Gemini 4 Carbon, Claude Fable 5.2 oder GPT-6.2 Astra: Welches Modell lohnt sich für schwierige Aufgaben?

Gemini 4 Carbon, Claude Fable 5.2 und GPT-6.2 Astra im Vergleich: offizielle Preise, Limits, Reasoning-Einstellungen, Ergebnisse aus Googles MKA-Paper und Kosten pro Aufgabe laut Artificial Analysis – mit Empfehlung je nach Aufgabe.

Drei hölzerne Ruderboote erreichen denselben Steg. Zwei ziehen lange Spuren von Ruderschlägen hinter sich her, das mittlere Boot mit orangen Ruderblättern nur eine kurze.

Bei langer, dateilastiger Wissensarbeit ist Gemini 4 Carbon der günstigste Weg, nah an Claude Fable 5.2 heranzukommen. Im MKA-Benchmark von Google DeepMind erzielte Fable 5.2 2,22 Punkte mehr – ein Abstand, den Googles eigener Bootstrap-Test nicht von Rauschen unterscheiden konnte –, bei 6,26-fachen Kosten pro Aufgabe gegenüber Carbon (Carbon zum Dezember-Tarif gerechnet). Gegenüber GPT-6.2 Astra hält dieser Kostenvorteil nicht. Im breiten Intelligence Index von Artificial Analysis erreicht Astra auf High denselben Wert wie Carbon auf High, und zwar zu etwa der Hälfte von Carbons Kosten zum aktuellen Tarif und in einem Bruchteil der Zeit. Fable 5.2 lohnt sich, wenn die letzten Qualitätspunkte wichtiger sind als Kosten pro MKA-Aufgabe, die beim 5- bis 6-Fachen von Carbon liegen (Carbon zum Dezember-Tarif). Astra ist die Wahl, wenn Geschwindigkeit und gute Werte pro Dollar zählen. Carbon passt zu visuell dichten Dokumenten, sehr langem Kontext und stundenlangen Agentenläufen. Seine Token-Preise verdoppeln sich am 1. Dezember 2026, planen Sie das Budget also mit dem neuen Tarif.

Dieser Vergleich hat den Stand vom 19. November 2026. Herausgeber ist Ofox. Zwei der drei Modelle, Claude Fable 5.2 und GPT-6.2 Astra, lassen sich über Ofox aufrufen, Gemini 4 Carbon nicht. Am 19. November haben wir die Ofox-Liste /v1/models geprüft: Sie lieferte 137 Modelle, darunter anthropic/claude-fable-5.2 und openai/gpt-6.2-astra, aber kein gemini-4-carbon. Die Carbon-Beispiele unten verwenden deshalb Googles eigene Gemini API.

Die Art jedes Belegs ist dort gekennzeichnet, wo er auftaucht. Fakten aus der Dokumentation stammen von den aktuellen Seiten der Anbieter. Benchmark-Ergebnisse stammen aus dem MKA-Paper von Google DeepMind und von Artificial Analysis (AA), abgerufen am 19. November. Unsere Berechnungen sind Arithmetik mit diesen Zahlen. Unsere Testläufe sind vier anschauliche Anfragen über Ofox, kein Benchmark.

Eine Falle vor jedem Vergleich: Welche Modellversionen stehen in der Tabelle?

Die meisten Launch-Grafiken, die zu diesen Modellen kursieren, vergleichen andere Versionen als die, die Sie heute kaufen können:

QuelleCarbon verglichen mitNicht enthalten
Googles Carbon-Modellkarte (10. Nov.)GPT-6 Astra, Claude Opus 5.5, Claude Fable 5.1Fable 5.2, GPT-6.2 Astra
Das technische MKA-Paper von Google DeepMind (10. Nov.)Claude Fable 5.2, Opus 5.5, GPT-6 AstraGPT-6.2 Astra
Anthropics Ankündigung von Fable 5.2 (9. Nov.)Fable 5.1, Opus 5.5, GPT-6 Astra, Gemini 4 CarbonGPT-6.2 Astra
MKA-Leaderboard von Artificial Analysis (live)Alle drei aktuellen Versionen—

GPT-6.2 Astra erschien am 17. November (Changelog der OpenAI API), also nach allen oben genannten Anbietertabellen. Ein Wert mit der Bezeichnung „GPT-6 Astra“ ist kein Wert von GPT-6.2 Astra. Eine Spalte „Fable 5.1“ auf der Carbon-Karte sagt nichts über Fable 5.2 aus. Dieser Artikel übernimmt die Bezeichnungen genau so, wie jede Quelle sie abgedruckt hat. Alle drei aktuellen Modelle unter derselben Testumgebung gibt es nur bei Artificial Analysis.

