Fable 5.1 vs GPT-6 Astra vs Gemini : comparatif 2026
Claude Fable 5.1 vs GPT-6 Astra vs Gemini 3.1 Pro : benchmarks, prix, cas d'usage. Comparatif complet des modèles IA de référence en septembre 2026.
Claude Fable 5.1 (Anthropic, 1er septembre 2026), GPT-6 Astra (OpenAI, 3-4 septembre 2026) et Gemini 3.1 Pro (Google DeepMind, février 2026) sont les trois modèles de langage les plus avancés disponibles en septembre 2026. Fable 5.1 domine le coding et l’usage agentique avec un score record de 80,3 % sur SWE-Bench Pro. GPT-6 Astra vise le raisonnement de frontière avec des scores records en mathématiques et en raisonnement abstrait. Gemini 3.1 Pro reste la référence scientifique et le choix économique. J’ai analysé les benchmarks publics, les tarifs API et les retours terrain pour vous aider à choisir le bon modèle selon votre usage réel.
Spécifications techniques : les chiffres clés
Voici les spécifications brutes des trois modèles à jour de septembre 2026.
| Spécification | Claude Fable 5.1 | GPT-6 Astra | Gemini 3.1 Pro |
|---|---|---|---|
| Éditeur | Anthropic | OpenAI | Google DeepMind |
| Date de sortie | 1er septembre 2026 | 3-4 septembre 2026 | Février 2026 |
| Contexte (entrée) | 1M tokens | 1M tokens | 1M tokens |
| Sortie maximale | 128 000 tokens | 128 000 tokens | 65 536 tokens |
| Prix API (entrée) | 10 $/M tokens | 10 $/M tokens | 2 $/M tokens |
| Prix API (sortie) | 50 $/M tokens | 50 $/M tokens | 12 $/M tokens |
| Lecture en cache | 0,25 $/M tokens | 1 $/M tokens | 0,20 $/M tokens |
| Computer use natif | Oui (via Cowork) | Oui (via Codex) | Non |
| Multimodal natif | Texte + images | Texte + images | Texte + images + audio + vidéo |
Fait notable en 2026 : Fable 5.1 et GPT-6 Astra affichent exactement le même tarif de base, 10 dollars en entrée et 50 dollars en sortie. La différence se joue sur le cache — Fable 5.1 lit les tokens en cache à 0,25 dollar par million contre 1 dollar pour Astra, soit un avantage de 4x pour Anthropic sur les prompts qui réinjectent un contexte stable. Gemini 3.1 Pro reste 80 % moins cher qu’eux en entrée et le seul à proposer traitement vidéo et audio natif. Pour un panorama complet du nouveau modèle OpenAI, voir mon guide de GPT-6 Astra.
Fable 5.1 domine en coding et usage agentique, GPT-6 Astra en raisonnement de frontière, Gemini 3.1 Pro en sciences.
Benchmarks : qui gagne sur quoi ?
Les benchmarks publics dessinent un portrait de spécialisation nette. Fable 5.1 s’impose sur le code et l’agentique, GPT-6 Astra pousse le raisonnement à un niveau inédit, et Gemini 3.1 Pro tient sa position en sciences pour un coût minimal.
Coding et ingénierie logicielle
Le coding reste le terrain où Fable 5.1 s’impose le plus nettement, avec des gains spectaculaires par rapport à la génération Opus 4.x.
| Benchmark | Claude Fable 5.1 | GPT-6 Astra | Gemini 3.1 Pro | Leader |
|---|---|---|---|---|
| SWE-Bench Verified | ~95,0 % | non publié | 80,6 % | Fable 5.1 |
| SWE-Bench Pro | 80,3 % | non publié | 54,2 % | Fable 5.1 |
| Terminal-Bench 2.1 | 85,0 % | non publié | 68,5 % | Fable 5.1 |
Sur SWE-Bench Verified, Fable 5.1 atteint environ 95 %, un niveau que la génération précédente (Opus 4.8 à 88,6 %) n’approchait pas. L’écart le plus révélateur se joue sur SWE-Bench Pro, le test conçu pour résister à la mémorisation : Fable 5.1 y culmine à 80,3 %, contre 69,2 % pour Opus 4.8. OpenAI ne publie pas de score SWE-Bench pour GPT-6 Astra, qui mise plutôt sur le raisonnement de frontière et son intégration à Codex. Sur Terminal-Bench 2.1, Fable 5.1 progresse à 85,0 % (contre 80,5 % pour Fable 5).
