GPT-6 Astra kontra Fable 5.1: pojedynek na 15 rzeczywistych zadaniach

O czym jest ten film

Autor zestawił GPT-6 Astrę i Fable 5.1 w piętnastu zadaniach z własnej codziennej pracy: prezentacja biznesowa, tekst sprzedażowy, podatki, audyt subskrypcji w mailach, analiza spotkań, dwa materiały wideo, gra, aplikacja, wizualizacja notatek, dokumentacja, obraz w Canvie, publikacja kursów, strona WWW i roczny przegląd kanału.
Każde zadanie ocenia w trzech wymiarach: jakość efektu, czas wykonania i koszt w dolarach.
Charakterystyczna różnica: Astra przed startem zadaje pytania doprecyzowujące, a Fable zwykle bierze polecenie i od razu rusza do roboty.
Astra wygrała ostatecznie 10:5; jej żywiołem okazały się analizy (podatki, maile, spotkania, statystyki kanału), budowa narzędzi i sterowanie przeglądarką.
Fable zgarniała punkty w zadaniach „tekstowych”: prezentacja, list sprzedażowy, dokument-objaśnienie, odtworzenie strony internetowej.
W sterowaniu przeglądarką różnice były drastyczne: Fable nie zdołała nawet wgrać filmów na platformę kursową, a jej malunek w Canvie był komicznie słaby.
Ceny potrafią zaskoczyć: analiza spotkań kosztowała u Fable 46 dolarów, u Astry 5,12; cały test — 513,36 dolara wobec 326,98.
Tańsza okazała się przy tym wolniejsza: Astra potrzebowała łącznie 11 godzin 19 minut, Fable 9 godzin 35 minut.
Autor podkreśla, że część ocen to kwestia gustu, i zachęca do powtarzania takich testów pod własne zastosowania.
Do większości pracy wiedzowej wystarczyłby starszy GPT-5.6 Soul — autor utrzymuje subskrypcje obu ekosystemów, bo równowaga między modelami zmienia się zbyt szybko.

Redakcyjne tłumaczenie

Piętnaście zadań z prawdziwego życia

Zestawiłem GPT-6 Astrę z Fable 5.1 w piętnastu zadaniach, które naprawdę pojawiają się w mojej pracy od poniedziałku do piątku: projektowanie stron, porządkowanie życia prywatnego, podatki, sterowanie przeglądarką, rozumienie obrazów, a wreszcie budowa prawdziwych automatyzacji i oprogramowania. W każdym z nich pokazuję, który model poradził sobie lepiej, ile to trwało i ile kosztowało. Jeśli więc zastanawiasz się, po który model sięgać i do czego — ten materiał jest dla ciebie. Nie przedłużamy, bierzemy się do rzeczy.

(Informacja dodatkowa: z kontekstu wynika, że „Astra” to GPT-6 uruchamiany w środowisku Codex (OpenAI), a Fable 5.1 działa w ekosystemie Claude. Oba modele dostawały identyczne prompty i dostęp do tych samych danych autora.)

Wybrałem te zadania świadomie — to wszystko rzeczy, które faktycznie robię z tymi modelami. W opisie filmu są znaczniki czasu, a na końcu pokażę zbiorcze wnioski wraz z całkowitym bilansem kosztów i czasu. Dla porządku dodam, że przy okazji tych testów wyczerpałem trzy subskrypcje Codex, cztery subskrypcje Claude i wydałem tysiące dolarów na kredyty obliczeniowe. Liczę, że komuś to oszczędzi podobnych wydatków.

Test 1. Prezentacja „na poziomie McKinsey”

Zaczynamy od prezentacji. Nie będę odczytywał całych promptów, ale chodziło o raport o stanie sektora małych i średnich firm „na poziomie McKinsey” dla mojej marki konsultingowej Hercules Consulting. Materiał miał być firmowany moim logo i trafiać do odbiorców, do których kieruje się ta fikcyjna firma doradcza. Fable dostała dokładnie to samo polecenie co Codex.

Od razu rzuciła mi się w oczy jedna rzecz: GPT-6 Astra zaczyna od pytań. Zanim cokolwiek zrobił, wypytował o szczegóły. Fable przyjęła polecenie i po prostu ruszyła z robotą. Ta różnica powtarzała się w całym teście, więc odnotowuję ją już na starcie.

