本周新模型盘点：Fable 5.1、GPT-6 Astra、Muse Spark 1.3、Gemini 3.8 Flash 三天连发，智能指数只差 7 分，价格差 100 倍

发布日期：2026-09-04 | 信息口径：Anthropic、OpenAI、Meta、Google 官方发布页与开发者文档，Artificial Analysis 与 ARC Prize 独立评测，IT之家、华尔街见闻等国内报道，截至 2026-09-04

2026 年 9 月 1 日至 3 日，Anthropic、Meta、Google、OpenAI 四家在三天内接连发布了 Claude Fable 5.1、Muse Spark 1.3、Gemini 3.8 Flash 和 GPT-6 Astra 四款新模型，是今年到目前为止发布密度最高的一周。按 Artificial Analysis 智能指数，四款模型分别是 66、62、59、61，最高与最低只差 7 分，但每百万 Token 输出价格从 Gemini 3.8 Flash 的 3.75 美元到 Fable 5.1 和 Astra 的 50 美元相差 13 倍，加上 Meta 允许用数据训练的 0.2 美元档位，价差拉到 100 倍以上。这一周的信号是：顶层模型在拉高 Agent 长任务的上限并调低缓存价格，中层模型以五分之一的价格追平上一代旗舰，Flash 级模型的智能指数已经摸到 Opus 5 中档。本文按发布顺序梳理四款模型的关键数据、彼此之间的竞争格局，以及开发者把它们放进同一个评测脚本的做法。

三天四款，先看时间线

9 月 1 日周二，Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1。两者是同一个基础模型，区别在安全防护等级，Fable 5.1 面向所有用户，Mythos 5.1 只通过受信访问计划提供给经过审核的机构。

9 月 2 日周三，两家同时出手。Meta 发布 Muse Spark 1.3，首席 AI 官 Alexandr Wang 称这是"迄今在模型性能上最大的一次跃升"，编程能力超过 GPT-5.6 Sol、与 Fable 5.1 持平。同一天 Google 在 DeepMind 网站上线 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，这是六周内的第三款 Flash，距离 3.7 Flash 只有三周，国内媒体用的标题是"才三周 Flash 就换代"。

9 月 3 日周四，OpenAI 发布 GPT-6 Astra，总裁 Greg Brockman 以"欢迎进入 AGI 时代"收尾。此前一天 OpenAI 已经放出预告《通往 Astra 之路》，Hacker News 上的评论是"新模型确实还差一点没弄好，只好先发预告"。

一张表看清四款模型

下表把官方文档里的关键参数放在一起，价格单位为美元/百万 Token，智能指数取 Artificial Analysis 最高推理档位的成绩。

模型	发布日	API 模型名	上下文	输入/输出价	缓存读取	AA 智能指数
Claude Fable 5.1	9/1	claude-fable-5-1	1M	10 / 50	0.25	66
Muse Spark 1.3	9/2	muse-spark-1.3	1M	1.25 / 4.25	0.15	62
Gemini 3.8 Flash	9/2	gemini-3.8-flash	1M	0.75 / 3.75	0.075	59
GPT-6 Astra	9/3	gpt-6-astra	1.05M	10 / 50	1	61

几点补充。Muse Spark 1.3 另有 muse-spark-1.3-contributor 版本，输入 0.1 美元、输出 0.2 美元，代价是对话数据会被 Meta 用于改进产品。Gemini 3.8 Flash 的价格是延续 3.7 Flash 的优惠价，2027 年 1 月 1 日起翻倍到 1.5 美元和 7.5 美元。Astra 输入超过 272K Token 后整单按输入 20 美元、输出 75 美元计费。Fable 5.1 的输入输出价与上一代一致，变化全在缓存读取从 1 美元降到 0.25 美元。

Fable 5.1：不涨价，靠缓存降本，科研任务领先最多

Fable 5.1 的发布重点不是跑分而是账单。Anthropic 表示典型工作负载成本比 Fable 5 低约 25%，高度智能体化的任务最多省 45%，原因是 Agent 任务里缓存读取占了成本大头。Artificial Analysis 的独立测算给了另一个角度：Fable 5.1 每个智能指数任务花 3.76 美元，比 Fable 5 高 20%，因为它输出的 Token 是上一代的 1.7 倍，缓存降价把原本 5.16 美元的成本压了下来。