En pratique, les développeurs rapportent que Fable 5.1 excelle sur le refactoring multi-fichiers et les changements architecturaux complexes. Si vous travaillez avec Claude Code, Fable 5.1 est particulièrement efficace sur les projets de grande envergure grâce aux Dynamic Workflows — qui orchestrent des sous-agents en parallèle — et aux skills Claude Code. Côté OpenAI, GPT-6 Astra alimente Codex et brille sur les tâches longues et mal spécifiées.
Raisonnement et connaissances
| Benchmark | Claude Fable 5.1 | GPT-6 Astra | Gemini 3.1 Pro | Leader |
|---|---|---|---|---|
| GPQA Diamond (science) | 92,6 % | non publié | 94,3 % | Gemini 3.1 Pro (+1,7 pt) |
| FrontierMath Tier 4 (maths de recherche) | non publié | 97,6 % | non publié | GPT-6 Astra |
| ARC-AGI-3 (raisonnement abstrait) | non publié | 99,9 % / 62,7 % | non publié | GPT-6 Astra |
| Humanity’s Last Exam (avec outils) | 65,0 % | non publié | 51,4 % | Fable 5.1 (+13,6 pts) |
GPT-6 Astra pousse le raisonnement à un niveau inédit : 97,6 % sur FrontierMath Tier 4, un palier de mathématiques de recherche que peu d’humains spécialistes savent résoudre. Sur ARC-AGI-3, Astra affiche 99,9 % avec le harness optimisé par OpenAI, mais retombe à 62,7 % sous le harness standard fourni par ARC Prize — un écart de 37 points qui invite à traiter ces scores avec prudence. Sur GPQA Diamond, Gemini 3.1 Pro conserve sa tête à 94,3 %, devant Fable 5.1 à 92,6 %. Sur Humanity’s Last Exam avec outils, Fable 5.1 prend l’avantage à 65,0 %.
En prompt engineering, les trois modèles répondent bien aux techniques avancées. Avec Fable 5.1, les effort controls ajoutent un levier supplémentaire : les niveaux xhigh et max permettent d’allouer plus de ressources de calcul aux problèmes de raisonnement complexes.
Agents et computer use
L’usage agentique est un domaine où Fable 5.1 confirme la domination d’Anthropic, tandis qu’Astra s’appuie sur Codex.
| Benchmark | Claude Fable 5.1 | GPT-6 Astra | Gemini 3.1 Pro | Leader |
|---|---|---|---|---|
| OSWorld 2.0 (partiel / strict) | 77,9 % / 41,7 % | non publié | — | Fable 5.1 |
| Terminal-Bench-Science 0.1 | 52,6 % | non publié | — | Fable 5.1 |
| GDPval-AA v2 (travail de connaissance) | 1853 pts | non publié | — | Fable 5.1 |
Fable 5.1 atteint 77,9 % sur OSWorld 2.0 en mode partiel (41,7 % en pass strict) et double son prédécesseur sur Terminal-Bench-Science 0.1, passant de 24,7 % (Fable 5) à 52,6 %. Les Dynamic Workflows permettent d’orchestrer des sous-agents en parallèle dans une session unique — des tâches qui nécessitaient auparavant plusieurs heures se résolvent désormais en minutes. Cette orchestration s’appuie sur les Anthropic Managed Agents, qui coordonnent des équipes d’agents de manière native.
À noter : Mythos 5.1, la version d’Anthropic à garde-fous allégés réservée aux organisations vérifiées, atteint 60,9 % sur Terminal-Bench 4.0 contre 55,8 % pour Fable 5.1. C’est le même modèle sous-jacent — l’écart reflète les tâches où les garde-fous cybersécurité de Fable 5.1 interviennent. GPT-6 Astra pousse cette logique de sécurité plus loin encore, avec un score de 100 % sur ExploitBench qui lui vaut la classification « Critical » sur l’axe cybersécurité du Preparedness Framework d’OpenAI et des restrictions explicites sur les usages offensifs.
Gemini 3.1 Pro ne publie pas de score OSWorld mais se distingue par son traitement multimodal natif : texte, images, audio (jusqu’à 8,4 heures) et vidéo (jusqu’à 1 heure) dans un seul modèle. Si vous vous demandez pourquoi la plupart des projets d’agents IA échouent, la fiabilité du modèle sous-jacent compte autant que l’architecture.
Contexte long et cohérence
Les trois modèles proposent environ 1 million de tokens de contexte, avec des différences pratiques.
