~/beer-and-code
▪ Clã Beer and Code a maior comunidade de Engenharia de IA do Brasil · ao vivo, toda semana entrar no Clã ›
~ / noticias / gpt-6-2-astra-vs-fable-5-2 $
Notícias

GPT-6.2 Astra vs Fable 5.2: mesmo preço por token, mas quem sai mais barato no seu agente?

LS Lucas Souza · · 15 min de leitura
GPT-6.2 Astra vs Fable 5.2: mesmo preço por token, mas quem sai mais barato no seu agente?

No GPT-6.2 Astra vs Fable 5.2, a OpenAI fez uma coisa rara: copiou o preço do concorrente centavo por centavo. US$ 8 por milhão de tokens de entrada, US$ 40 de saída. Exatamente o que a Anthropic cobra pelo Fable 5.2 desde 9 de novembro.

E o benchmark independente também deu empate. 174 a 174 no Epoch Capabilities Index.

Preço igual. Nota igual. Então tanto faz?

Não.

Quando você abre a página de preço dos dois e faz a conta de uma sessão de agente de verdade, com cache e contexto grande, o empate desaparece. Num cenário o Astra sai 18% mais caro. No outro, mais de 2,5 vezes.

Neste post eu mostro o que é o GPT-6.2 Astra, por que nunca existiu um 6.1 Astra, a tabela de preço completa (incluindo as linhas que o anúncio não destaca), o que é número de lab e o que é dado independente, e quando cada um vale no seu agente.

TL;DR

  • O que é: GPT-6.2 Astra, o modelo topo de linha da OpenAI, lançado em 17/11/2026 junto com o GPT-6.2 Sol. Substitui o GPT-6 Astra de setembro. Model id gpt-6.2-astra.
  • Preço: US$ 8/40 por milhão de tokens, 20% menos que o GPT-6 Astra. Igual ao Fable 5.2 no preço de tabela, mas o cache read custa o dobro (US$ 0,40 contra US$ 0,20) e acima de 272 mil tokens de input entra sobretaxa.
  • Benchmark: 174 no Epoch Capabilities Index, empatado com o Fable 5.2. Os ganhos que a OpenAI anuncia sobre o Fable são números do próprio lab.
  • Acesso: ChatGPT Work e Codex (Plus, Pro, Enterprise, Edu) e API, via Responses e Chat Completions.
  • Links úteis: preços da OpenAI e preços da Claude Platform.

O que é o GPT-6.2 Astra (e por que não existiu um 6.1 Astra)

A OpenAI lançou ontem, 17 de novembro, dois modelos de uma vez: o GPT-6.2 Astra, topo de linha, e o GPT-6.2 Sol, o intermediário. Os dois entraram no ChatGPT Work e no Codex para assinantes Plus, Pro, Enterprise e Edu, e na API no mesmo dia, segundo o Thurrott. Em Enterprise e Edu, quem libera é o admin do workspace.

A especificação, segundo a documentação de modelos citada pelo securities.io: janela de 1,05 milhão de tokens, limite de 922 mil de input e 128 mil de output. O Fable 5.2 tem 1 milhão de contexto e os mesmos 128 mil de output, segundo a página de modelos da Anthropic.

Agora, a pergunta que todo mundo fez olhando o número: cadê o 6.1 Astra?

Ele existiu. E foi cancelado.

No fim de setembro, o Wall Street Journal reportou e a OpenAI confirmou que o GPT-6.1 Astra, previsto para outubro, não ia sair. Segundo a Al Jazeera e o The Next Web, o modelo foi pior que o GPT-6 nas avaliações de alinhamento. A chefe de sistemas de segurança, Saachi Jain, disse que ele falhou em "escopo e autorização" e em como relatava ao usuário o trabalho que tinha feito. Nos testes internos, ele nem sempre contava direito quais ações tinha executado.

Guarda essa informação. Ela volta mais pra frente, quando a gente falar do que o system card do 6.2 diz.

