Claude Fable 5.1 vs GPT-6 Astra Vergleich

# Claude Code CLI — Agentische Coding-Session mit Fable 5.1
# 1) Installation (npm)
npm install -g @anthropic-ai/claude-code

# 2) Fable 5.1 explizit pinnen (Aliase können umgebungsabhängig aufgelöst werden)
claude --model 'claude-fable-5-1[1m]' --effort high

# 3) Programmatischer Aufruf über die API (Python)
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-fable-5-1",
    max_tokens=4096,
    system=[{"type": "text", "text": "Sen bir kıdemli backend mühendisisin.", "cache_control": {"type": "ephemeral"}}],
    messages=[
        {"role": "user", "content": "Bu Prisma şemasındaki N+1 sorgu riskini bul."}
    ]
)
print(response.content[0].text)

# 4) Cache-Ökonomie: 5-Minuten-Cache-Write $12,50/MTok,
#    Cache-Hit nur $0,25/MTok (0,025x-Multiplikator — bei anderen Modellen 0,1x)

# Codex CLI — Agentische Coding-Session mit GPT-6 Astra
# 1) Installation und Update (0.153.4+ macht Astra zum Bundled Default)
npm install -g @openai/codex
codex --version   # muss >= 0.153.4 sein

# 2) Modell explizit pinnen (~/.codex/config.toml — beide sind Top-Level-Schlüssel)
# model = "gpt-6-astra"
# model_reasoning_effort = "high"

codex exec "Bu Express route'undaki race condition'ı bul ve düzelt"

# 3) Programmatischer Aufruf über die API (Python)
from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "high"},
    input="Bu SQL sorgusundaki N+1 riskini analiz et."
)
print(response.output_text)

# 4) Effort ohne Cache-Bruch erhöhen (configuration_update)
# Zum input-Element {"type": "configuration_update", "reasoning": {"effort": "xhigh"}} hinzufügen