Claude Fable 5.1 propose 1 million de tokens de contexte, avec une sortie maximale de 128 000 tokens. GPT-6 Astra offre lui aussi 1 million de tokens en entrée. Gemini 3.1 Pro accepte 1 million de tokens en entrée mais limite sa sortie à 65 536 tokens, ce qui peut poser problème pour les générations longues.
Si vous analysez des documents longs (contrats juridiques, bases de code entières, rapports de recherche), la combinaison d’un grand contexte et d’une sortie de 128 000 tokens chez Fable 5.1 et GPT-6 Astra donne un avantage pratique sur Gemini. Gemini 3.1 Pro compense partiellement cette limite par son traitement natif de documents PDF (jusqu’à 900 pages), de vidéo et d’audio.
Tarification : le vrai coût par tâche
La grille tarifaire s’est unifiée en 2026 au sommet du marché. Fable 5.1 et GPT-6 Astra sont tous deux à 10 dollars en entrée et 50 dollars en sortie — le choix ne se fait plus sur le prix de base, mais sur le cache et les capacités. Fable 5.1 lit le cache à 0,25 dollar par million de tokens contre 1 dollar pour Astra, ce qui pèse fortement sur les workflows à contexte stable.
| Tâche type | Claude Fable 5.1 | GPT-6 Astra | Gemini 3.1 Pro | Ratio Fable/Astra |
|---|---|---|---|---|
| Analyse d’un document (10K in, 2K out) | 0,20 $ | 0,20 $ | 0,044 $ | équivalent |
| Refactoring multi-fichiers (50K in, 20K out) | 1,50 $ | 1,50 $ | 0,34 $ | équivalent (cache favorable à Fable) |
| Session agentique longue (200K in, 50K out) | 4,50 $ | 4,50 $ | 1,00 $ | équivalent (cache favorable à Fable) |
| 1 journée intensive (1M in, 200K out) | 20,00 $ | 20,00 $ | 4,40 $ | équivalent (cache favorable à Fable) |
À tarif de base identique, l’écart réel se creuse dès qu’un prompt réinjecte un contexte stable — instructions système, documentation, base de code. Le cache de Fable 5.1 à 0,25 dollar par million de tokens revient quatre fois moins cher que celui d’Astra à 1 dollar, ce qui avantage nettement Anthropic sur les sessions agentiques longues et le développement itératif.
En abonnement grand public, les deux acteurs principaux restent alignés. Claude Max existe en deux paliers : 100 dollars par mois (5x limites, accès à Fable 5.1) et 200 dollars par mois (20x limites). ChatGPT Pro propose la même structure : 100 dollars par mois (5x limites) et 200 dollars par mois (20x limites). Google AI Premium reste disponible à 20 dollars par mois avec Gemini 3.1 Pro. Pour un usage intensif, Claude Max et ChatGPT Pro offrent le même rapport coût/volume — le choix se fait sur les capacités du modèle, pas sur le prix.
Fable 5.1 pour le coding et les agents, GPT-6 Astra pour le raisonnement de frontière, Gemini 3.1 Pro pour le volume à budget serré.
Verdict par cas d’usage
Plutôt que de désigner un gagnant absolu, voici ma recommandation par scénario, après avoir testé les trois modèles en conditions réelles.
Choisissez Claude Fable 5.1 si vous :
- Développez des logiciels complexes — Fable 5.1 domine sur SWE-Bench Pro (80,3 %), le benchmark le plus fiable pour le coding réel, loin devant la génération précédente.
- Automatisez des tâches agentiques — Avec 85,0 % sur Terminal-Bench 2.1 et 77,9 % sur OSWorld 2.0, Fable 5.1 reste la référence pour l’orchestration.
- Orchestrez des agents IA à grande échelle — Les Dynamic Workflows permettent de coordonner des sous-agents en parallèle dans une session unique, une capacité sans équivalent direct chez les concurrents.
- Optimisez le coût sur des contextes stables — Le cache à 0,25 dollar par million de tokens, quatre fois moins cher que celui de GPT-6 Astra, change l’équation économique des workflows itératifs.
Choisissez GPT-6 Astra si vous :
- Avez besoin du raisonnement de frontière le plus poussé — 97,6 % sur FrontierMath Tier 4 et 99,9 % sur ARC-AGI-3 (harness OpenAI), des scores records sur les tâches mathématiques et abstraites les plus difficiles.
