GPT-5.6 vs. Claude Fable 5: Har OpenAI tatt igjen Anthropic i 2026?

Du finner mer materiell om konfigurering av verktøy i Ailoot-dokumentasjonen.

Hva skjedde egentlig: GPT-5.6 og Claude Fable 5 på 5 minutter#

To store lanseringer kom med bare noen ukers mellomrom. Claude Fable 5, Anthropics kraftigste bredt tilgjengelige modell, ble avduket 9. juni, deretter midlertidig trukket tilbake på grunn av eksportrestriksjoner og lansert på nytt globalt 1. juli 2026. OpenAIs GPT-5.6 var i forhåndsvisning for partnere 26. juni og ble tilgjengelig for alle 9. juli.

GPT-5.6 kommer i tre varianter for ulike budsjetter og oppgaver:

• Sol (og Sol Ultra) er den kraftigste varianten, laget for cybersikkerhet, terminalarbeid og lange Codex-økter.
• Terra er mellomklassealternativet, en arbeidshest for daglig bruk — et «standardvalg».
• Luna er den rimeligste varianten, for store volumer og enkle oppgaver.

Claude Fable 5 er én enkelt modell uten et slikt utvalg, i tillegg til den lukkede motparten Mythos 5 (samme motor, men uten restriktive filtre; tilgang er bare tilgjengelig gjennom den amerikanske regjeringens cybersikkerhetsprogram). Mythos er ikke tilgjengelig for vibe-kodere, så herfra sammenligner jeg Fable 5 med GPT-5.6-serien.

Hva betyr «tatt igjen»: Hvilke tester slo GPT-5.6 Fable 5 i?#

Overskriftene kom fra en sammenligning på Terminal-Bench 2.1, en samling oppgaver der en modell styrer en terminal og kommandolinje. Tallene er reelle og favoriserer OpenAI:

I terminal- og basharbeidsflyter er GPT-5.6 Sol faktisk raskere og mer nøyaktig enn Fable 5. Hvis du jobber med skript, automatisering av miljøer, logganalyse eller terminalkommandoer, har OpenAI slått Anthropic her. Det er rettferdig å erkjenne, uten å forsøke å pynte på det til fordel for «vår» side.

Problemet med overskriftene ligger et annet sted. «Tatt igjen på Terminal-Bench» blir stille og rolig til «tatt igjen på alle områder». Det stemmer rett og slett ikke.

Hva fastslår den publiserte SWE-Bench Pro-tabellen?#

Terminal-Bench tester terminalarbeid. SWE-Bench Pro tester derimot det vibe-kodere gjør hver dag: tar et ekte prosjekt med innviklet kode, finner en aktiv feil og fikser den uten å ødelegge noe i nærheten. Det ligger nærmere faktisk arbeid enn å kjøre kommandoer i en terminal.

Se på siste rad: Et manglende resultat er manglende belegg, ikke en lav score. Det fastslår verken hvilken modell som vinner, eller hvorfor resultatet ble utelatt. Sammenlign bare tall fra samme test og oppsett, og bruk en prosjektpilot for sammenligningen som ikke er målt.

Anthropic nærmer seg dette fra en annen vinkel og legger vekt på lange oppgaver:

Det finnes også belegg utenfor måleprøvene. Ifølge Anthropic sa folk hos Stripe at Fable 5 komprimerte måneder med arbeid til dager: Modellen fullførte en migrering av en Ruby-kodebase på 50 millioner linjer på én dag — en oppgave som ville tatt teamet mer enn to måneder. Dette er et leverandørvalgt eksempel, ikke en kontrollert sammenligning med Sol. Det foreslår en oppgave som er verdt å teste, men fastslår ikke et relativt forsprang alene.

Det er lett å låse seg fast i spørsmålet «hvilken modell er kraftigst». Men i prosjektene mine er det oftere ikke modellen, men det jeg legger inn i konteksten, som utgjør forskjellen. Selv en mellomklassemodell med en godt sammensatt business/ og CLAUDE.md presterer bedre enn en toppmodell med tom kontekst.

Hva koster GPT-5.6 egentlig sammenlignet med Claude Fable 5?#

Pristabellen bevarer verdiene fra lanseringen til sammenligning, ikke dagens priser. Kontroller gjeldende offisiell pris før du budsjetterer en ny kjøring. Pris er den andre halvdelen av en ærlig samtale. Et token er en tekstbit som modellen bruker til å måle omfang: Jo lengre prompten og svaret ditt er, desto flere tokener bruker du, og desto mer penger trekkes fra kontoen din. For en vibe-koder er dette reelle penger.

Selv toppvarianten Sol koster omtrent halvparten av Fable for utdata, mens Luna koster flere ganger mindre. Hvis du kjører et stort antall lignende oppgaver og kvalitetsforskjellen ikke er kritisk for dem, kan GPT-5.6 gi betydelige besparelser.