Zobaczmy obie talie. Pierwsza — na razie nie zdradzam, czyja — od pierwszego wejrzenia robi dobre wrażenie: wielkie litery w tytułach, zgodność z identyfikacją marki, profesjonalny sznyt. Fakty w obu wersjach sprawdziłem wcześniej i pod tym względem obie są w porządku — research się zgadza. Patrzę więc głównie na oprawę.

Mamy dziś moment, w którym oba modele są po prostu bardzo inteligentne. Nie trzeba już tak bardzo martwić się o wysyłanie agentów po materiały. Dla mnie sedno przesunęło się gdzie indziej: jak model wraca z wynikami i opowiada je w formie, którą da się komuś pokazać. Bo o to właśnie chodzi — zamienić chaos danych w coś czytelnego i porządnego.

Ta pierwsza talia jest bardzo spójna z moją kolorystyką, ma stopkę, którą cenię, ma strukturę i kolumny. Dobra robota. Problem w tym, że jest nad wyraz gęsta od słów. Prezentowanie z czegoś takiego byłoby męczarnią, bo trudno zapanować nad tym, gdzie patrzy publiczność i o czym właśnie mówimy. Jako slajdy do wystąpienia — średnio. Jako dokument, który wysyłasz komuś do przeczytania — bardzo dobrze. Do tego mnóstwo źródeł na końcu. Wyszło 35 slajdów.

Druga wersja od wejścia traci punkty za tytuł z małej litery — detal, a jednak psuje odbiór. Są obrazki, jest kolorystyka. Przewijamy: mniej tekstu, ale i mniej struktury. W poprzedniej każdy slajd miał kompozycję i kolumny; tutaj wszystko jest bardziej abstrakcyjne — jeden wielki blok, jeden wielki tytuł. Jako podkład do wystąpienia na żywo — lepszy. Ale ogólnie wydaje się mniej profesjonalny: zamiast McKinsey kojarzy mi się z Google Slides albo Canvą. Brakuje stałej stopki, logo nie ma na każdym slajdzie, sekcja źródeł jest skromniejsza — choć linki się zgadzają.

Druga talia okazała się dziełem Astry, pierwsza — Fable. I w tym starciu podobała mi się bardziej Fable. Punkt dla niej za sam efekt.

A teraz liczby. Fable: 37 minut i 26 dolarów. Astra: 23 minuty i 12 dolarów — mniej niż połowa kosztu i czternaście minutes szybciej. Nasuwa się pytanie: gdyby wydać zaoszczędzone 14 dolarów na dopracowanie pierwszej wersji Astry, czy wyszłoby coś lepszego niż pierwszy strzał Fable? Pełne zestawienie znajdzie się na końcu, ale pod względem samego efektu — wygrywa Fable.

Test 2. List sprzedażowy dla programu certyfikacyjnego

Zadanie drugie: tekst sprzedażowy. Poprosiłem o landing page dla mojego programu certyfikacyjnego — ale bez podawania materiałów z ręki. Każdy model miał sam sięgnąć do mojego systemu AIOS, czyli swego rodzaju drugiego mózgu, zrobić research i napisać copy pod konwersję: przemyśleć sylwetkę klienta, jego bolączki i całą resztę. I żeby nie brzmiało jak wygenerowane przez AI.

Nie będę czytał całych listów — to byłaby nuda. Przejrzę je pobieżnie i powiem, który moim zdaniem lepszy i dlaczego.

Wersja Fable jest długa — około 2800 słów. Wersja Astry przyszła prosto do czatu; moja pierwsza odczytana liczba była błędna — nie 1700, tylko około 1300 słów. Czyli mniej więcej połowa objętości Fable.