- Travaillez sur des tâches longues et sous-spécifiées — Le raisonnement de frontière d’Astra aide quand le modèle doit inférer une intention plutôt que suivre une consigne littérale.
- Utilisez l’écosystème OpenAI et Codex — GPT-6 Astra alimente Codex (CLI, IDE, Cloud) et s’intègre à la Responses API, Azure et AWS Bedrock. Voir mon guide de GPT-6 Astra pour le détail.
- Menez de la sécurité défensive encadrée — Le score de 100 % sur ExploitBench en fait un outil puissant, mais soumis à des garde-fous cybersécurité et à un accès vérifié via le programme Daybreak.
Choisissez Gemini 3.1 Pro si vous :
- Traitez de la vidéo ou de l’audio — Seul modèle frontier avec un traitement natif de vidéo (1 heure), audio (8,4 heures) et images dans un modèle unique.
- Minimisez les coûts API — À 2 $ / 12 $ par million de tokens, Gemini 3.1 Pro est le moins cher des trois, soit 80 % moins cher que Fable 5.1 et GPT-6 Astra en entrée.
- Faites de la recherche scientifique — Leader sur GPQA Diamond (94,3 %) devant Fable 5.1 (92,6 %).
- Analysez des documents volumineux à faible coût — Contexte d’un million de tokens avec un tarif préférentiel pour le caching (0,20 $ par million).
La stratégie hybride : la plus répandue en 2026
De nombreuses équipes techniques utilisent deux ou trois modèles en parallèle. Gemini 3.1 Pro pour l’analyse multimodale, la recherche scientifique et le volume à budget réduit. Fable 5.1 pour le refactoring profond, l’analyse de code complexe et les workflows agentiques longs. GPT-6 Astra pour les problèmes de raisonnement mathématique et abstrait de frontière et les agents pilotés via Codex.
Des plateformes comme OpenRouter, Portkey et LiteLLM permettent de router automatiquement les requêtes vers le modèle optimal selon la complexité et le budget. Cette approche multi-modèle est devenue courante dans les équipes qui déploient de l’IA en production.
Ce que les benchmarks ne mesurent pas
Les chiffres ci-dessus sont indispensables mais insuffisants. Trois facteurs échappent aux benchmarks standardisés.
La fiabilité des scores eux-mêmes. L’écart entre les 99,9 % d’Astra sur ARC-AGI-3 avec le harness OpenAI et les 62,7 % sous harness standard illustre à quel point ces chiffres dépendent de l’infrastructure de test. L’organisme METR avait déjà signalé un niveau record de benchmark gaming sur la génération GPT-5.6. Traitez ces scores comme un plafond théorique et mesurez la performance réelle sur vos propres tâches avant tout déploiement.
La qualité d’écriture et de code. Les modèles Claude restent réputés pour la lisibilité du code produit et la cohérence sur les longues sessions de refactoring. Ce n’est pas toujours mesurable par un benchmark automatisé, mais c’est perceptible au quotidien.
L’écosystème autour du modèle. Claude Code, Cowork, les serveurs MCP, les skills et les Dynamic Workflows : l’écosystème Anthropic est taillé pour les développeurs et les power users. L’écosystème OpenAI (ChatGPT, API, Codex, Azure, Bedrock) reste plus accessible au grand public et aux entreprises. L’écosystème Google (Vertex AI, AI Studio, Gemini API) mise sur l’intégration avec les services Google Cloud et la multimodalité native.
Le test terrain : cinq projets, un prompt identique
Pour mesurer ce que les benchmarks laissent de côté, j’ai confronté Fable 5.1 et GPT-6 Astra sur cinq projets réels, construits en une seule passe, avec le même prompt copié mot pour mot dans Claude Code et dans Codex : un clone de Notion, une carte 3D d’Annecy à partir des données OpenStreetMap, la refonte d’une page de vente existante, une application iPhone native de scan de notes de frais et une vue éclatée 3D d’un MacBook Pro.
Le résultat contredit en partie la grille tarifaire ci-dessus. Sur le papier, les deux modèles sont au même tarif et Fable 5.1 dispose d’un cache quatre fois moins cher. Sur ces cinq projets, c’est pourtant Astra qui revient le moins cher.
| Claude Fable 5.1 | GPT-6 Astra | |
|---|---|---|
| Coût total des 5 projets | 45,19 $ | 32,35 $ |
| Projets rendus au meilleur niveau | 1 sur 5 | 4 sur 5 |
| Écart de coût le plus large | Annecy 3D : 16,61 $ | Annecy 3D : 6,30 $ |
L’explication tient à ce qu’aucun benchmark ne capture : le nombre de tokens qu’un modèle consomme pour arriver au résultat. Un tarif par token identique ne dit rien de la facture finale si l’un des deux met deux fois plus de passes à converger.