Zur vorherigen Generation lesen Sie unseren Benchmark-Leitfaden zu Gemini 4 Argon, GPT-6 Astra und Claude Opus (Englisch) und den Test von GPT-6 Astra (Englisch). Wenn Sie Fable 5.2 gegen die anderen Modelle von Anthropic abwägen, lesen Sie Fable 5.2 vs. 5.1 vs. Opus 5.5.

Offizielle Preise auf gleicher Basis

Fakten aus der Dokumentation, Standard-Stufe, USD pro 1 Million Token, geprüft am 19. November 2026:

Gemini 4 CarbonClaude Fable 5.2GPT-6.2 Astra
Modell-IDgemini-4-carbonclaude-fable-5-2gpt-6.2-astra
Eingabe2,00 USD bis 30. Nov.; 4,00 USD ab 1. Dez.8,00 USD8,00 USD
Eingabe aus dem Cache (Lesen)0,10 USD; 0,20 USD ab 1. Dez. (nur implizites Caching)0,20 USD (2,5 % des Eingabepreises)0,40 USD
Ausgabe (einschließlich Denken)10,00 USD; 20,00 USD ab 1. Dez.40,00 USD40,00 USD
RabattoptionenStufen Batch, Flex und Priority (hier ohne Preise)Batch 50 % günstiger; Fast-Modus teurer (16 / 80 USD)Hintergrundfenster 30 % (2 h) oder 40 % (8 h) günstiger; Batch
Aufschlag für langen KontextKeiner; einheitlich über das gesamte 1M-FensterKeiner; Standardpreis über das gesamte 1M-FensterAb 272K Eingabe-Token: Eingabe- und Cache-Preise doppelt, Ausgabe ×1,5, für die gesamte Anfrage
Kostenlose StufeKeineKeineKeine angegeben

Quellen (Englisch): Googles Carbon-Preisabschnitt und Carbon-Leitfaden, Anthropics Modellübersicht und Ankündigung von Fable 5.2, OpenAIs Modellseite zu GPT-6.2 Astra und Changelog. Cache-Schreibvorgänge werden bei Fable und Astra separat berechnet, und Google berechnet Grounding-Tools zusätzlich pro Abfrage. Unser Leitfaden zur Preisänderung von Carbon und Argon im Dezember behandelt die Details.

Unter 272K Eingabe-Token haben Fable 5.2 und GPT-6.2 Astra denselben Listenpreis, der Unterschied hängt also davon ab, wie viele Token jedes Modell verbraucht. Darüber macht Astras Aufschlag für langen Kontext es pro Token zum teuersten der drei Modelle. Das ist für Workloads von 256K bis 1M relevant, also genau dort, wo Carbon am stärksten ist. Carbons Listenpreis beträgt bis 30. November ein Viertel des Preises der beiden anderen Modelle und ab 1. Dezember die Hälfte.

Unsere Berechnung: eine identische Anfrage. Angenommen werden 50.000 Eingabe-Token, davon 40.000 Cache-Treffer, und 6.000 Ausgabe-Token. Gebühren für Cache-Schreibvorgänge bleiben außen vor. Carbon bietet nur implizites Caching, die Trefferquote ist also nicht garantiert.

