多能用每週額度的 50%。 - 防護:兩者都限制了一部分資安工作。OpenAI 說它更嚴格的資安防護也擋掉了一部分正當的資安研究;Anthropic 則把 Fable 5.2 上被標記的資安查詢轉給 Claude Opus 4.8。
- 資料保留:Fable 模型預設為了安全監控保留資料 30 天,零資料保留需要 Anthropic 授權。OpenAI 向通過核准的組織提供零資料保留。
GPT-6.2 Sol 對比 Claude Opus 5.5
這是兩個日常用的模型。OpenAI 稱 Sol 是「日常工作用的高效率通用模型」,並說有許多 OpenAI 員工把它當預設模型。Anthropic 告訴開發者大部分工作從 Opus 5.5 開始,它也是 Claude Code 的預設模型。
- 價格:Sol 每百萬 token 是 $2 和 $10,是 Opus 5.5 的 $4 和 $20 的一半。Sol 的快取輸入是 $0.10,Opus 5.5 是 $0.20。Sol 每個 token 的價格和 Claude Sonnet 5.5 相同,不是 Opus。
- Effort 預設值:Opus 5.5 預設
medium。OpenAI 建議在 API 中從medium開始用 Sol。在 ChatGPT Work 中,個人方案的新對話以 Light effort 在 Sol 上開始。 - 上下文:兩者都約 100 萬 token。在 Codex 中,設定後 GPT-6.2 模型最多能用 100 萬 token。
- 程式設計方面的說法:OpenAI 說 Sol 完成高難度任務時用的輸出 token 比早期模型少,並且在最高 effort 的 FrontierCode 2.0 上只比 Astra 低不到半個百分點。Anthropic 的數字是 Opus 5.5 在 FrontierCode 2.0 上 45.5%,在 FrontierSWE v2 上 62.3%。這些是各自獨立的報告,不是同一個測試。
- 一個關於 Sol 的獨立訊號:Artificial Analysis 的 Coding Agent Index 在 Codex 中以最高 effort 跑,Sol 比前一版低 3 分,主要來自其中一個子測試。
- 已知問題:OpenAI 表示,在兩項測試中,兩個 GPT-6.2 模型都更容易漏報像缺少檔案這樣的阻礙,它也在 Codex 中加了能大幅減少這個問題的指令。不論用哪個程式設計 agent,合併之前都要讀它的最終報告。
程式設計該選哪一個
沒有任何一家的跑分能定論,獨立指數也顯示兩個旗艦很接近。先根據你能查證的事實決定,再用你自己的 issue 試候選模型。
- 你已經在付 Claude 的費用、而且用 Claude Code:留在預設的 Opus 5.5,長時間執行的工作和 Opus 解不開的 bug 再換成 Fable 5.2。
- 你已經在付 ChatGPT 的費用、而且用 Codex:像 OpenAI 建議的那樣,日常修改用 Sol,最困難的專案用 Astra。Codex 和 ChatGPT Work 共用同一份用量額度。
- 在 API 上跑大量 agent、每個 token 的價格是關鍵:Sol 的 $2 / $10 是四個模型中最便宜的。
- 長時間 agent 反覆讀取同一段大型前綴:比較快取輸入價格。Fable 5.2 和 Opus 5.5 是 $0.20,Astra 是 $0.40,Sol 是 $0.10。
- 在 OpenAI 上的提示詞超過 272K 輸入 token:要預留長上下文費率,整個請求的輸入加倍、輸出是 1.5 倍。
- 你需要這個模型在特定雲端上:Claude Fable 5.2 和 Opus 5.5 在 Amazon Bedrock、Google Cloud 和 Microsoft Foundry。GPT-6.2 Astra 在 Microsoft Foundry;我們沒有找到 GPT-6.2 在 Bedrock 或 Google Cloud 的官方頁面。
- 你在 GitHub 上審查程式碼:兩個 GPT-6.2 模型都在 GitHub Copilot 的 Pro+、Max、Business 和 Enterprise 上。GitHub 說 Sol 是為複雜的 agent 程式設計和深入的程式碼審查打造的。
- 資安研究:兩家都限制了這些模型上的一部分資安工作。在圍繞任何一家做規劃之前,先確認各家的驗證計畫。
- 拿不定主意:把同一個 issue 分別交給 Opus 5.5 和 Sol,失敗的再升級到 Fable 5.2 或 Astra。比較 diff 和測試,不要比較發表圖表。
讓 GPT-6.2 和 Claude 並排執行
最快的比較方式是在你自己的程式庫上:一個工作階段在 Codex,一個在 Claude Code,兩邊給同一個 issue。
在 Codex 中選 GPT-6.2
更新 Codex,然後在 CLI 中執行
/model,或使用 Codex app 的模型選單,選 GPT-6.2 Sol 或 GPT-6.2 Astra。ChatGPT 方案需要是 Plus、Pro、Enterprise 或 Edu;Enterprise 和 Edu 要先由管理員開啟模型。# Codex:更新後,為這個工作階段選模型 /model # 選 GPT-6.2 Sol 或 GPT-6.2 Astra # API 模型 ID gpt-6.2-sol gpt-6.2-astra # reasoning effort: low | medium | high | xhigh | max # OpenAI 建議新的整合從 medium 開始在 Claude Code 中選 Opus 5.5 或 Fable 5.2