Le détail projet par projet, les cinq prompts reproduits intégralement et les temps de génération relevés sont dans mon test complet de GPT-6 Astra contre Fable 5.1 sur cinq projets. La vidéo en tête de cet article montre les résultats à l’écran.
Conclusion : trois modèles, trois stratégies
Le comparatif Claude Fable 5.1 vs GPT-6 Astra vs Gemini 3.1 Pro confirme une spécialisation nette. Fable 5.1 est le modèle à choisir pour le coding avancé, l’usage agentique et l’orchestration via Dynamic Workflows, avec un cache quatre fois moins cher qu’Astra en prime. GPT-6 Astra s’impose sur le raisonnement mathématique et abstrait de frontière et l’intégration à Codex, au prix de restrictions cybersécurité. Gemini 3.1 Pro reste l’outsider sérieux pour le raisonnement scientifique, la multimodalité et le coût minimal.
Mon verdict : la question n’est toujours pas « quel est le meilleur LLM » mais « quel LLM pour quelle tâche ». J’utilise personnellement les trois en septembre 2026. Fable 5.1 pour le refactoring, l’analyse approfondie et les workflows agentiques longs. GPT-6 Astra pour les problèmes de raisonnement de frontière et les tâches longues via Codex. Gemini 3.1 Pro pour l’analyse de contenus vidéo et audio. La réponse la plus pertinente reste : les trois, selon le contexte. Et si vous hésitez entre Fable 5.1 et Astra pour construire, mesurez sur vos propres tâches plutôt que sur les scores publics : c’est exactement ce que fait mon test des deux modèles sur cinq projets réels.
Questions fréquentes
Quel est le modèle IA le plus performant en septembre 2026 ?
Il n'y a pas de gagnant absolu. Claude Fable 5.1 domine en coding (environ 95 % sur SWE-Bench Verified, 80,3 % sur SWE-Bench Pro) et en usage agentique (85,0 % sur Terminal-Bench 2.1, 77,9 % sur OSWorld 2.0). GPT-6 Astra prend la tête sur le raisonnement de frontière : 97,6 % sur FrontierMath Tier 4 et 99,9 % sur ARC-AGI-3 (62,7 % sous harness standard), plus un score de 100 % sur ExploitBench qui lui vaut des restrictions cybersécurité. Gemini 3.1 Pro reste leader en sciences (94,3 % sur GPQA Diamond) et le choix le plus économique.
Combien coûtent Claude Fable 5.1, GPT-6 Astra et Gemini 3.1 Pro en API ?
Claude Fable 5.1 et GPT-6 Astra sont tous deux facturés 10 dollars par million de tokens en entrée et 50 dollars en sortie. La différence se joue sur le cache : Fable 5.1 lit le cache à 0,25 dollar par million de tokens contre 1 dollar pour GPT-6 Astra. Gemini 3.1 Pro reste le moins cher à 2 dollars en entrée et 12 dollars en sortie. En abonnement, Claude Max coûte 100 dollars par mois (5x limites) ou 200 dollars (20x limites). ChatGPT Pro propose les mêmes paliers à 100 et 200 dollars par mois.
Quel modèle choisir pour le coding en 2026 ?
Claude Fable 5.1 est la référence avec environ 95 % sur SWE-Bench Verified et surtout 80,3 % sur SWE-Bench Pro, loin devant Opus 4.8 (69,2 %) et l'ancienne génération GPT. Sur Terminal-Bench 2.1, Fable 5.1 atteint 85,0 %. GPT-6 Astra reste très compétitif grâce à son raisonnement de frontière et son intégration native à Codex, particulièrement sur les tâches longues et sous-spécifiées. Pour le refactoring multi-fichiers et les workflows agentiques, Fable 5.1 avec Claude Code reste la solution la plus avancée.
Quelle est la taille du contexte de ces trois modèles ?
Les trois modèles acceptent environ 1 million de tokens en entrée. Claude Fable 5.1 propose 1 million de tokens avec une sortie maximale de 128 000 tokens. GPT-6 Astra offre 1 million de tokens en entrée. Gemini 3.1 Pro accepte 1 million de tokens en entrée mais limite la sortie à 65 536 tokens.