Eingabe ohne CacheEingabe aus dem CacheAusgabeSumme
Carbon (November-Tarif)0,020 USD0,004 USD0,060 USD0,084 USD
Carbon (Dezember-Tarif)0,040 USD0,008 USD0,120 USD0,168 USD
Fable 5.20,080 USD0,008 USD0,240 USD0,328 USD
GPT-6.2 Astra0,080 USD0,016 USD0,240 USD0,336 USD

Diese Tabelle ist die am wenigsten aussagekräftige des Artikels. In der Praxis verbrauchen die drei Modelle für dieselbe Aufgabe nicht dieselben 6.000 Ausgabe-Token. In Googles MKA-Paper erzeugte Fable 5.2 im Schnitt 378,9k Ausgabe-Token pro Aufgabe, Carbon 129,5k und GPT-6 Astra 42,0k. Auch die Tokenizer unterscheiden sich: In unseren Läufen zählte derselbe Prompt bei Fable 5.2 als 301 Eingabe-Token und bei GPT-6.2 Astra als 212. Der Preis pro Token bestimmt den Tarif, die Rechnung aber hängt von den Kosten pro abgeschlossener Aufgabe ab. Für ein vollständiges Carbon-Kostenprotokoll mit Wiederholungen und Cache-Regeln nutzen Sie unseren Rechner für Carbon-Aufgabenkosten.

Limits, Reasoning-Einstellungen und Zugang

Fakten aus der Dokumentation:

Gemini 4 CarbonClaude Fable 5.2GPT-6.2 Astra
Kontextfenster1.048.576 Token, gemeinsam für Eingabe, Denken und Ausgabe1M Token1.050.000 Token (max. Eingabe 922.000)
Ausgabe pro Antwort65.536 synchron; mit Background Long Decode bis zu 1M minus Eingabe128K128.000
Reasoning-Steuerungthinking_level: low, medium (Standard), highoutput_config.effort: low bis max, Standard high; adaptives Denken immer aktivreasoning.effort (reasoning_effort in Chat Completions); none wird abgelehnt; weitere Stufen und den Standard nennt die Modellseite nicht
EingabemodalitätenText, Bild, Audio, VideoText, Bild (über die API auch PDF)Text, Bild
WissensstandMärz 2026Juni 2026 (verlässlich)18. Mai 2026
Aufrufbar überKostenpflichtige Stufe der Gemini API, Google AI Studio, Gemini for businessClaude API, Bedrock, Google Cloud, FoundryChat Completions, Responses (für Tool-Aufrufe nötig), Batch
Bei Ofox (geprüft 19. Nov.)NeinJaJa

Vor einer Migration sind einige Details wichtig:

  • Carbons Ausgabelimit schließt das Denken ein. max_output_tokens deckt Denken und Antwort ab. Google empfiehlt mindestens 32.768 Token, weil Carbon mehr von seinem Limit für das Denken verbraucht als Argon. Längere Ausgaben erfordern background: true. Unsere Anleitung zur Carbon-API-Einrichtung erklärt beides.
  • Bei Fable 5.2 lässt sich das Denken nicht abschalten. Anthropic empfiehlt, mit high zu beginnen, für die schwierigste lang laufende Arbeit xhigh zu nutzen und max für die Messung der Leistungsgrenze des Modells zu reservieren. Unser API-Leitfaden zu Fable 5.2 behandelt Anfrageformat und Umgang mit dem Verlauf.
  • Tool-Aufrufe mit GPT-6.2 Astra erfordern die Responses API. Der Changelog weist außerdem auf Migrationsänderungen hin: wie Responses das Reasoning nach einem bearbeiteten Verlauf beibehält und wie es das Top-Level-Feld instructions behandelt.

Bei Ofox nennt die Modellseite von Fable 5.2 sowohl das OpenAI-kompatible als auch das Anthropic-Protokoll. Die aktuellen Ofox-Preise für beide Modelle stehen auf ihren Modellseiten und in der Dokumentation zu Preisen und Abrechnung; wir wiederholen sie hier nicht.

Benchmark 1: Das MKA-Paper von Google DeepMind (das „statistische Unentschieden“)

Die Behauptung, Carbon “ties Fable 5.2 at a sixth of the cost” (liege zu einem Sechstel der Kosten gleichauf mit Fable 5.2), verbreitet sich vor allem über Sekundärberichte. Primärquelle ist das technische MKA-Paper. Googles Blogbeitrag zu MKA sagt nur, Carbon sei “#2 in quality” (Platz 2 bei der Qualität) und habe Aufgaben “at 6x lower cost on average” (im Schnitt zu einem Sechstel der Kosten) des Spitzenmodells erledigt.