能力上最抢眼的一项是 8 月 27 日刚发布的 Terminal-Bench Science 0.1，Fable 5.1 拿到 52.6%，Fable 5 是 24.7%，Opus 5 是 29.0%，GPT-5.6 Sol 是 22.4%。ARC-AGI-2 上最高档 90.0%，每任务 4.49 美元。Anthropic 还展示了几个科研案例：基于 NASA 麦哲伦号三十多年前的雷达图像，为金星三分之一表面生成了 2 到 3 公里分辨率的新地形图，此前覆盖只有五分之一、分辨率 10 到 20 公里。

API 层面有三处不兼容改动：强制调用工具会报错，早期模型读不了它的思维块，编辑历史轮次会让思维块失效。新增的按消息切换推理档位、轮次级系统消息和工具调用之间的进度更新都还在 beta。HN 上开发者最关心的两件事，一是订阅额度随发布重置，二是有人抱怨 Fable 5 的分类器太敏感、经常被回退到 Opus，Artificial Analysis 测得 5.1 约 4% 的输出 Token 由回退模型生成。

Muse Spark 1.3：五分之一价格追平 Sol，两档定价引发争议

Meta 这次没有公布参数量和架构，把重点放在 Agent 和编程。官方对比表里，DeepSWE v1.1 上 Muse Spark 1.3 拿 75.4%，GPT-5.6 Sol 73.0%，Opus 5 74.0%；Terminal-Bench 2.1 上 88.8% 与 Sol 持平；OSWorld 2.0 从上一代的 47.6% 提到 66.9%；长上下文 MRCR 512K 到 1M 区间 98.1%，Sol 只有 73.8%。Meta 内部工程师的对比是，和 1.2 相比工具调用少约 20%，Token 少约 25%。

Artificial Analysis 给它 62 分，全站 643 个模型里排第六。Bloomberg 的标题是"进一步缩小了与竞争对手的差距"。真正引发讨论的是定价：普通版 1.25 美元和 4.25 美元大约是 Sol 的三分之一，contributor 版 0.1 美元和 0.2 美元只有普通版的十几分之一。HN 上一派认为"对业余开发者来说很难拒绝"，另一派直言"便宜是因为你成了产品"。开放权重这次仍然没有，只写在路线图里。最高推理档位 max 因为安全测试尚未完成，延后上线。

Gemini 3.8 Flash：低调上线，Flash 摸到 Opus 5 中档

Google 这次连新闻稿都没有先发，模型先出现在 DeepMind 网站和 AI Studio 的模型列表里。官方定位是"最智能的主力模型"，价格和速度与 3.7 Flash 一致。Artificial Analysis 测得智能指数 59，与 Opus 5 中档持平，输出速度每秒 305 Token 排全站第三，每个任务 0.58 美元，首 Token 延迟 12.6 秒偏高。HN 上有开发者指出它当天登顶 DeepSWE 榜单，"一个 Flash 模型跑出这个分数，剩下的就看用起来什么样"，也有人提醒它比 3.7 Flash 更"努力"，高档位下 Token 消耗会明显上升。

同步发布的 3.8 Flash Cyber 通过 Fairwind 计划只向政府机构、关键基础设施和软件维护者开放，Google 表示两款模型共享同一个基座，网络安全训练带动了编程和推理的提升。

GPT-6 Astra：拉高上限，价格也是四款里最贵的

Astra 的定位和其他三款不在一个层面。ARC-AGI-3 上 99.9%（厂商适配工具）、FrontierMath Tier 4 上 97.6%，OSWorld 2.0 上 72.6% 且单任务耗时缩短 47%，最高档位输出 Token 比 Opus 5 少约 65%。Artificial Analysis 的智能指数 61 反而低于 Fable 5.1 的 66，机构给出的解释是 Astra 的 Token 用量只有 Sol 的三分之一，每任务成本仍然比 Sol 高 75%。定价与 Fable 5.1 完全对齐，输入 10 美元、输出 50 美元，只是缓存读取贵四倍。