Małe zastrzeżenie: nie jestem zawodowym copywriterem — ostateczną ocenę zostawiłbym komuś takiemu jak John z mojego zespołu, który pisze naprawdę dobrze. Sygnał, który do mnie dociera, jest taki, że ostatnio w pisaniu lepiej wypadają modele GPT — kiedyś zdecydowanie królował Claude. Natomiast gdybym to ja był potencjalnym słuchaczem certyfikacji i czytał te dwa teksty, szczerze wybrałbym Fable. Ten program nie jest tani, a Fable dorzuciła sekcję pytań, które ludzie naprawdę zadają: „Czy to pomoże mi znaleźć pracę?”, „Czy każdy, kto dołączy, dostaje certyfikat?”, „Czy wystarczę technicznie?”, „Prowadzę już agencję — co, jeśli opuszczę zajęcia na żywo?”. Sam układ tych sekcji buduje poczucie, że wiem, na co się piszę. Była też część o czesnym, o tym, kto prowadzi zajęcia, dla kogo program jest, dla kogo nie jest i jak to wszystko działa. List Astry wydawał mi się bardziej „z lotu ptaka”. A dobry list sprzedażowy ma być na tyle szczegółowy, żeby odpowiadać na wszystkie pytania człowieka, który zastanawia się nad zapłaceniem.

Zatem i ten pojedynek, jako pierwsze podejście bez poprawek, daję Fable. Czasy: Fable około cztery minuty, Astra około trzy. Koszt: 1,43 dolara u Astry wobec prawie czterech dolarów u Fable. Mimo to — punkt dla Fable.

Test 3. Podatki za pierwsze półrocze

Trzecie zadanie pokażę z rozmytymi ekranami, bo dotyczy moich podatków. To temat, w którym potrzebujesz czegoś bardzo inteligentnego — i czegoś, czemu potrafisz zaufać.

Zanim przejdę do efektów: tutaj GPT-6 Astra zadał mi najpierw siedem pytań, Fable ani jednego. Już to samo sprawia, że większą ufność pokładam w wyniku Astry.

Wersja Fable prowadzi mnie od stycznia do czerwca, czyli przez pierwszy i drugi kwartał. Model wyciąga wszystkie liczby, patrzy na podatki federalne i stanowe, na rzeczy, które mam przeczytać; pokazuje parametry, notatki, wartości i źródła. Dorzuciła też logikę decyzyjną w stylu „jeśli należysz do tej grupy — rób tak, jeśli do innej — inaczej”. Jest rachunek zysków i strat, prognozy na resztę roku, czyli orientacyjne kwoty do zapłaty, wyliczenia dla zeznania osobistego i spółek rozliczanych na właścicielach, lista wpłat, rzeczy oflagowane do uwagi i źródła. Nie jest źle — to znakomity materiał, nie do porównania z tym, jak to kiedyś wyglądało.

Teraz wersja Astry: sekcja „zacznij tutaj”, wyniki miesięczne, prognoza podatkowa — wygląda to bardzo dobrze — wszystkie wpłaty, dane wejściowe i otwarte kwestie, czyli rzeczy, w których muszę jeszcze coś doprecyzować. Całość jest po prostu bardziej skrojona pod mnie i czyta się łatwiej. Są weryfikacje źródeł. No i jest rejestr transakcji: dosłownie każda z osobna. To są tysiące wierszy — dokładnie 3 739 — plus wszystkie źródła, z których model korzystał.

Ogólnie: Astra wygrywa to starcie bez dyskusji. Bardziej dopasowany efekt, samo zadawanie pytań — a przy podatkach to właśnie buduje pewność — i lepiej zbudowany dokument. Zapłaciła za to więcej i dłużej pracowała: 40 minut i 22 dolary wobec 22 minut i 13 dolarów u Fable. Na ten moment odkładamy pieniądze na bok: pod względem efektu wygrywa Astra. Stan gry: 2:1 dla Fable.

Test 4. Audyt subskrypcji w dwóch skrzynkach mailowych

Czwarte zadanie: kazałem obu modelom przejrzeć dwie moje skrzynki — potencjalnie lata korespondencji — i wyłuskać informacje o subskrypcjach: za co płacę, ile łącznie zapłaciłem, które ceny poszły w górę i co warto anulować.