MKA umfasst 200 nicht öffentliche Aufgaben aus 10 Branchen. Jede ist ein mehrstufiges Projekt auf Basis visuell dichter Dateien: Zeichnungen, Schaltpläne, Scans und Diagramme. Alle Modelle liefen im selben Open-Source-Harness Stirrup mit einem Limit von 250 Runden. Die Haupttabellen des Papers:

Modell (Bezeichnung im Paper)Climb-WSR (± 95 %-KI)Gesamt-WSRAusgabe-Token / AufgabeRundenZeit / AufgabeAPI-Kosten / Aufgabe
Claude Fable 5.256,56 ± 3,6373,26378,9k128,883,2 min35,28 USD
Gemini 4 Carbon54,34 ± 3,2471,89129,5k46,629,2 min5,63 USD
Claude Opus 5.553,01 ± 3,5470,98208,8k91,433,8 min10,29 USD
GPT-6 Astra50,24 ± 3,2569,3442,0k29,018,5 min6,03 USD

Das Paper formuliert sein zentrales Ergebnis so: Unter einem gepaarten Bootstrap auf Aufgabenebene gilt für Fable 5.2, Carbon und Opus 5.5, dass sie “are statistically indistinguishable on Climb-WSR” (bei Climb-WSR statistisch nicht unterscheidbar sind). Der Vorsprung von Fable 5.2 vor Carbon beträgt +2,22 Punkte mit einem 95 %-Intervall von −0,94 bis +5,49. Carbons Vorsprung vor GPT-6 Astra (+4,10 Punkte, Intervall +1,00 bis +7,11) ist signifikant. Der Kostenunterschied um das 6,26-Fache ergibt sich aus 35,28 ÷ 5,63 USD zu “provider list prices at the time of writing” (Listenpreisen der Anbieter zum Zeitpunkt der Erstellung). Welchen Carbon-Tarif das Paper verwendet hat, sagt es nicht, aber unsere Rechnung deutet auf den Dezember-Tarif: Bei 4 / 20 USD ergeben die Carbon-Token-Zahlen aus Tabelle 4 genau 5,63 USD, wenn 93,7 % der Eingabe aus dem Cache kommen – das ist die Untergrenze der im Paper angegebenen Spanne von 93,7 % bis 97,7 %. Bei 2 / 10 USD erreichen dieselben Token 5,63 USD bei keinem Cache-Anteil innerhalb dieser Spanne. Zum heutigen November-Tarif lägen Carbons Kosten pro Aufgabe bei etwa der Hälfte, und der Faktor von Fable wäre etwa doppelt so groß.

Beim Lesen sollten Sie vier Einschränkungen im Blick behalten:

  1. Jedes Modell lief pro Aufgabe einmal, bewertet in einem einzigen Durchgang. Laut Paper erfassen die Intervalle die Stichprobe der Aufgaben, nicht die Schwankung zwischen Läufen oder beim Bewerter.
  2. Google hat den Benchmark mitentwickelt, und sein Modell landete auf Platz zwei. Der Bewerter ist kein Google-Modell, und bei den von Menschen geprüften hoch gewichteten Kriterien stimmten Menschen in 96,2 % der Fälle mit ihm überein. Das ist eine starke Kontrolle, aber keine unabhängige Replikation.
  3. Getestet wurde das OpenAI-Modell GPT-6 Astra, nicht GPT-6.2 Astra. Über 6.2 sagt das Paper nichts.
  4. Ein statistisches Unentschieden garantiert keine gleichen Ergebnisse. Es bedeutet, dass diese Stichprobe von 200 Aufgaben nicht ausschließen kann, dass der wahre Abstand null ist. Genauso wenig kann sie einen Abstand von fünf Punkten zugunsten von Fable ausschließen.

