Yayın Tarihi ve GA Durumu: 1 Eylül vs 3-4 Eylül
Claude Fable 5.1 ve Claude Mythos 5.1, Anthropic'in 1 Eylül 2026 tarihli resmi duyurusuyla piyasaya çıktı. Fable 5.1 doğrudan genel kullanıma (GA) açıldı; Mythos 5.1 ise yalnız Anthropic'in trusted-access programları üzerinden erişilebiliyor — yani her kullanıcı Mythos 5.1'e ulaşamıyor. İki gün sonra, 3 Eylül'de OpenAI GPT-6 Astra'yı duyurdu ve rollout'u kademeli başlattı: önce sınırlı bir organizasyon grubuna, ardından günler içinde ChatGPT Plus, Pro, Business ve Enterprise kullanıcılarına, aynı zamanda OpenAI API, Microsoft Azure ve AWS Bedrock'a yayıldı. 4 Eylül'de iki önemli gelişme daha oldu: GitHub Copilot'ta Astra genel kullanıma açıldı (Fable 5.1 aynı platformda üç gün önce, 1 Eylül'de GA olmuştu) ve Codex CLI'nin 0.153.4 sürümü, açık bir model yapılandırması olmadığında Astra'yı bundled default model yaptı (aynı gün birkaç saat önce yayımlanan 0.153.3 sürümü ise Astra'yı Amazon Bedrock model seçicisine eklemişti). Sonuç: her iki model de 7 Eylül itibarıyla henüz bir haftalık — production'da uzun soluklu kullanım verisi henüz yok, ama dağıtım hızı ikisinde de dikkat çekici ölçüde agresif.
Fiyat ve Cache Ekonomisi: Nominal Eşitlik, Gerçek Fark Cache'te
Yüzeyde iki model aynı fiyat noktasında: $10/MTok girdi, $50/MTok çıktı — standart, kısa-context kullanımda. Ama asıl hikâye cache-read fiyatlandırmasında saklı. Anthropic'in standart modellerinde cache-hit fiyatı base girdinin 0.1x'i iken, Fable 5.1 ve Mythos 5.1'e özel olarak bu çarpan 0.025x'e indirildi — yani cache-hit başına $0.25/MTok. Anthropic bunun Fable 5'e kıyasla tipik iş yükünde ~%25, ağır agentic senaryolarda ~%45'e varan tasarruf sağladığını belirtiyor. GPT-6 Astra tarafında cache-hit standart 0.1x çarpanla $1.00/MTok — Fable 5.1'in 4 katı; üstüne Astra'nın 272.000 token'ı aşan promptlarda girdi/cache 2x, çıktı 1.5x artan bir eşiği var. Birim fiyatlara bakınca Fable 5.1 cache-ağır senaryolarda ucuz görünüyor. Ama toplam fatura yalnız birim fiyattan ibaret değil: Artificial Analysis'in görev-başı ölçümünde Fable 5.1 (max) $6.12, GPT-6 Astra (max) $2.57 çıktı — aynı görev seti Fable tarafında yaklaşık 2,4 kat pahalıya mal oldu. Sebep harcanan token: Anthropic'in kendi fiyatlandırma dokümanı Claude 4.7 ve sonrası modellerin aynı metin için yaklaşık %30 daha fazla token ürettiğini yazıyor, üstüne reasoning token'ları biniyor. Ucuz birim fiyat, ucuz fatura demek değil.
Context Penceresi ve Bilgi Kesim Tarihi
İki model de pratik olarak eşdeğer context penceresine sahip: Fable 5.1 tam 1.000.000 token, GPT-6 Astra ise 1.050.000 token — aradaki %5'lik fark günlük kullanımda hissedilir bir avantaj yaratmıyor. Çıktı limitleri de eşit: her ikisi de 128.000 token. Asıl ayrışma bilgi kesim tarihinde: Fable 5.1'in güvenilir bilgi kesimi Haziran 2026'ya kadar uzanırken, GPT-6 Astra'nın kesim tarihi 30 Nisan 2026. Yaklaşık iki aylık bu fark, hızla değişen kütüphane sürümleri, yeni framework API'leri veya güncel güvenlik açıkları gibi konularda Fable 5.1'e küçük ama gerçek bir taze-bilgi avantajı sağlıyor. Uzun-context kullanımda dikkat edilmesi gereken bir diğer nokta: Astra'da 272K token eşiğinin üzerinde fiyat artışı devreye giriyor, Fable 5.1'de ise böyle bir kademeli fiyat yapısı bulunmuyor — 1M token'a kadar tek fiyat geçerli.