Oto pierwsza wersja, autorstwa Fable. W dalszych zakładkach będą rozmycia — to dane finansowe. Na wstępie podsumowanie audytu: jakie maile przejrzano, jakie typy usług się w tym mieszczą — członkostwa, programy, abonamenty, kontraktorzy, ubezpieczenia. Widzimy pierwszą dziesiątkę, kategorie i instrukcję, jak czytać arkusz. Dalej wszystkie aktywne subskrypcje: z jakim kontem są powiązane, w którym dniu miesiąca przychodzi faktura, aktualna cena, odpowiednik miesięczny i statystyki płatności cyklicznych. Wszystko jest oflagowane i ustawione w kolejce priorytetów: coś nieopłaconego, podwyżka ceny, cichy przyrost licencji, a tu nagle mam dwie subskrypcje tej samej usługi na dwóch kontach — warto by sprawdzić, skąd się wzięły. Rzecz w tym, że model potrafi przejrzeć masę informacji i podać na tacy listę rzeczy o wysokim priorytecie, które można odhaczać albo delegować zespołowi. Jest też zakładka „wszystkie opłaty” — i ona wróciła kompletnie pusta, nie wiem dlaczego. Zamyka zestaw zakładka z kontraktorami i dużymi płatnościami: wszystko powyżej kilku tysięcy dolarów albo jednorazowe faktury.

Wersja Astry. Zauważcie zresztą, że oba modele inaczej formatują arkusze Google: Astra robi komórki większe i szersze, Fable trzyma je w normie — oba formatują dobrze, po prostu w swoim stylu. Znowu audyt na wstępie: bieżący poziom wydatków cyklicznych, koszt roczny, płatności za narzędzia, faktury bez potwierdzenia, inne rachunki, zmiany cen. Priorytety oflagowane od razu: kończący się rabat, zmiana poziomu umowy, podwyżka, zmiana terminu, nadmiarowe licencje i nakładające się narzędzia. Potem lista wszystkich subskrypcji z ceną, ostatnim znanym rachunkiem i dniem kolejnej płatności. Dalej większe umowy i rachunki, a potem zakładka z płatnościami — wszystkie po kolei, czyli dokładnie to, co u Fable zostało puste. Na końcu notatki z tematami do pilnowania.

Werdykt: Astra dała lepszy efekt — Fable zepsuła jedną zakładkę w całości, a Astra była przy tym tańsza: 12,50 dolara wobec około 50 dolarów. Pięćdziesiąt dolarów za taki materiał — to zakrawa na absurd. Zajęło jej to 30 minut wobec 17 u Fable, ale punkt idzie do Astry. Remis, 2:2.

Test 5. Analiza spotkań: trzy wąskie gardła i jedna automatyzacja

Poprosiłem o przejrzenie moich spotkań kierowniczych, synchronizacji z Johnem i innych spotkań istotnych dla zespołu. Model miał wskazać trzy największe bolączki oraz jedną najbardziej wartościową automatyzację, którą dałoby się zbudować, żeby zdjąć blokady i szybciej skalować firmę.

Fable wskazała: po pierwsze — jestem jedynym silnikiem produkcji i kontroli treści (pojawiło się to w 25 z 58 przeanalizowanych spotkań); po drugie — dostarczanie certyfikacji nie skaluje się poza jedną kohortę (52 słuchaczy); po trzecie — krytyczne wąskie gardło firmy jest zarazem dużym centrum kosztów, popyt się załamał, a każda poprawka blokowana jest przez nieznaną pracę i dane, którym nie można ufać — tygodniowe leady spadły. Wszystko się zgadza — to rzeczywiście nasze trzy główne problemy. Jako automatyzację Fable zaproponowała warstwę AI do opieki nad słuchaczami certyfikacji: jedno „żywe dossier” każdego studenta, złożone z jego aktywności w Circle, wyników sprawdzianów i obecności; omówienia przypadków lądowałyby na jednym adresie zbiorczym zamiast w prywatnych wiadomościach do Pata; a cotygodniowe terminy i przypomnienia dla osób bez postępów wychodziłyby przez Gmaila albo beehiiv. To coś, o czym od dawna rozmawiamy i co ma sens w świetle tych wszystkich nagrań.

(Informacja dodatkowa: Circle i beehiiv to platformy, odpowiednio, społecznościowa i newsletterowa, z których autor korzysta przy swoim programie certyfikacyjnym.)

Dla porównania: Fable przeanalizowała 58 spotkań, Astra — 79, czyli miała w kontekście 21 nagrań więcej. Co wyszło u Astry? Po pierwsze: wzrost opiera się zbyt mocno na kilku kanałach pozyskiwania klientów — ta sama bolączka co u Fable. Po drugie: droga klienta wymaga zbyt dużo osobistych interwencji — w rozmowach onboardingowych i w trakcie certyfikacji — a kierownictwo wciąż musi odtwarzać status i wyjaśniać, kto za co odpowiada. Ciekawe: to inne wąskie gardła niż u Fable. Automatyzacja natomiast wyszła ta sama: przepływ do opieki nad słuchaczami, który sprawdza status onboardingu, niezadane pytania i postępy, wychwytuje potknięcia i przygotowuje dalsze kroki.

