KeyFrame內部研究專用

GPT-6.2 Astra is over 7x cheaper than Fable 5.2

Nate Herk英文
觀看原始影片

三句話摘要

作者用 Fable 5.2 與 GPT 6.2 Astra 兩款頂級 AI 模型完成 12 個實際商務專案的成本與效能對比測試。 兩款模型各具優勢,最優方案是讓 Fable 開發核心邏輯,轉換成技能供 Astra 重複執行,達到品質與成本的最佳平衡。 Fable 在複雜、創意工作表現卓越,能運用技能進行專業編輯,而 Astra 傾向忽視技能創造自己的風格,顯示模型在指令遵循上的差異。

重點整理

  1. Fable 在複雜、創意工作表現卓越,能運用技能進行專業編輯,而 Astra 傾向忽視技能創造自己的風格,顯示模型在指令遵循上的差異。

  2. Astra 在簡單任務成本優勢明顯,網頁設計從 750 美元降至 2.5 美元,但在進階應用(如 Canva 繪畫)達到功能限制時無法靈活應對。

  3. 儘管兩款模型的每 token 價格相同,Fable 因解決複雜問題所需 token 更多,導致總成本與運行時間皆高,建議工作流應採混合策略。

  4. 技能轉換是核心洞見,將 Fable 的解決方案標準化為可重複使用的技能,能讓 Astra 以低成本執行,兼顧品質與經濟效益。

實用技巧與重點

  • 模型成本對比:Fable 是 Astra 的 7 倍
  • 執行時間對比:Fable 是 Astra 的 5 倍
  • 每 token 價格:兩款模型完全相同
  • 專案成績:Fable 7 勝、Astra 5 勝(共 12 個專案)
  • 具體案例成本:Astra 網頁設計 2.5 美元 vs 750 美元基線
  • Fable 勝出任務:YouTube 影片編輯、3D 遊戲、財務模型、旅行計畫
  • Astra 勝出任務:網頁設計、其他簡單應用
  • 技術問題:Fable 在 Canva 繪畫任務運行 3 小時後停止(之後恢復);Astra 達到筆畫限制
  • 推薦工作流:用 Fable 開發 → 轉成技能 → 由 Astra 執行

結論

兩款模型各具優勢,最優方案是讓 Fable 開發核心邏輯,轉換成技能供 Astra 重複執行,達到品質與成本的最佳平衡。

完整解析

此項測試源於一個務實的商業提問:在眾多高端 AI 模型中,投資報酬率最高的選擇是什麼?為了找到答案,測試者使用 Fable 5.2(整合於 Claude Code 環境)和 GPT 6.2 Astra(整合於 Codeex 環境)來執行相同的 12 個真實業務專案,並細心追蹤每筆成本與每分鐘耗時。

在基礎應用中,Astra 展現了成本優勢。網頁設計案例中,Astra 以 2.5 美元完成一個外觀更清晰的網站,相比之下傳統成本約為 750 美元。然而,當任務複雜度提升時,優勢逆轉。在 Canva 繪畫任務中,Astra 達到筆畫限制,雖然能夠出口作品後在新畫布上繼續,但無法原生完成;Fable 則遇到 3 小時停止的問題,之後卻成功恢復並展現能力。真正分出高下的是專業級工作:在 YouTube 影片編輯中,Fable 能夠調用並應用使用者提供的真實編輯技能,呈現專業水準;而 Astra 則直接忽視該技能,自行創造編輯風格,失去了工作流整合的優勢。

最終統計中,Fable 在 7 個專案中勝出(包括 YouTube 影片編輯、3D 遊戲開發、財務模型建立、旅行計畫規劃),Astra 在 5 個專案領先。然而成本結構帶來了平衡的現實:Fable 的投入成本是 Astra 的 7 倍,運行時間更是長達 5 倍。乍看之下這是一個沈重的代價,但關鍵洞見在於定價機制——兩款模型的基礎費率(每 token 價格)實際上完全相同。差異源自 Fable 為解決更複雜問題所消耗的 token 量更大。針對這一困境,測試者提出了最實用的建議:讓 Fable 專注於一次性解決困難問題,將其解決方案封裝為可重複使用的技能,隨後由成本更低的 Astra 負責執行。這種混合策略既保留了 Fable 在複雜任務上的優勢,又能利用 Astra 的經濟效率。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。