Benchmark 2: Das MKA-Leaderboard von Artificial Analysis, jetzt mit GPT-6.2 Astra

Google hat MKA gemeinsam mit Artificial Analysis entwickelt, und AA betreibt das öffentliche Leaderboard. Für die vier Modelle aus dem Paper stimmen AAs Climb-WSR-Werte auf zwei Nachkommastellen mit dem Paper überein. Betrachten Sie das Leaderboard also als dieselbe Evaluation, erweitert um neuere Modelle, nicht als unabhängige Replikation. AAs eigener Bewerter ist GPT-6 Luna auf medium, und die Reasoning-Stufe ist Teil jedes Modellnamens. AA schätzt Kosten und Zeit auf eigener Grundlage, daher weichen diese Spalten vom Paper ab. Abgerufen am 19. November 2026:

Modell und Stufe (AA-Bezeichnungen)MKA Climb WSRKosten pro AufgabeZeit pro Aufgabe
Claude Fable 5.2 (Max)56,6 %31,98 USD57,1 min
Gemini 4 Carbon (High)54,3 %6,29 USD29,0 min
Claude Opus 5.5 (Max)53,0 %10,23 USD26,1 min
GPT-6.2 Astra (Max)52,7 %3,67 USD21,8 min
GPT-6 Astra (Max)50,2 %6,21 USD17,0 min

Mit GPT-6.2 Astra auf dem Leaderboard ändern sich zwei Dinge:

  • Bei den Kosten liegt Fable 5.2 nach AAs Zahlen beim etwa 5,1-Fachen von Carbon (31,98 ÷ 6,29 USD, unsere Berechnung) statt beim 6,26-Fachen aus dem Paper; in beiden Fällen ist Carbon zum Dezember-Tarif gerechnet. Die Richtung bleibt, die Größe hängt davon ab, wie die jeweilige Seite denselben Token-Verbrauch bepreist.
  • GPT-6.2 Astra ist auf MKA jetzt das günstigste der drei Modelle, 1,7 Punkte unter Carbon (52,67 % gegenüber 54,34 %) bei rund 58 % von Carbons AA-Kosten. AA veröffentlicht keine Konfidenzintervalle, und das Paper hat 6.2 nie getestet. Ob dieser Abstand von 1,7 Punkten real ist, hat also niemand festgestellt.

Prüfen Sie die Preisbasis, bevor Sie AAs Carbon-Zahlen weiterverwenden. AA rechnet Carbon mit 4 / 20 USD, also dem Dezember-Tarif. Am 1. Dezember verdoppelt sich jeder Token-Preis von Carbon exakt, daher würde derselbe Token-Verbrauch zum heutigen Tarif von 2 / 10 USD etwa 3,15 USD pro MKA-Aufgabe kosten (unsere Berechnung: 6,29 USD ÷ 2). Damit liegt Carbon bis 30. November leicht unter den 3,67 USD von GPT-6.2 Astra und danach wieder bei 6,29 USD.

Gemini 4 Neon auf Xhigh, erschienen am 18. November, erreichte auf demselben Leaderboard 56,5 % bei 5,36 USD. Neon ist ein eigener Vergleich, behandelt in Gemini 4 Neon vs. Carbon.

Benchmark 3: Der breite Intelligence Index von Artificial Analysis

MKA misst eine Art von Arbeit. AAs Intelligence Index v5.0.1 bündelt neun Evaluationen zu Wissensarbeit, Programmierung, Naturwissenschaft und Allgemeinwissen. Werte von AAs Modellseiten, abgerufen am 19. November 2026, mit AAs Kosten zum jeweils gelisteten Preis jedes Modells:

Modell und StufeIndexwertKosten pro Index-AufgabeZeit pro Index-Aufgabe
Claude Fable 5.2 (Max)64,626,54 USD41,6 min
Claude Fable 5.2 (High, API-Standard)61,89,08 USD15,0 min
GPT-6.2 Astra (Max)62,14,00 USD13,7 min
GPT-6.2 Astra (High)60,12,07 USD5,9 min
Gemini 4 Carbon (High)60,07,76 USD (≈ 3,88 USD zum November-Tarif)37,2 min
Gemini 4 Carbon (Medium, API-Standard)58,36,59 USD (≈ 3,29 USD zum November-Tarif)29,6 min