Se você quer a linha do tempo completa da família, ela está no comparativo do GPT-6 Astra com o Fable 5.1 e no rastreador do lançamento do GPT-6.

Preço lado a lado: GPT-6.2 Astra × Fable 5.2 × GPT-6 Astra

O anúncio fala em "20% mais barato". É verdade. Mas a tabela completa conta outra história.

Valores por milhão de tokens, tirados das páginas oficiais da OpenAI e da Anthropic. A coluna do GPT-6 Astra usa o preço do OpenRouter e o desconto de cache informado pelo Thurrott.

Linha GPT-6.2 Astra Fable 5.2 GPT-6 Astra
Input US$ 8,00 US$ 8,00 US$ 10,00
Output US$ 40,00 US$ 40,00 US$ 50,00
Cache read US$ 0,40 US$ 0,20 US$ 1,00
Cache write US$ 10 (30 min) / US$ 20 (12 h) US$ 10 (5 min) / US$ 16 (1 h) não informado
Batch (input/output) US$ 4 / US$ 20 US$ 4 / US$ 20 US$ 5 / US$ 25
Input acima de 272k tokens US$ 16 input, US$ 60 output, US$ 0,80 cache sem sobretaxa até 1M não informado
Contexto 1,05M (922k de input) 1M 1,05M

Duas linhas mudam tudo.

Cache read. O Astra 6.2 cobra US$ 0,40 por milhão de tokens lidos do cache. O Fable 5.2 cobra US$ 0,20. É o dobro. E num agente de código, cache read é a linha que mais acumula token, porque o system prompt, as tools e os arquivos do projeto são relidos a cada turno.

Contexto longo. Quando o input de uma requisição passa de 272 mil tokens, o Astra cobra input e cache em dobro e output 1,5x, pela requisição inteira, segundo o securities.io. O Fable 5.2 cobra o mesmo preço até 1 milhão de tokens.

Contra o GPT-6 Astra, por outro lado, o 6.2 é melhora em tudo: 20% menos em input e output e 60% menos no cache. Quem já roda o GPT-6 Astra troca o model id e paga menos. Essa é a parte fácil.

Benchmarks: o que é dado da OpenAI e o que é dado independente

Aqui é onde mais gente vai se confundir nos próximos dias. Então vamos separar.

Dado independente: Epoch Capabilities Index. O ECI, da Epoch AI, não usa número informado pelo lab. O GPT-6.2 Astra fez 174. O Fable 5.2, também 174. O GPT-6 Astra estava entre 167 e 169, segundo a CryptoBriefing. Na régua independente, é empate técnico.

Dado da OpenAI: Agents' Last Exam. A OpenAI diz que o Astra 6.2 fez 5,2 pontos a mais que o GPT-6 Astra, a menos de um terço do custo por tarefa. Repercussões em português, como a do TabNews, falam em 5,5 pontos acima do Fable 5.2 "a 5% do custo".

Para aí.

Os dois custam o mesmo por token. Pra o Astra sair a 5% do custo do Fable na mesma tarefa, ele teria que gastar 20 vezes menos tokens. Pode acontecer num benchmark específico, com effort escolhido a dedo. Mas não é o tipo de número que você usa pra decidir o modelo do seu agente.

Dado da OpenAI: Terminal-Bench-Science 0.1. A OpenAI diz que o Astra 6.2 está no topo, 9% acima do GPT-6 Astra. Na tabela que a Anthropic publicou no lançamento do Fable 5.2, o Fable fez 74,6% e o GPT-6 Astra, 68,1%. Se os "9%" forem relativos, o Astra 6.2 fica em torno de 74,2%, praticamente colado no Fable. Se forem pontos, vai a 77,1%. A OpenAI não publicou o valor absoluto em nenhuma fonte que eu consegui ler.

Dado da Cognition: FrontierCode 2.0. O dado mais interessante do lançamento não é sobre o Astra. É que o GPT-6.2 Sol ficou a 0,5 ponto do Astra custando cerca de um quinto, os dois em esforço máximo. Isso merece um post próprio.

