Il 1° settembre 2026 Anthropic ha rilasciato Claude Fable 5.1. Due giorni dopo, il 3 settembre, OpenAI ha rilasciato GPT-6 Astra. Le tariffe API di base sono le stesse per entrambi — 10 dollari per milione di token in input non risparmiati in cache, 50 in output — anche se, come vedremo, le condizioni reali di prezzo si differenziano su altri aspetti. Con due lanci così ravvicinati, un video di confronto tra i due modelli pubblicato su YouTube da Jack Roberts ha raccolto diverse migliaia di visualizzazioni.
Vale la pena guardarlo con attenzione — non tanto per sapere “chi vince”, quanto per capire cosa un confronto così può davvero dirci, e cosa invece va verificato sui benchmark pubblici.
Cosa misurano i benchmark pubblicati
Partiamo da quello che è verificabile. Nella valutazione pubblicata da Artificial Analysis — un indice composito che misura le prestazioni dei modelli linguistici su più benchmark — il 1° settembre 2026, Fable 5.1 ha ottenuto 66 punti sull’Intelligence Index con il ragionamento impostato al massimo: il punteggio più alto misurato fino a quel momento, davanti a Claude Opus 5 (63), Fable 5 (62), GPT-5.6 Sol (61) e Grok 4.6 (61). È un dato storico, però: l’indice è stato aggiornato altre due volte nei giorni successivi, il 4 e il 7 settembre, cambiando composizione dei benchmark e pesi. Nella versione più recente, GPT-6 Astra e Fable 5.1 risultano appaiati, entrambi a 53 punti nelle rispettive configurazioni massime — un buon promemoria di quanto in fretta si muovano queste classifiche.
Anthropic ha pubblicato anche miglioramenti netti di Fable 5.1 rispetto al proprio modello precedente, Fable 5, su compiti specifici: su AutomationBench dal 17,1% al 31,4%, su Terminal-Bench-Science dal 24,7% al 52,6%, su Terminal-Bench 4.0 dal 42% al 55,8%. Sono confronti di Fable 5.1 contro Fable 5, non contro GPT-6 Astra — una distinzione che vale la pena tenere a mente, perché è facile che si perda per strada.
Sul confronto diretto tra i due modelli, l’analisi di Artificial Analysis mostra vantaggi diversi a seconda del benchmark specifico: Astra è avanti su Terminal-Bench 4.0 e su AutomationBench-AA, Fable 5.1 su SciCode e su AA-Briefcase (un benchmark che misura la sintesi di documenti professionali complessi). Sul costo, Astra risulta più economico per attività dell’Intelligence Index (circa 3,26 dollari contro 7,63), mentre sul Coding Agent Index i due modelli pareggiano. Non è un profilo netto — “uno esegue, l’altro ragiona” — ma una serie di vantaggi puntuali che cambiano da benchmark a benchmark: motivo in più per guardare ai risultati specifici del proprio caso d’uso piuttosto che a un punteggio riassuntivo.
Il confronto di un creator, e i suoi limiti
Il video di Jack Roberts confronta i due modelli in sei prove pratiche — costruire un sito internet con un prompt minimo, scrivere una mail di contatto a freddo con una strategia in cinque mosse, generare (tramite Higgsfield) l’immagine di copertina per un video, creare brevi grafiche animate esplicative, costruire una piccola dashboard personale dentro il proprio “sistema operativo agentico”, generare una breve clip video tramite Higgsfield — più una sezione finale dedicata alla lettura dei benchmark pubblici, che non è un compito eseguito dai modelli ma una discussione a parte. I risultati, prova per prova, sono stati piuttosto equilibrati: il sito di GPT-6 Astra è piaciuto di più a livello estetico, ma quello di Fable 5.1 aveva capito meglio cosa chiedere all’utente; la mail a freddo è stata giudicata leggermente migliore per Fable 5.1; l’immagine di copertina e la dashboard sono state vinte da GPT-6 Astra; le grafiche animate e la clip video sono state giudicate sostanzialmente alla pari.
Roberts spiega di aver usato prompt volutamente poco elaborati, senza applicare i propri sistemi di prompting — non un test privo di ogni contesto: gli obiettivi erano espliciti, alcuni strumenti erano collegati, e una delle prove si è svolta dentro il suo stesso sistema di lavoro personale. Resta comunque un confronto fatto da una persona sola, su compiti scelti da lei, giudicati con il proprio gusto — utile come punto di vista, non come misurazione controllata. Anche i numeri di token che riporta (circa 2,5 milioni per Claude e 2,7 per ChatGPT, solo per la prova della mail) sono consumi dichiarati dal creator: senza sapere quanto fosse input, output o lettura dalla cache, non permettono di ricostruire il costo effettivo speso.