这周四款模型有一条共同的安全脚注。Fable 5.1 的网络安全误报率比上一代降 60%，允许用于发现漏洞但仍禁止开发利用程序，此类任务会重定向到 Opus；Gemini 3.8 Flash Cyber 和 GPT-6 Astra 的完整网安能力都只面向经过审核的防御方开放，Astra 是 OpenAI 第一个触及"关键级"网安阈值的模型。三家不约而同把最强能力分级开放，是这周比跑分更值得记住的变化。

实操：把四款新模型放进同一个评测脚本

四家都提供 OpenAI 兼容接口或 SDK，同一段代码换 base_url 和 model 就能跑完。

第一步，把四个端点写进配置。 密钥从环境变量读取，不要写进代码，Meta 的 base_url 以 dev.meta.ai 快速开始文档为准。

# weekly_probe.py
import os
from openai import OpenAI

ENDPOINTS = {
    "gpt-6-astra":       ("https://api.openai.com/v1", "OPENAI_API_KEY"),
    "claude-fable-5-1":  ("https://api.anthropic.com/v1/", "ANTHROPIC_API_KEY"),
    "muse-spark-1.3":    ("<dev.meta.ai 文档给出的 base_url>", "META_API_KEY"),
    "gemini-3.8-flash":  ("https://generativelanguage.googleapis.com/v1beta/openai/", "GEMINI_API_KEY"),
}

TASK = "阅读下面这段函数并给出修复补丁，只输出 diff：\n<粘贴一段真实代码>"

def probe(model):
    base, key_env = ENDPOINTS[model]
    client = OpenAI(base_url=base, api_key=os.environ[key_env])
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": TASK}],
    )
    u = r.usage
    print(f"{model:<18} in={u.prompt_tokens:>6} out={u.completion_tokens:>6}")
    return u.completion_tokens

for m in ENDPOINTS:
    probe(m)

第二步，把 usage 乘上表里的单价。 输出 Token 数乘以输出价、输入 Token 数乘以输入价，再除以一百万，就是每次调用的成本。跑十次取平均，Astra 和 Fable 5.1 一次调用通常在 0.5 到 3 美元之间，Muse Spark 1.3 和 Gemini 3.8 Flash 在 0.05 到 0.3 美元之间，这个差距比智能指数的 7 分直观得多。

第三步，把国产模型加进同一张表。 国内团队做换代评估时，一般会把 DeepSeek-V4-Pro、GLM-5.3、Kimi K3 拉进同一批任务对照通过率和 Token 消耗。七牛云 AI 大模型广场提供 OpenAI 兼容接口，往 ENDPOINTS 里加一行，base_url 填 https://api.qnaigc.com/v1、model 填 deepseek/deepseek-v4-pro-0813 或 z-ai/glm-5.3 即可。多款主流大模型混用、月用量稳定的团队，可以顺手看一下 Token Plan 的企业订阅，用点数换算和按量对照一次。

写在最后

这一周的四款模型可以按用途分成三层。需要长时间自主执行、容错率低的任务，Fable 5.1 和 GPT-6 Astra 是当前上限，前者缓存便宜、科研任务领先，后者电脑操作和数学更强，两者定价完全一致。日常编程和 Agent 工作流，Muse Spark 1.3 用三分之一的价格拿到 Sol 级别的成绩，是这周性价比变化最大的一款，代价是要在两档定价里选一个。高并发和对延迟敏感的场景，Gemini 3.8 Flash 每秒 305 Token 的速度和 59 分的智能指数已经够用，但要记得明年 1 月价格翻倍。四家的节奏都在加快，Google 六周三款 Flash，OpenAI 和 Anthropic 隔天对垒，下一周大概率还有新名字。

以上数据取自四家厂商 2026 年 9 月 1 日至 3 日的官方发布页与开发者文档，以及 Artificial Analysis、ARC Prize 同期评测，价格与优惠随时可能调整，以官网当日信息为准。