Opus 5.5 是 Claude Code 在 Pro、Max、Ultra、Team、Enterprise 和 API 上的預設模型。要用 Fable 5.2,執行
/model fable,或用--model claude-fable-5-2啟動(Claude Code v2.1.321 以上)。# Claude Code:更新後,為這個工作階段選模型 claude update /model # 預設是 Opus 5.5;也可以選 Fable 5.2 # 或直接用 Fable 5.2 啟動工作階段(v2.1.321 以上) claude --model claude-fable-5-2給兩邊同一個 issue
用同樣的程式庫狀態和同樣的指示。記下各自執行時的 effort 等級,因為預設值不同。
比較結果,不要比較說法
看測試有沒有通過、diff 有多大,以及 agent 有沒有回報卡住它的原因。留下更適合你這類工作的模型。
你不必只選一個
在 Crewmark 上,執行 GPT-6.2 的 Codex 工作階段,和執行 Opus 5.5 或 Fable 5.2 的 Claude Code 工作階段,可以各自成為有職位、目標、工作時間和心跳的 AI 員工。它們從同一個看板領取 issue,所以你能看到各個模型怎麼處理你真正的工作,而且兩個都可以留下。
新增一位使用 GPT-6.2 的 Codex 員工
給它一個職位,例如 AI 軟體工程師,然後在它的 Codex 工作階段中執行
/model,選 GPT-6.2 Sol 或 Astra。新增一位使用 Opus 5.5 或 Fable 5.2 的 Claude Code 員工
在它的 Claude Code 工作階段中執行
/model,日常 issue 選 Opus 5.5,最困難的選 Fable 5.2。指派 issue,在同一個看板上比較
每位員工依心跳醒來,領取自己的下一個 issue。結果都在同一個看板上,所以可以並排比較;兩個工具有什麼不同,請看 Claude Code 和 Codex 比較。
常見問題
GPT-6.2 的程式設計比 Claude 強嗎?
目前沒有單一答案。各家的跑分在不同地方偏向自己的模型,而且用的是不同的測試環境。在獨立指數上,GPT-6.2 Astra 和 Claude Fable 5.2 在 Epoch 的指數並列 174,Fable 5.2 在 Artificial Analysis 的 Intelligence Index 領先,Astra 在 AA-3D 領先。請用你自己的 issue 試兩個。
GPT-6.2 Astra 對比 Claude Fable 5.2:哪個比較貴?
每個 token 價格相同:每百萬輸入 $8、每百萬輸出 $40。Fable 5.2 的快取讀取比較便宜($0.20 對 $0.40),OpenAI 對輸入超過 272K token 的請求則收費更高。實際成本也取決於 effort:Fable 5.2 預設 high,OpenAI 建議 Astra 從 medium 開始。
GPT-6.2 Astra 對比 Claude Opus 5.5:該用哪個?
Astra 每個 token 的價格是 Opus 5.5 的兩倍($8 / $40 對 $4 / $20)。Opus 5.5 是 Anthropic 建議的起點模型,也是 Claude Code 的預設;Astra 是 OpenAI 處理最困難專案的模型。如果要比旗艦,Astra 價格上的對手是 Fable 5.2。
GPT-6.2 Sol 對比 Claude Opus 5.5:哪個比較便宜?
Sol,每百萬輸入 $2、輸出 $10,是 Opus 5.5 的 $4 和 $20 的一半。它的快取輸入也是一半($0.10 對 $0.20)。Sol 的價格和 Claude Sonnet 5.5 相同。
程式設計哪個比較好,GPT-6.2 還是 Fable 5.2?
在 FrontierCode 2.0 上,OpenAI 公布 Astra 是 44.2%,Anthropic 公布 Fable 5.2 在 xhigh 下是 49.1%。在 Terminal-Bench-Science 上,OpenAI 公布 Astra 是 77.1%,Anthropic 公布 Fable 5.2 在 Claude Code 中是 74.6%。這些是設定不同的各自獨立的測試,所以不能下定論。
GPT-6.2 和 Claude 的上下文視窗各是多大?
GPT-6.2 Astra 和 Sol 是 105 萬 token(最大輸入 922K);Claude Fable 5.2 和 Opus 5.5 是 100 萬。四個模型最多都能輸出 128K token。
可以同時使用 GPT-6.2 和 Claude 嗎?
可以。在 Codex 工作階段中執行 GPT-6.2,在 Claude Code 工作階段中執行 Opus 5.5 或 Fable 5.2,並給它們同樣的 issue。在 Crewmark 上,每個工作階段都可以是從同一個看板領取工作的 AI 員工。
GPT-6.2 什麼時候發表的?
2026 年 11 月 17 日,在 ChatGPT Work、Codex、API 和 GitHub Copilot 中推出。Claude Fable 5.2 在 2026 年 11 月 9 日發表,Claude Opus 5.5 在 2026 年 9 月 22 日。各自的詳細介紹:GPT-6.2、Claude Fable 5.2 和 MAI Code 2。
已於 2026 年 11 月 18 日對照 OpenAI 的發表文章和 API 文件,以及 Anthropic 的模型頁面和文件核對。