Tu znowu wygrywa Astra — zanim w ogóle spojrzałem na koszty. Podobała mi się jej rekomendacja dotycząca porządku w odpowiedzialnościach kierownictwa — to coś, co zespół musi mieć ogarnięte. A liczby są absurdalne: Astra kosztowała 5 dolarów i 12 centów, Fable — 46 dolarów. Nie mam pojęcia, skąd ta kwota. Sprawdziłem logi sesji, wpisałem komendę sprawdzenia zużycia — aktywny czas agenta to raptem sześć minut, przeanalizowała mniej spotkań niż Astra, a i tak 46 dolarów. Nie rozumiem, gdzie poszły te tokeny. Tak czy inaczej: punkt dla Astry, stan 3:2.

Test 6. Jednaminutowy reel podsumowujący wydarzenie (150 GB materiału)

To zadanie jest mi szczególnie bliskie. Wrzuciłem folder z ponad 150 gigabajtami nagrań i zasobów z naszego lipcowego wydarzenia AIS Live i poprosiłem o energiczny, sześćdziesięciosekundowy reel podsumowujący — coś, czym można promować kolejne edycje.

Oba wyniki robią na mnie duże wrażenie. Model musiał przeszukać tę masę materiału, ułożyć z niej historię, dobrać muzykę i poskładać wszystko w całość — i oba dały radę naprawdę dobrze. Najpierw wersja Fable 5.1:

„Cześć, cześć, AIS Live!” „No to rozkręćmy tu trochę energii.” „Boże, nie mogę się doczekać. Robicie fantastyczne wydarzenie.” „Wczoraj tak buzowałem po wylogowaniu, że miałem gęsią skórę.” „To było wydarzenie, które wcale nie było webinarem.” „Świetne dwa dni.”

A teraz wersja Astry:

„To było tak poruszające.” „Wczoraj prowadziłem warsztat, na którym pokazałem po kolei każde swoje narzędzie.” „Claude Code to mój główny koń roboczy, a na nim zbudowałem cały swój drugi mózg i osobistego agenta.” „Mogę iść spać, a on po dziesięciu godzinach wciąż będzie próbował osiągnąć cel.” „Świetnie się tu jest — wszystko przebiegło gładko. Byliście dziś niesamowitą publicznością.”

To trudny werdykt, bo każda wersja zrobiła coś innego dobrze. Astra lepiej wpleciała fragmenty z wystąpień na żywo; Fable lepiej zbudowała napięcie przed kolejną edycją w październiku. Były potknięcia: u Fable kilka razy obraz i głos rozjechały się w czasie, a Astra raz pokazała wideo Russa z podpisem „Devon Karns” — ewidentna pomyłka. Lekką przewagę daję jednak Astrze — przy okazji tańszej (16 dolarów wobec 26) i szybszej (30 minut wobec 50). Mając tak ogólne polecenie, oba modele zaskakująco dobrze zbudowały opowieść. Stan: 4:2 dla Astry.

Test 7. Krótki materiał promocyjny inspirowanym cudzym motion designem

Dalej tzw. sizzle reele — dynamiczne, kilkusekundowe rolki promocyjne. Pokazałem obu modelom przykład takiego animowanego materiału, który bardzo mi się podobał, kazałem przeanalizować, co w nim jest dobre, i na tej inspiracji zrobić wersję dla AIS. Oto pierwsza, od Fable — samplowany głos „Heat. Heat.” i muzyka. Teraz wersja Astry.

Astra wygrywa. Muzyka trochę irytuje, ale model wszedł do AIS i porobił zrzuty ekranu z prawdziwych kursów — uwielbiam ten tok myślenia: „pójdę po dowody i screeny z rzeczy, o której opowiadam w rolce”. Do tego projekty trójwymiarowe z wrażeniem głębi — widać cienie przy zbliżeniach. Energia wyraźnie wyższa niż u Fable. Czas zbliżony; koszt: Fable 16 dolarów wobec 26 u Astry — czyli Fable wyszła niewiele ponad połowę ceny. Mimo droższego przebiegu biorę efekt Astry. Stan: 5:2.