Hangi Araçlarda Varsayılan: Claude Code vs Codex CLI
Fable 5.1, Anthropic'in kendi launch duyurusuna göre Claude Code'da varsayılan olarak High effort seviyesinde çalışıyor; Claude Cowork ve Claude.ai'de ise Medium effort varsayılan. Bu, CLI/agentic geliştirme senaryolarında modelin daha derin düşünme bütçesiyle çalıştığı, tüketici-yüzlü arayüzlerde ise daha hızlı yanıt için orta seviyede tutulduğu anlamına geliyor. GPT-6 Astra tarafında ise net bir dönüm noktası var: Codex CLI'nin 0.153.4 sürümü (4 Eylül 2026), açık bir model yapılandırması olmadığında Astra'yı bundled default model hâline getirdi — yani config.toml'da model belirtmemiş geliştiriciler otomatik olarak Astra'ya geçti. OpenAI'ın kendi model kataloğu da 'nereden başlayacağını bilmiyorsan GPT-6 Astra'yı kullan' diyerek onu amiral model olarak öne çıkarıyor ve model kartında 'en zor uçtan-uca işler için inşa edilmiş en yetenekli model' olarak konumlandırıyor. Pratik sonuç: her iki ekosistemde de kendi amiral aracı (Claude Code / Codex CLI) kendi en yeni modelini öne çıkarıyor — mevcut araç seçimi büyük ölçüde model seçimini de belirliyor.
Adaptive Thinking ve Effort Kontrolü
Her iki model de 5 seviyeli bir effort/reasoning kontrol sistemine sahip: low, medium, high, xhigh ve max. Fable 5.1'de thinking 'adaptive (always on)' olarak tanımlanıyor — yani düşünme mekanizması tamamen kapatılamıyor, yalnızca yoğunluğu ayarlanabiliyor; bu, Opus 5 ve Sonnet 5'teki sade 'adaptive' etiketinden farklı, daha katı bir davranış. GPT-6 Astra'da reasoning.effort parametresi aynı 5 seviyeyi destekliyor ama önemli bir istisnası var: 'none' effort seviyesi desteklenmiyor, yani Astra da minimum düzeyde bile bir miktar akıl yürütme yapmaya zorlanıyor. Astra'nın farklılaştığı nokta, configuration_update adlı bir input öğesiyle, mevcut prompt prefix'ini yeniden yazmadan — dolayısıyla cache'i bozmadan — konuşma ortasında effort seviyesini artırabilmesi. Bu, uzun bir agentic oturumda aniden daha zor bir alt-göreve geçildiğinde cache avantajını korurken derinliği artırma imkânı sunuyor.
Bağımsız Benchmark Durumu: Artificial Analysis Ölçümleri
3 Eylül 2026'da Artificial Analysis, iki modeli birlikte değerlendiren ilk bağımsız analizi yayınladı; karşılaştırma sayfası ise canlı güncelleniyor. Sonuç tek yönlü değil: Intelligence Index'te (v4.2) Fable 5.1 (max effort, default fallback) 57 puanla Astra'nın (max) 55 puanının hafif önünde; Coding Agent Index'te de Fable 70-67 ile önde (Fable Claude Code, Astra Codex harness'ında ölçülmüş — harness farkı sonucu etkileyebilir). Hız tarafında tablo neredeyse başa baş: ikisi de ~70 token/sn bandında (Artificial Analysis canlı ölçümü, 7 Eylül 2026 okuması: Astra 67, Fable 5.1 69); ama ilk yanıt token'ında (düşünme dahil) Astra belirgin şekilde yavaş (370 sn vs 265 sn). Kısacası 'X kazandı' demek bu aşamada yanıltıcı olur — hangi metriğe baktığına göre sonuç değişiyor. Bu sayfadaki öğrenme eğrisi, iş piyasası ve geleceğe-dayanıklılık puanlarını bu gözle oku: iki model de bir haftalık olduğu için bu eksenlerde bağımsız veri yok; puanlar editoryaldir.
Üretici Tabloları ve Sınırları
Anthropic'in lansman tablosu Astra'dan önce yayımlandığı için onu içeremiyor; OpenAI'ın tablosu ise Fable 5.1'i doğrudan listeliyor — ama benchmark seçimi ve koşum koşulları üreticinin kendisine ait, bağımsız tekrar yok. Terminal-Bench 4.0'da Astra önde: OpenAI'ın kendi tablosunda %57.9'a karşı Fable 5.1'in %55.8'i — ve bu ikinci rakam Anthropic'in kendi lansman tablosuyla birebir aynı; iki üretici aynı sayıyı yazıyor. Aynı tabloda Astra, DeepSWE v1.1 (%74.1 vs %67.4), FrontierCode 1.1 Main (%53.3 vs %50.9) ve OpenAI'ın kendi veritabanı-göçü görevlerinde (%63.9 vs %57.8) de önde; FrontierCode 1.1 Extended'da fark daha küçük (%64.5 vs %63.6). Tablonun dipnotu skorların 'herhangi bir effort'taki maksimum' olduğunu ve GPT ölçümlerinin OpenAI'ın araştırma ortamında koşulduğunu söylüyor — yani rakamlar üreticinin seçtiği koşullarda alınmış. Bu tabloda Fable 5.1'in Coding Agent Index hücresi boş; Fable'ın 70 puanı Artificial Analysis'in kendi makalesinden geliyor.