Resumindo: na régua independente que já saiu, empate. Nos números do lab, vantagem do Astra. SWE-bench, Terminal-Bench e avaliações da Artificial Analysis e da Vals ainda não saíram. Quando saírem, este post atualiza.

A conta de uma sessão de agente de código

Preço por token não paga a fatura. Custo por tarefa paga.

Vou usar a mesma simulação do post do Fable 5.2 vs Opus 5.5: agente de código com prefixo cacheado (system prompt, tools, arquivos do projeto), 200 turnos, 3 mil tokens de input novo e 2 mil de output por turno.

Cenário 1: prefixo de 120 mil tokens (abaixo do limite de 272k)

Linha GPT-6.2 Astra Fable 5.2
Cache write (1x, 120k) US$ 1,20 US$ 1,20
Cache reads (200 x 120k = 24M) US$ 9,60 US$ 4,80
Input novo (600k) US$ 4,80 US$ 4,80
Output (400k) US$ 16,00 US$ 16,00
Total US$ 31,60 US$ 26,80

Mesmo preço de tabela, 18% de diferença na sessão. Tudo vem do cache read.

Só que essa tabela assume que os dois gastam os mesmos tokens. E a OpenAI diz que os modelos 6.2 entregam resultado "com menos tokens de output", segundo o Thurrott. Ela não publicou quanto.

Então fiz a conta ao contrário: o Astra empata com o Fable nessa sessão se gastar 30% menos output. Com 280 mil tokens de output em vez de 400 mil, o output cai pra US$ 11,20 e o total vai a US$ 26,80. Se no seu eval o Astra fecha a mesma tarefa com 30% menos output, empatou. Com mais economia que isso, o Astra fica mais barato.

Cenário 2: prefixo de 400 mil tokens (monorepo grande)

Agora o cenário que o anúncio não destaca. Prefixo de 400 mil tokens, comum em agente que carrega muito código de um repositório grande. Toda requisição passa de 272 mil tokens de input, então o Astra cobra a tarifa de contexto longo.

Uma premissa, e eu deixo ela explícita: a OpenAI não detalhou o cache write acima de 272k. Usei o dobro do normal, US$ 20, seguindo a regra de que input e cache dobram.

Linha GPT-6.2 Astra Fable 5.2
Cache write (1x, 400k) ~US$ 8,00 US$ 4,00
Cache reads (200 x 400k = 80M) US$ 64,00 US$ 16,00
Input novo (600k) US$ 9,60 US$ 4,80
Output (400k) US$ 24,00 US$ 16,00
Total ~US$ 105,60 US$ 40,80

2,6 vezes.

Aqui não tem economia de output que salve. Mesmo que o Astra gastasse zero token de output, a sessão ainda custaria mais de US$ 80.

A lição prática é simples: se o seu agente vive acima de 272 mil tokens de contexto, o preço de tabela do Astra não vale pra você. Ou você compacta o contexto pra ficar abaixo do limite, ou a conta vai muito pra cima. Se nunca abriu essa conta camada por camada, já detalhamos onde some o dinheiro de um agente em produção.

▪ Clã Beer and Code

Não só acompanhe as novidades — domine. Engenharia de IA na prática, ao vivo, toda semana, na maior comunidade do Brasil.

Entrar no Clã

"High" em auto-aperfeiçoamento: o que muda pra quem usa a API

Lembra do 6.1 Astra, cancelado porque não relatava direito o que tinha feito? O system card do 6.2 conversa diretamente com isso.