Die halbierten Carbon-Werte sind unsere Berechnung, die Zeitspalte rechnet AAs Sekunden in Minuten um. In dieser breiteren Mischung kehrt sich Carbons Kostenvorteil um. GPT-6.2 Astra auf High erreicht denselben Wert wie Carbon auf High (60,1 gegenüber 60,0) zu etwa der Hälfte von Carbons Kosten zum aktuellen Tarif und einem Viertel von AAs Kosten zum Dezember-Tarif, in etwa einem Sechstel der Zeit (5,9 gegenüber 37,2 Minuten). AAs Carbon-Seite nennt außerdem 73 Sekunden bis zum ersten Antwort-Token und eine Ausgabegeschwindigkeit von 55 Token pro Sekunde und bezeichnet das Modell als “notably slow per task and very verbose” (pro Aufgabe auffallend langsam und sehr wortreich). Bei den Standardeinstellungen der Anbieter liegt Fable 5.2 High (61,8) vor Carbon Medium (58,3) und kostet 9,08 USD pro Aufgabe gegenüber 6,59 USD für Carbon zum Dezember-Tarif. OpenAI veröffentlicht Astras Standard-Reasoning-Stufe nicht, daher vergleichen wir auf High.

Was Anbietertabellen ergänzen (und wo sie nicht greifen)

Anthropics Ankündigung von Fable 5.2 ist die einzige Herstellertabelle, die Fable 5.2 und Carbon nebeneinander zeigt. Ihre OpenAI-Spalte ist GPT-6 Astra. Anthropic hat, sofern nicht anders angegeben, jeweils die höchste Reasoning-Stufe verwendet und Carbons FrontierCode-Wert als Medium gekennzeichnet.

Benchmark (laut Anthropic)Fable 5.2GPT-6 AstraGemini 4 Carbon
FrontierSWE v269,9 %65,5 %61,2 %
AutomationBench51,4 %41,4 %53,9 %
Terminal-Bench-Science 0.174,6 %68,1 %64,8 %
AA-Briefcase v1.1 (Elo)178515691611
Chartography (ohne Tools)73,4 %71,0 %72,5 %

Carbons eigene Modellkarte liefert Belege zum langen Kontext, die keine andere Tabelle abdeckt: Bei GraphWalks BFS von 256k bis 1M Token meldet Google 96,2 % für Carbon gegenüber 71,8 % für GPT-6 Astra und 65,0 % für Fable 5.1. Fable 5.2 wurde dort nicht gemessen, daher halten wir Carbons Vorsprung vor Fable 5.2 beim langen Kontext für plausibel, aber unbestätigt. Dieselbe Karte nennt für Carbon 65,2 % bei Terminal-Bench 4.0 (AA) gegenüber 59,1 % für GPT-6 Astra und 52,0 % für Fable 5.1 sowie 9,6 % bei SWE-sweep gegenüber 9,5 % und 2,9 %. Über diese Quellen hinweg führt Fable 5.2 bei agentischer Programmierung und offener Recherche, während Carbon bei Geschäftsabläufen und langen, visuellen Dokumenten am stärksten ist. In Anthropics Tabelle schlägt GPT-6 Astra Carbon bei FrontierSWE v2 und Terminal-Bench-Science, liegt aber bei AutomationBench, Chartography und Googles Langkontext-Test hinter Carbon.

Unsere anschaulichen Testläufe: Fable 5.2 vs. GPT-6.2 Astra über Ofox

Wir wollten den Unterschied beim Token-Verbrauch mit eigenen Prompts sehen und haben am 19. November 2026 zwei kleine Aufgaben laufen lassen. Jedes Modell bekam jede Aufgabe einmal, mit identischen Prompts, über den OpenAI-kompatiblen Endpunkt von Ofox (https://api.ofox.io/v1/chat/completions), mit reasoning_effort: "high" und max_tokens: 32000. Carbon lief nicht mit, weil Ofox es nicht anbietet. Die Kosten unten wenden den offiziellen Listenpreis des jeweiligen Anbieters auf den zurückgegebenen Verbrauch an. Es sind keine Ofox-Abrechnungen.