Men prisen per token er ikke det samme som prisen per resultat. Hvis en modell bommer på oppgaven to ganger, har du betalt tre ganger: to ganger for de mislykkede forsøkene og én gang for det riktige. På en vanskelig oppgave kan en mer nøyaktig modell vise seg å bli billigere, selv om tokenene koster mer. Et billig forsøk som må gjentas, er det dyreste. Jeg har gått gjennom denne skjulte regnestykket separat i veiledningen om de reelle kostnadene ved vibe coding.

Hva er viktig for en vibe-koder, og hva er markedsføring?#

Begge selskapene presenterer bildet som gagner dem. OpenAI viser til Terminal-Bench, der de vinner, og sier «vi har tatt dem igjen». Anthropic viser til lange migreringer som belegg for modellens evner. Leverandøreksempler og separate tester er nyttige innspill, men etablerer ikke én felles rangering på tvers av oppgaver.

Dette kan du ta med deg:

1. Én test beskriver ikke en modell. «Slo den på Terminal-Bench» og «best til koding» er ulike påstander. Sjekk nøyaktig hvilken benchmark en overskrift viser til.
2. Behandle manglende resultater som ukjente. En utelatt score avslører verken ytelsen eller grunnen til utelatelsen. Finn en sammenlignbar publisert kjøring eller mål egen oppgave fremfor å tilordne en rangering.
3. Oppgaven din betyr mer enn en samlet rangering. Modellen som ligger på førsteplass i snitt, kan ligge på tredjeplass for det du faktisk gjør.

Å kontrollere andres bastante påstander er en ferdighet i seg selv. Hvis du ennå ikke vet hvordan du skal lese modellresultater kritisk, kan du ta en titt på denne veiledningen i å kontrollere AI-generert kode når du ikke selv er programmerer.

GPT-5.6 eller Claude Fable 5: Hvilken bør du velge til oppgaven din?#

I stedet for å spørre «hvem vant totalt?», er en tabell over «hva du bør bruke til hvilken oppgave» mer nyttig:

Mange ender opp med å ha begge alternativene tilgjengelig og bytte etter oppgaven. Hvis du spesielt er ute etter kodefikser og lange oppgaver i et kjent verktøy, har jeg en egen veiledning om å jobbe med Claude Fable 5 i Claude Code. Hvis du foretrekker OpenAI-økosystemet, kan du se hvordan du bytter til Codex. Og hvis du er mer interessert i et åpent og rimeligere alternativ til begge, kan du se sammenligningen av GLM-5.2 og Claude Code.

Hvorfor modellen ikke er den viktigste faktoren for effektivitet#

Jeg har prøvd ulike modeller i prosjektene mine, og her er det jeg la merke til: For de fleste av oppgavene mine er forskjellen mellom «modellen på førsteplass» og «modellen på tredjeplass» mindre enn forskjellen mellom «et tomt prosjekt» og «et prosjekt med godt sammensatt kontekst». Den samme modellen produserer søppel fra en naken prompt, men gir et fungerende resultat med en struktur bygget rundt business/ og CLAUDE.md.

Derfor er kappløpet bak overskrifter om «hvem som tok igjen hvem» sekundært for en vibe-koder. Tre ting som fungerer med alle disse modellene, betyr mye mer:

• En business/-mappe med en sammenkoblet kunnskapsstruktur om arbeidet ditt, som modellen leser ved hver forespørsel.
• Styring av hva som legges inn i konteksten før du formulerer prompten.

Bygg denne kombinasjonen, så slutter forskjellen mellom GPT-5.6 og Fable 5 å være avgjørende. Begge blir mer forutsigbare fordi de ikke lenger jobber i et vakuum.

Hva du bør gjøre nå#

En praktisk rekkefølge:

1. Velg én ekte oppgave

   Velg noe du faktisk gjør: fikse en feil, bygge en produktseksjon eller skrive et skript. Leketøyeksempler er ikke representative.

2. Kjør den på begge modellene

   Bruk samme prompt på GPT-5.6 og Claude Fable 5. Sammenlign ikke bare resultatet, men også hvor mange forsøk det tok.

3. Beregn kostnaden per resultat

   Beregn hele kostnaden: alt som måtte til for å få oppgaven fram til et fungerende resultat. Prisen per token kan være misvisende her.

4. Sett sammen prosjektkonteksten din

   CLAUDE.md og business/-mappen vil forbedre kvaliteten mer enn å bytte modell.

Modellene vil fortsette å ta igjen hverandre, og hvert skifte i forspranget vil bli framstilt som «epokegjørende». Du trenger ikke å jage den nyeste modellen hver gang; vinneren er den som inngår i en godt sammensatt arbeidsflyt. Det er derfor verdt å investere i den neste.

Hele diskusjonen om modeller koker ned til én ting: Uten godt sammensatt kontekst er alle modellene ustabile. Finn mer materiell om bruk av verktøy i Ailoot-dokumentasjonen.