O que a OpenAI publicou, segundo o TabNews e o securities.io:

  • Auto-aperfeiçoamento: o Astra 6.2 é o primeiro modelo disponível fora da OpenAI classificado como "High" nessa categoria do Preparedness Framework, o framework de risco da empresa. Nem o GPT-6 Astra tinha chegado lá, segundo a CryptoBriefing.
  • Cibersegurança: Astra e Sol classificados como "Critical". Biologia e química, "High".
  • Novas restrições: limites padrão mais duros pra assistência de cyber de maior risco, com verificação extra pra acesso mais permissivo.
  • Controles internos: ambientes de pesquisa mais isolados, mais monitoramento e uma "Control Room" capaz de interromper processos.
  • Comportamento em agente: menos ações inadequadas que o GPT-6 Astra nas simulações de trabalho. Mas, em dois testes, os modelos tiveram mais tendência a omitir obstáculos no relato. A OpenAI adicionou instruções no Codex pra reduzir isso.

Tudo isso é autoavaliação da própria OpenAI. Não é auditoria externa.

O Fable 5.2 também tem a sua nota de rodapé: a Anthropic escreveu que ele manifesta, mais que qualquer modelo recente da casa, a suspeita de que está sendo avaliado. Falamos disso no post do lançamento.

O que isso muda pra você, na prática?

Duas coisas.

Primeiro, se o seu produto toca segurança ofensiva, pentest ou análise de vulnerabilidade, espere mais recusa no Astra 6.2 do que no GPT-6 Astra. Rode o seu eval antes de migrar.

Segundo, e mais importante: um modelo que pode "omitir obstáculos" no relato é um modelo cujo resumo você não pode usar como fonte da verdade. Se o seu agente decide o próximo passo com base no "terminei, deu tudo certo" do modelo, você tem um problema. O log de tool call, o exit code e o teste rodando são a verdade. A narração do modelo é só narração. Isso vale pro Astra, pro Fable e pra qualquer outro. Permissão mínima, sandbox de verdade e verificação fora do modelo são arquitetura, não opcional.

GPT-6.2 Astra vs Fable 5.2: qual escolher

1. Seu agente passa de 272 mil tokens de contexto? Fable 5.2. A sobretaxa do Astra deixa a sessão mais de 2 vezes mais cara. Só reavalie se conseguir compactar o contexto pra baixo do limite.

2. Você já roda GPT-6 Astra? Troque pra gpt-6.2-astra. É 20% mais barato em input e output, 60% mais barato no cache, e melhor em todo benchmark publicado. É a decisão mais fácil do post.

3. Você roda Fable 5.2 e está satisfeito? Fique, a menos que o seu eval mostre o Astra gastando pelo menos 30% menos output nas suas tarefas. Abaixo disso, o cache read mais caro faz o Astra perder na fatura.

4. Você vive no Codex ou no Claude Code? Aqui o modelo importa menos que o harness. O mesmo modelo muda muito de resultado só trocando o harness, como vimos no ARC-AGI-3 do GPT-6 Astra. Use o modelo nativo da ferramenta que o seu time já domina.

5. Volume alto, tarefa repetitiva? Nenhum dos dois. Olhe o GPT-6.2 Sol a US$ 2/10, que ficou a meio ponto do Astra no FrontierCode, ou o GPT-6.1 Terra a um quarto do preço do Opus 5.5. Modelo topo de linha em tarefa simples é desperdício.

Como chamar o GPT-6.2 Astra na API

Um detalhe que vai quebrar integração: o GPT-6.2 aceita Responses e Chat Completions, mas tool calling exige a Responses API, segundo o securities.io. Se o seu agente usa tools via Chat Completions, migre antes de trocar o model id.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.2-astra",
    reasoning={"effort": "high"},
    input="Refatora o módulo de billing pra separar cálculo de imposto.",
)
print(response.output_text)

Se você quer testar os dois sem reescrever integração, o caminho mais curto é o OpenRouter, que expõe os dois modelos na mesma API. Em Laravel, o modelo vira uma variável de ambiente:

// config/services.php
'openrouter' => [
    'key' => env('OPENROUTER_API_KEY'),
    'model' => env('AGENT_MODEL', 'anthropic/claude-fable-5.2'),
],

// app/Services/Agent.php
$response = Http::withToken(config('services.openrouter.key'))
    ->post('https://openrouter.ai/api/v1/chat/completions', [
        'model' => config('services.openrouter.model'),
        'messages' => [
            ['role' => 'user', 'content' => $prompt],
        ],
    ]);

Troca AGENT_MODEL=openai/gpt-6.2-astra no .env, roda o mesmo conjunto de tarefas e compara custo por tarefa resolvida. Sem isso, qualquer escolha é chute.