Test 8. Gra o pistacjach uciekającej z kuchni

To zadanie jest już trochę od czapy — nie robię tego codziennie w pracy. Zleciłem zbudowanie dwóch gier, w których jesteś pistacją próbującą uciec z kuchni. Puszczę obie po kolei — sami zgadnijcie, który model zrobił którą.

Wersja pierwsza: płynna. Jest podwójny skok, zbieram kawałki płatków śniadaniowych, muszę trafiać na punkty kontrolne. Fizyka działa — zderzam się z przedmiotami, mogę stuknąć w łyżkę. Łatwo przegapiłem jeden płatek, ale uciekłem i wygrałem w 43 sekundy.

Wersja druga wygląda bardziej premium i responsywniej się nią steruje, choć bardzo prowadzi gracza za rękę. Podwójnego skoku nie ma. Fizyka też realna: mogę coś przesunąć, wpaść do zlewu, jest rozpalona kuchenka. Ciekawe, że oba modele wymyśliły tę samą trasę: wyskok na szufladę, potem na stos książek, dalej kuchenka i zlew — no ale tak właśnie wyglądają kuchnie. Tu uciekłem w 46 sekund i zebrałem wszystkie okruszki. Projekty bardzo podobne, ale realizm i fizyka bardziej przypadły mi do gustu w drugiej — a była to Astra. Statystyki niemal identyczne: Astra wyszła jakieś 8–9 dolarów taniej, czasy się praktycznie nie różniły. Punkt dla Astry, stan 6:2. Ocena oczywiście subiektywna — ktoś mógł wolić wersję Fable.

I ważna uwaga: sedno tych testów polega na przykładaniu własnego gustu i szukaniu własnych zastosowań. Jeśli w którymś zadaniu lepiej wypadła dla ciebie Fable — wspaniale: właśnie odkryłeś, że do tego typu pracy używasz Fable, choć inni sięgną po Astrę. Chodzi o własne eksperymenty i własne wnioski.

Test 9. Mini-SaaS: aplikacja do ewaluacji automatyzacji

Dziewiąte zadanie to mini-SaaS — aplikacja do oceniania automatyzacji. Wgrywasz swoje automatyzacje, uruchamiasz je wobec tzw. złotego zbioru danych, czyli referencyjnych przykładów z oczekiwanymi wynikami, widzisz punktację, wiesz, co poprawić, możesz uruchamiać ponownie i generować raporty.

Wersja Fable: interfejs od razu bardziej onieśmielający i zakorkowany słowami. Po lewej lista automatyzacji; można dodać nową: nazwa, opis, sposób uruchomienia — skrypt w Pythonie albo wywołanie API — adres lub kod, przypadki testowe i sposób oceniania. Wszystko ląduje w bazie na zapleczu: przebiegi, kod, pokazywane poprawki — i to jest bardzo wartościowe. Przykład: router zgłoszeń supportowych, dwa testy, rozkład wizualny działania. Deterministyczny skrypt, kod, konfiguracja i przypadki testowe, czyli nasz złoty zbiór: dwanaście przykładów (w praktyce potrzeba więcej), wygenerowanych do sprawdzenia systemu. Klikam „uruchom”: podajesz nazwę, co się zmieniło, tagi, ewentualnie porównanie z inną wersją. Odpalam — bez zmian wynik ten sam, dwa z dwunastu przypadków nadal nie przechodzą. Za to błyskawicznie, bo system jest prosty. Na koniec raport: wszystkie uruchomienia, co nadal zepsute, jakie poczyniono poprawki. To narzędzie chcę rozwijać dalej, między innymi dla słuchaczy — ewaluacja jest kluczowa, a możliwość zobaczenia jej na wykresach bywa bezcenna.