  • Aufgabe A, Code-Korrektur: eine 9-zeilige Funktion zum Zusammenführen von Intervallen, die eine schriftliche Spezifikation auf vier Arten verletzt (verändert die Eingabe, behält ungültige Intervalle, übersieht aneinanderstoßende Intervalle, gibt Listen statt Tupeln zurück). Jede korrigierte Funktion haben wir mit 505 Testfällen geprüft, einschließlich Prüfungen auf Veränderung der Eingabe und auf den Rückgabetyp.
  • Aufgabe B, Abzählrätsel: die Anordnungen von sieben Elementen unter fünf Bedingungen zählen, ohne Code. Eine Brute-Force-Prüfung ergibt 129.
AufgabeModellErgebnisAusgabe-Token (Reasoning)LaufzeitKosten zum Listenpreis
AClaude Fable 5.2Alle 4 Probleme gefunden; Tests bestanden1.037 (465)12,1 s0,044 USD
AGPT-6.2 AstraAlle 4 Probleme gefunden; Tests bestanden201 (49)5,1 s0,010 USD
BClaude Fable 5.2129, richtig5.250 (4.419)44,7 s0,211 USD
BGPT-6.2 Astra129, richtig2.435 (1.916)29,8 s0,098 USD

Beide Modelle lösten beide Aufgaben. Fable 5.2 verbrauchte das 5,2- und 2,2-Fache an Ausgabe-Token und schrieb ausführlichere Erklärungen, bei Aufgabe A einschließlich eines durchgerechneten Beispiels. Astra antwortete knapp. Bei gleichen Listenpreisen machte der Unterschied im Token-Verbrauch den gesamten Kostenunterschied aus. Das entspricht der Richtung der Token-Zahlen von AA und MKA, aber vier Anfragen beweisen nichts über Qualität oder Stabilität. Wir haben außerdem nicht geprüft, wie Ofox reasoning_effort auf der OpenAI-kompatiblen Route auf die effort-Einstellung von Fable abbildet. Rohanfragen, Antworten und Prüfskript liegen bei unseren Berichtsdateien.

Um das mit einem einzigen Schlüssel nachzustellen, richten Sie einen OpenAI-kompatiblen Client auf Ofox und ändern nur die Modell-ID. Details zur Einrichtung stehen in der Ofox-Dokumentation zu Integrationen.

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.io/v1", api_key="YOUR_OFOX_KEY")

for model in ["anthropic/claude-fable-5.2", "openai/gpt-6.2-astra"]:
    r = client.chat.completions.create(
        model=model,
        max_tokens=32000,
        reasoning_effort="high",
        messages=[{"role": "user", "content": "<your task>"}],
    )
    print(model, r.usage.completion_tokens, r.choices[0].message.content[:200])

Carbon muss über Googles native API mit einem Gemini-API-Schlüssel getestet werden. So sieht der dokumentierte Interactions-Aufruf aus:

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="<your task>",
    generation_config={"thinking_level": "medium"},
)
print(interaction.output_text)

Wenn eine Anfrage fehlschlägt, trennen Sie Zugriffs- und Kontingentfehler von Parameterfehlern, bevor Sie es erneut versuchen. Für Fable behandelt unser Leitfaden zu 400-Fehlern bei Fable 5.2 Fehler beim Denken und beim Tool-Verlauf. Zu Modell-ID-, 401- und Token-Limit-Fehlern der Astra-Familie siehe den Fehlerleitfaden zu GPT-6 Astra (Englisch). Für die Gemini-Seite siehe Gemini-4-API-Fehler. Der Leitfaden zur Fehlerbehandlung und die Dokumentation zu Rate Limits von Ofox behandeln Wiederholungen und Limits auf der Ofox-Route.