Perché il compito conta più del punteggio
Nella conclusione, Roberts esprime una preferenza complessiva per GPT-6 Astra — lo dichiara vincitore della sua prova — pur dicendo di usare entrambi i modelli ogni giorno e sottolineando che la scelta dipende dal compito: “It isn’t about which model is better. It’s like which model for which task” — non si tratta di quale modello sia migliore, ma di quale modello per quale compito. È un punto che vale la pena isolare dal resto del video, perché è coerente con quello che mostrano anche i benchmark pubblici: nessun singolo punteggio riassume bene la differenza tra due modelli così vicini, che nel giro di una settimana sono già arrivati a pareggiare sull’indice più seguito del settore.
Chi deve scegliere uno strumento AI per l’azienda farebbe bene a partire proprio da qui: non da un punteggio generale, ma dal tipo di compito da svolgere, testando entrambi i modelli sui propri casi concreti. I benchmark citati in questo articolo aiutano a farsi un’idea approssimativa, ma non bastano a individuare un modello migliore per ogni uso aziendale.
Cosa significa in pratica per un’azienda
La lezione pratica non è “scegli il modello con il punteggio più alto” — tanto più considerando quanto in fretta questi punteggi cambiano, nel giro di una settimana in questo caso. Vale la pena testare più di uno strumento sui compiti reali della propria azienda, non su un compito generico o su una demo, e diffidare di ogni confronto — incluso questo articolo — che promette un vincitore assoluto.
Le tariffe base per token, ai lanci di settembre 2026, coincidevano per i due modelli, ma questo non significa che costino uguale nell’uso reale: Astra applica un prezzo diverso per le letture dalla cache (circa 1 dollaro per milione di token, contro 0,25 per Fable 5.1) e alcune maggiorazioni oltre una certa soglia di contesto. Per pianificare un budget, quello che conta davvero è il costo per attività completata con una qualità adeguata — che dipende da quanti token consuma un modello per fare lo stesso lavoro, non dal solo prezzo di listino per milione di token. Per chi usa questi modelli tramite un abbonamento invece che via API, vanno confrontati anche i prezzi dei piani e i limiti d’uso.
In sintesi
- Claude Fable 5.1 (Anthropic) è uscito il 1° settembre 2026, GPT-6 Astra (OpenAI) il 3 settembre 2026 — a due giorni di distanza, con le stesse tariffe API di base (10$/50$ per milione di token), anche se le condizioni su cache e contesto lungo differiscono.
- Sull’Intelligence Index di Artificial Analysis, Fable 5.1 ha ottenuto al lancio 66 punti — il più alto misurato fino a quel momento — ma l’indice è stato aggiornato due volte nella settimana successiva: nella versione più recente, Astra e Fable 5.1 risultano appaiati, entrambi a 53 punti.
- Un confronto di Jack Roberts su YouTube, su sei prove pratiche, è stato equilibrato prova per prova; nella conclusione il creator dichiara comunque Astra vincitore del proprio test, pur sottolineando di usare entrambi i modelli ogni giorno e che la scelta dipende dal compito.
- La lezione più utile: nessun punteggio riassume bene la differenza tra due modelli così vicini — conviene testare entrambi sui propri compiti reali, con criteri di qualità, tempi e costi espliciti.
Domande frequenti
Chi vince tra GPT-6 Astra e Claude Fable 5.1?
Dipende dal benchmark e dal compito. Sull’Intelligence Index di Artificial Analysis, nella versione più aggiornata, i due modelli risultano appaiati (53 punti ciascuno); su altri benchmark specifici uno o l’altro prende il sopravvento. Non c’è un vincitore assoluto univoco.
Quando sono usciti i due modelli?
Claude Fable 5.1 è stato rilasciato da Anthropic il 1° settembre 2026, GPT-6 Astra da OpenAI il 3 settembre 2026.
Ci si può fidare dei confronti tra AI pubblicati su YouTube?
Vanno presi come un punto di vista, non come una prova. Un confronto informale è utile per farsi un’idea, ma spesso usa compiti scelti a piacere e un giudizio soggettivo: l’autore di uno dei confronti più seguiti dichiara di aver usato prompt volutamente poco elaborati, e i suoi dati sui consumi di token vengono dal proprio utilizzo personale, non da un audit esterno.
Come si sceglie tra due modelli AI per il proprio lavoro?
Partendo dal compito, non dal punteggio generale: si testano entrambi i modelli sui propri casi reali, perché è lì che emergono le differenze pratiche, non in un confronto generico o in una demo.
Risorse per approfondire
- Jev, l’AI che non scrive: come funziona il modello che decide invece di parlare
- Claude in chat o Claude Code in Visual Studio Code: cosa cambia davvero
- Come costruire un secondo cervello AI con GPT-6 Astra
Questo articolo prende spunto dal video “GPT-6 Astra vs Fable 5.1 (Real Comparison Test!)” di Jack Roberts. Guarda il video originale per vedere tutte le prove nel dettaglio.