Wersja Astry: z perspektywy designu podoba mi się bardziej. Czuć „premium” i jest mniej tekstu, więc nie onieśmiela od wejścia. Biblioteka testów, historia uruchomień i raporty. Raport o agencie obsługi klienta zgrabnie zbudowany, widać zmiany w czasie, wygląda bardziej „firmowo” — coś, co chętniej pokażę ludziom i o co poproszę uwagi niż wersję Fable, która przy tej konkurencji sprawia wrażenie narzędzia z innej epoki. Wchodzę w router zgłoszeń: podgląd wizualny, wszystkie wcześniejsze przebiegi, odpalam ewaluację ponownie — idzie lepiej, widać przechodzenie przez przypadki testowe. To doświadczenie podoba mi się znacznie bardziej. I proszę: Astra kosztowała połowę tego, co Fable. Zajęła dłużej — 2 godziny 25 minut wobec godziny i dwudziestu minut — ale dostałem dużo lepszy efekt za mniejsze pieniądze. Punkt dla Astry: 7:2.

Test 10. Interaktywna mapa mojego „mózgu”

Zadanie dziesiąte: wizualizacja „mózgu Herka”. Lokalna strona, na której widzę całą swoją bazę wiedzy w klastrach. Tu coś w stylu filmów na YouTube, tu sprawy bieżące w firmie; niżej pamięć Claude i wiedza z nagrań — elementy można chować i przywracać; dalej wiki firmy, umiejętności i agenci, projekty. Wszystko jest dynamiczne: widzę tylko to, co wymaga uwagi, albo proszę o pokazanie wszystkich etykiet. 612 notatek, 2 500 połączeń. Mogę to analizować, prowadzić z tym rozmowę i przeszukiwać — wpisuję „system osobisty”, „asystent”, „OpenClaw” i otwierają się konkretne wpisy. Najfajniejsze: klikam w element i widzę wszystkie relacje, które się z nim łączą. Wrażenie płynne, choć sterowanie wymaga przyzwyczajenia — trzeba coś kliknąć, żeby to stało się środkiem sceny. To była wersja Fable 5.1.

Wersja Astry wygląda inaczej: węzły są mniejsze, co mi nie odpowiada, a interfejs po prostu bardziej przytłacza. Klastry podobne — strategia firmy, AI i pomysły, wideo i treści, ludzie, projekty, książka i pisanie, cała wiedza — ale w wersji Fable po prostu milej się po tym chodzi. Szczerze mówiąc, spodziewałem się, że Astra wejdzie i zmiecie Fable z planszy, a jednak wolę tę drugą. Czas: Astra 40 minut, Fable 24; koszt praktycznie identyczny, Fable odrobinę tańsza. Punkt dla Fable. Stan: 7:3, zostało pięć zadań — Fable teoretycznie jeszcze może odrobić straty.

Test 11. Dokument HTML, który zastępuje obejrzenie filmu

Zadanie jedenaste: dokument-objaśnienie w HTML. Dałem obu modelom mój film z YouTube — ten o 25 koncepcjach Grokbota — i poleciłem: wyjaśnij mi to prosto, jeszcze prościej i wizualnie; rób zrzuty ekranu. Krótko mówiąc: chcę dokument, po którego przeczytaniu miałbym poczucie, że obejrzałem cały tutorial.

Wersja Fable na początku jest dość zakorkowana tekstem, ale zaraz widać, jak składa się zespół — ja, boty-dyrektorzy, operatorzy — oraz wszystkie wtyczki, komputery i umiejętności. Potem schodzimy do pojęć, a zrzuty ekranu są analizowane i podpisywane. Widać boty z etykietami imienia i roli. Zrzuty są przycinane i opatrzone adnotacjami — bardzo fajnie. Robi ich mnóstwo: przyciski, widoki, wszystko, co trzeba zobaczyć z filmu. Bywa zagęszczone, ale bardzo konkretnie. Mógłbym wręczyć ten dokument ludziom i mielibyśmy poczucie, że film obejrzeli. Przycinanie, przybliżanie, adnotacje — bardzo dobra robota.

Wersja Astry od razu wygląda lepiej jako HTML — ładniejszy design. Ale zrzuty? Jeden wskazuje na bota, na opis, na dyrektorów, na przyciski — poprawnie, tylko mniej. Fable była po prostu bardziej szczegółowa: więcej zrzutów i więcej opisów. Jako przeżycie edukacyjne — lepsza, mimo że wersja Astry ładniejsza. Gdyby naprawdę rozważyć, czy można wręczyć dokument kompletnemu laikowi, żeby czuł, że się uczy — Fable bierze ten pojedynek. Ale koszt: Astra wyszła dużo taniej. Pytanie brzmi, czy dopłacając jej jakieś 20 dolarów, dostałbym coś lepszego niż pierwszy strzał Fable — i obstawiam, że tak. Astra była tu znacznie wydajniejsza, ale jej pierwsza wersja słabsza. Punkt dla Fable: 7:4.

