Claude Fable 5.1 vs GPT-6 Astra Comparación

# Claude Code CLI — sesión de codificación agéntica con Fable 5.1
# 1) Instalación (npm)
npm install -g @anthropic-ai/claude-code

# 2) Fijar Fable 5.1 explícitamente (los alias pueden resolverse según el entorno)
claude --model 'claude-fable-5-1[1m]' --effort high

# 3) Llamada programática vía API (Python)
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-fable-5-1",
    max_tokens=4096,
    system=[{"type": "text", "text": "Eres un ingeniero backend senior.", "cache_control": {"type": "ephemeral"}}],
    messages=[
        {"role": "user", "content": "Encuentra el riesgo de consulta N+1 en este esquema de Prisma."}
    ]
)
print(response.content[0].text)

# 4) Economía de cache: la escritura de cache de 5 minutos cuesta $12.50/MTok,
#    el cache-hit solo $0.25/MTok (multiplicador 0.025x — 0.1x en otros modelos)

# Codex CLI — sesión de codificación agéntica con GPT-6 Astra
# 1) Instalación y actualización (0.153.4+ hace de Astra el modelo por defecto incluido)
npm install -g @openai/codex
codex --version   # debe ser >= 0.153.4

# 2) Fijar el modelo explícitamente (~/.codex/config.toml — ambas son claves de nivel superior)
# model = "gpt-6-astra"
# model_reasoning_effort = "high"

codex exec "Encuentra y corrige la condición de carrera en esta ruta de Express"

# 3) Llamada programática vía API (Python)
from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "high"},
    input="Analiza el riesgo de N+1 en esta consulta SQL."
)
print(response.output_text)

# 4) Aumentar el effort sin romper el cache (configuration_update)
# añade {"type": "configuration_update", "reasoning": {"effort": "xhigh"}} al elemento input