Peut-on utiliser Claude Fable 5.1, GPT-6 Astra et Gemini 3.1 Pro ensemble ?
Oui, et c'est la stratégie adoptée par de nombreux professionnels en 2026. GPT-6 Astra pour le raisonnement mathématique et abstrait de frontière et les agents longs via Codex. Claude Fable 5.1 pour le coding complexe, le refactoring multi-fichiers et les workflows agentiques via Claude Code. Gemini 3.1 Pro pour la recherche scientifique, l'analyse multimodale (vidéo, audio) et les contextes longs à faible coût. Des outils comme OpenRouter ou Portkey permettent de router les requêtes vers le modèle optimal selon la tâche.
GPT-6 Astra est-il moins cher que Claude Fable 5.1 ?
Non, les deux modèles sont au même tarif de base : 10 dollars par million de tokens en entrée et 50 dollars en sortie. La différence se joue sur le cache. Fable 5.1 lit les tokens en cache à 0,25 dollar par million, contre 1 dollar pour GPT-6 Astra — un avantage de 4x pour Anthropic sur les prompts qui réinjectent un contexte stable. Gemini 3.1 Pro reste le moins cher des trois à 2 dollars et 12 dollars par million de tokens.
Quel modèle est le plus adapté aux agents IA autonomes ?
Claude Fable 5.1 s'impose en usage agentique avec 85,0 % sur Terminal-Bench 2.1 et 77,9 % sur OSWorld 2.0 (mode partiel), une orchestration native via Claude Code et les Dynamic Workflows. GPT-6 Astra reste très compétitif grâce à son intégration native à Codex et son raisonnement de frontière sur les tâches longues et mal spécifiées. Gemini 3.1 Pro se distingue en traitement multimodal natif (vidéo, audio, images) mais reste moins mature côté outils agentiques.
Quel modèle est le plus adapté à un usage professionnel en entreprise ?
Claude Fable 5.1 atteint 1853 points sur GDPval-AA v2, un benchmark évaluant le travail de connaissance. GPT-6 Astra excelle sur le raisonnement de frontière (97,6 % sur FrontierMath Tier 4) et s'intègre à l'écosystème OpenAI et aux clouds Azure et AWS Bedrock. Pour un usage intensif en abonnement, Claude Max à 100 dollars et ChatGPT Pro à 100 dollars sont au même tarif sur le palier 5x.
Quelle est la différence entre Claude Fable 5.1 et Mythos 5.1 ?
Fable 5.1 et Mythos 5.1 sont le même modèle sous-jacent. Fable 5.1 est le modèle grand public, disponible sur l'API Claude, AWS, Google Cloud et Azure. Mythos 5.1 est la version à garde-fous allégés, réservée aux organisations vérifiées via le Cyber Verification Program et le Life Sciences Verification Program (US uniquement). L'écart de performance entre les deux — par exemple 60,9 % contre 55,8 % sur Terminal-Bench 4.0 — reflète les tâches où les garde-fous cybersécurité de Fable 5.1 intervenaient.
Que donnent Fable 5.1 et GPT-6 Astra sur des projets réels, hors benchmarks ?
Je les ai confrontés sur cinq projets construits en une seule passe, avec le même prompt donné mot pour mot aux deux modèles : un clone de Notion, une carte 3D d'Annecy, la refonte d'une page de vente, une application iPhone de notes de frais et une vue éclatée 3D d'un MacBook Pro. Sur l'ensemble, Fable 5.1 a coûté 45,19 dollars d'équivalent API contre 32,35 dollars pour GPT-6 Astra, soit environ 28 % de moins pour Astra, à temps de génération comparable. Astra a rendu le meilleur résultat sur quatre projets sur cinq ; Fable 5.1 a gagné sur le clone de Notion, où il a été le plus fidèle à la consigne.
Où se situe Gemini 3.1 Pro face à Fable 5.1 et GPT-6 Astra ?
Gemini 3.1 Pro (Google DeepMind, février 2026) reste le modèle Pro de référence chez Google et leader sur les connaissances scientifiques avec 94,3 % sur GPQA Diamond, devant Fable 5.1 (92,6 %). Il est le moins cher des trois en API (2 dollars en entrée, 12 dollars en sortie) et le seul avec un traitement multimodal natif de la vidéo et de l'audio. Son point faible reste une sortie limitée à 65 536 tokens et un écosystème d'outils agentiques moins mature.