Claude Fable 5.1 vs GPT-6 Astra Comparaison

# Claude Code CLI — session de codage agentique avec Fable 5.1
# 1) Installation (npm)
npm install -g @anthropic-ai/claude-code

# 2) Épingler Fable 5.1 explicitement (les alias peuvent se résoudre différemment selon l'environnement)
claude --model 'claude-fable-5-1[1m]' --effort high

# 3) Appel programmatique via l'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) Économie de cache : écriture cache 5 minutes à $12.50/MTok,
#    cache-hit seulement $0.25/MTok (multiplicateur 0.025x — 0.1x pour les autres modèles)

# Codex CLI — session de codage agentique avec GPT-6 Astra
# 1) Installation et mise à jour (0.153.4+ fait d'Astra le défaut intégré)
npm install -g @openai/codex
codex --version   # doit être >= 0.153.4

# 2) Épingler le modèle explicitement (~/.codex/config.toml — les deux sont des clés top-level)
# model = "gpt-6-astra"
# model_reasoning_effort = "high"

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

# 3) Appel programmatique via l'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) Augmenter l'effort sans casser le cache (configuration_update)
# ajouter {"type": "configuration_update", "reasoning": {"effort": "xhigh"}} à l'élément input