Entscheidungstabelle: Welches Modell für welche Aufgabe

Ihre SituationWahlWarum (Beleg)Achten Sie auf
Lange Berichte, Foliensätze oder Audits auf Basis von Zeichnungen, Scans und DiagrammenGemini 4 CarbonStatistisches Unentschieden mit Fable 5.2 auf MKA bei etwa 1/6 (Paper) bis 1/5 (AA) seiner Kosten pro Aufgabe, beide zu Carbons Dezember-TarifLangsam; Verdopplung am 1. Dez.; nicht bei Ofox
Eingaben von 256k bis 1M Token, bei denen das Modell schlussfolgern und nicht nur nachschlagen mussGemini 4 Carbon96,2 % bei GraphWalks 256k–1M laut Googles KarteFable 5.2 dort nicht gemessen; selbst prüfen
Geschäftsautomatisierung über SaaS-Tools hinwegGemini 4 Carbon53,9 % bei AutomationBench gegenüber 51,4 % für Fable 5.2 (laut Anthropic)Kleiner Abstand, ein einzelner Benchmark
Schwierigste agentische Programmierung, Migrationen, offene Recherche, bei der wenige Punkte zählenClaude Fable 5.2Führt bei FrontierSWE v2, Terminal-Bench-Science und im AA Index auf MaxMKA-Kosten pro Aufgabe beim 5- bis 6-Fachen von Carbon (Carbon zum Dezember-Tarif); Max ist langsam
Arbeit, bei der der höchste Einzelwert zählt und Kosten zweitrangig sindClaude Fable 5.2 (Xhigh/Max)Höchster AA Index (64,6) und höchster MKA-Wert26,54 USD pro Index-Aufgabe auf Max; zuerst High testen
SicherheitsforschungNicht Fable 5.2 mit StandardzugangLaut Anthropic blockieren die Schutzmechanismen von Fable 5.2 die meisten Cybersecurity-Aufgaben; Mythos 5.2 erfordert Zugang über das Cyber Verification ProgramGoogle bietet Carbon über sein Fairwind Program ebenfalls verifizierten Verteidigern an; Cyber-Ergebnisse haben wir hier nicht verglichen
Interaktives oder latenzkritisches schwieriges ReasoningGPT-6.2 AstraDas schnellste der drei bei AA (5,9 min pro Index-Aufgabe auf High) und das günstigste bei gleichen WertenNeu; bisher wenige unabhängige Evaluationen; keine Audio- oder Videoeingabe
Ein API-Schlüssel für mehrere Anbieter, mit FallbackFable 5.2 + GPT-6.2 Astra über OfoxBeide hinter einem Endpunkt verfügbarCarbon bräuchte ein separates Google-Konto

Wo jedes Modell schwächer ist

  • Gemini 4 Carbon: langsam und wortreich (37,2 min pro AA-Index-Aufgabe, 73 s bis zum ersten Antwort-Token). Sein Intelligence-Index-Wert pro Dollar ist nicht besser als der von GPT-6.2 Astra. Keine kostenlose Stufe, der Token-Preis verdoppelt sich am 1. Dezember, sein Wissensstand (März 2026) ist der älteste der drei, und bei Ofox ist es nicht verfügbar.
  • Claude Fable 5.2: pro abgeschlossener MKA-Aufgabe mit Abstand am teuersten, sowohl nach den Kostenzahlen des Papers als auch nach denen von AA, weil es weit mehr Token verbraucht (40,48 Mio. Token insgesamt pro MKA-Aufgabe gegenüber 7,05 Mio. bei Carbon). Das Denken lässt sich nicht abschalten, und Cybersecurity-Arbeit wird größtenteils blockiert.
  • GPT-6.2 Astra: erschienen am 17. November, daher decken die meisten Anbietertabellen nur GPT-6 Astra ab. Auf AAs MKA-Leaderboard erzielte es den niedrigsten Wert der drei, akzeptiert nur Text- und Bildeingaben und braucht für Tool-Aufrufe die Responses API.

So entscheiden Sie es für Ihre eigene Arbeitslast

Benchmarks grenzen die Auswahl ein, entscheiden müssen Ihre eigenen Aufgaben. Wählen Sie 20 bis 50 echte Aufgaben, die Sie bewerten können, halten Sie die Prompts identisch und erfassen Sie für jeden Versuch Wert, Gesamt-Token, Laufzeit und Kosten zum Listenpreis, auch für fehlgeschlagene. Testen Sie Carbon auf medium und high, Fable 5.2 erst auf high, dann auf xhigh, und GPT-6.2 Astra erst auf high, dann auf max. Wenn Sie Carbon in diesem Monat testen, rechnen Sie die Kosten sowohl mit 2/10 USD als auch mit 4/20 USD, damit ein Test im November kein Budget festlegt, das im Dezember nicht mehr reicht.

Liegen zwei Modelle nur wenige Punkte auseinander und kostet eines das Fünffache, zeigen die MKA-Daten, dass der Abstand Rauschen sein kann. Einen breiteren Blick auf die Modellstufen der drei Anbieter bieten Gemini 4, Claude und GPT: Modellstufen im Vergleich und der Vergleich eine Stufe darunter: Gemini 4 Neon vs. Claude Opus 5.5 vs. GPT-6.2 Sol.

Weiterführende Dokumentation