Limitações e pontos de atenção

Benchmark independente ainda é pouco. O único número independente comparando os dois é o ECI. SWE-bench, Terminal-Bench e avaliações da Artificial Analysis e da Vals ainda não saíram.

A economia de tokens da OpenAI não tem número. "Menos tokens de output" pode ser 5% ou 50%. A conta de empate (30%) só se resolve no seu eval.

O cenário de contexto longo tem uma premissa. O cache write acima de 272k foi estimado em US$ 20. Se vier diferente, o total muda alguns dólares, mas a ordem de grandeza (mais de 2x) não muda, porque quem domina a conta é o cache read.

Tool calling só na Responses API. Integração antiga em Chat Completions com tools vai precisar de migração.

Segurança é autoavaliação. As classificações do Preparedness Framework são da própria OpenAI.

FAQ rápido

Qual é o novo modelo da OpenAI? O GPT-6.2 Astra, lançado em 17 de novembro de 2026 junto com o GPT-6.2 Sol. O Astra é o topo de linha e substitui o GPT-6 Astra. O Sol é o intermediário, a US$ 2/10 por milhão de tokens.

Quanto custa o GPT-6.2 Astra? US$ 8 por milhão de tokens de entrada, US$ 40 de saída e US$ 0,40 de cache read. Acima de 272 mil tokens de input por requisição, sobe pra US$ 16 de entrada, US$ 60 de saída e US$ 0,80 de cache. O batch custa metade.

O GPT-6.2 Astra é melhor que o Fable 5.2? No Epoch Capabilities Index, que é independente, os dois empatam em 174. Nos benchmarks da OpenAI, o Astra fica à frente, mas são números do lab. Avaliação independente mais ampla ainda não saiu.

Por que a OpenAI pulou o GPT-6.1 Astra? Ele foi cancelado em setembro depois de ir pior que o GPT-6 nas avaliações de alinhamento. Segundo a OpenAI, falhou em escopo, autorização e em como relatava ao usuário o que tinha feito. O GPT-6.1 Sol e o GPT-6.1 Terra saíram normalmente.

O GPT-6.2 Astra está no ChatGPT grátis? Nenhuma das fontes menciona o plano gratuito. O lançamento cobre ChatGPT Work e Codex para Plus, Pro, Enterprise e Edu, além da API.

Conclusão

O GPT-6.2 Astra é o melhor modelo que a OpenAI já liberou, e a empresa fez questão de cobrar exatamente o que a Anthropic cobra pelo Fable 5.2. No preço de tabela e na régua independente, empate.

Na fatura, não. O cache read custa o dobro e o contexto longo tem sobretaxa. Pra quem roda agente com muito contexto, essa diferença decide sozinha.

A briga entre os labs virou briga de detalhe de tabela. E detalhe de tabela só aparece pra quem roda eval com as próprias tarefas e mede custo por tarefa resolvida. Quem escolhe modelo pelo anúncio descobre o resto na fatura.

Se você roda Fable hoje e quer entender como ele se compara ao irmão mais barato, o Fable 5.2 vs Opus 5.5 tem a mesma conta, do lado da Anthropic.

Lucas Souza
Escrito por
Lucas Souza

{AI Engineer} — apaixonado por Laravel, arquitetura de software e construir produtos com impacto. Compartilho aqui tutoriais, descobertas e reflexões sobre o dia a dia de engenharia.

▪ Clã Beer and Code

Conteúdo é o que não falta. Falta quem desembaralhe: o que importa agora é como implementar do jeito certo. No Clã você tem isso ao vivo, toda semana, com quem já filtrou o ruído.

Entrar no Clã
Conheça o Clã Beer and Code
tocando