Test 12. Malowanie w Canvie: wzrok plus sterowanie przeglądarką

Test dwunasty wygląda żartobliwie — malarstwo w Canvie — ale świetnie obrazuje połączenie rozumienia obrazu z tzw. browser use, czyli techniką, w której model sam klika po interfejsie strony jak człowiek. GPT-6 Astra musiał obejrzeć obraz wzorcowy, odpalić Canvę, rozeznać się w narzędziach i odtworzyć malunek. Zrobił to, a efekt jest całkiem przyzwoity. Dla kontrastu Fable: otwieram przeglądarkę i… to jest dosłownie wszystko, co dostałem. Obok leży obrazek wzorcowy. Komiczne. Oczekiwałem po Fable czegoś znacznie lepszego; nie wiem, co dokładnie próbowała zrobić, ale wyszło po prostu bardzo źle. Bez dyskusji wygrywa Astra — przy okazji tańsza. O to, ile Fable wydała i jak długo pracowała, żeby wrócić z czymś takim, wolę nawet nie pytać. Stan: 8:4.

Test 13. Publikacja kursów w społeczności przez przeglądarkę

Zadanie trzynaste. Wręczyłem obu modelom dokument: „oto nowy kurs, wrzuć go jako szkic do darmowej społeczności” — i zleciłem wykonanie tego sterowaniem przeglądarką. Otworzyły Skoola, weszły w sekcję zajęć i utworzyły szkice kursów „Astra AIOS” i „Fable AIOS”. Instrukcja obejmowała opis, kluczowe punkty, cytaty, zasoby i — co istotne — wstawienie filmów. Kaziałem zrobić tylko pierwsze pięć lekcji.

Wersja Astry wygląda bardzo dobrze: model musiał poruszać się po interfejsie, stworzyć nową stronę, wstawić film i tekst — zrobił to wzorowo i wszystko zapisał jako szkic. U Fable filmów brak. Językowo może nawet lepiej ułożone, ładniejsza numeracja — ale zasadniczy problem: Fable wpadła w tarapaty i nie zdołała wgrać wideo; coś nie zagrażało przy pobieraniu plików lokalnie. A przecież dostała wszystko: i filmy, i linki. To zadanie Astra wykonała nieporównanie lepiej. Dodam, że robiłem to w Skoolu wielokrotnie, między innymi z GPT-5.6 Soul i sterowaniem przeglądarką — i ogólnie modele z rodziny Codex i GPT radzą sobie z przeglądarką wyraźnie lepiej. Koszt i czas bardzo zbliżone, Astra odrobinę tańsza, a wynik o klasę lepszy. Punkt dla Astry — 9:4. Fable może już nie dogonić.

Test 14. Klon strony z animacjami dla fikcyjnej marki puszek

Przedostatnie zadanie: strona internetowa. Dałem adres pewnej strony ze skrolowanymi animacjami — dynamiczne trójwymiarowe elementy i tak dalej. Wiem, że część z was takich stron nie znosi — ale nie o gust tu chodzi. Poprosiłem: przeanalizuj tę stronę i zrób coś o tym samym klimacie dla PerkForm, fikcyjnej marki puszek z kawą i białkiem. Uprzedzam: nie podsuwałem żadnych gotowych umiejętności, po prostu „ten sam vibe — przeanalizuj oryginał i zrób coś podobnego”.

Wersja Fable: strona się ładuje, mamy trójwymiarowy element, coś na kształt spirali DNA, spadające ziarna kawy, wracającą puszkę, wielki zoom na koniec. Całkiem nieźle oddaje klimat oryginału — bugi są (na dole strony przewijanie dziwnie się zachowuje), ale jak na jedno polecenie bez poprawek — przyzwoicie.

Wersja Astry: wielka puszka z odrobiną dynamiki; napis „coffee” wyszedł poza kadry — wyraźna wpadka. Za to animacja ziarna kawy z warstwami w tle jest naprawdę fajna. Przewijamy spirale i hasło „kawa i białko razem — dwa napoje w jednej puszce”. Ogólnie działa płynniej niż u Fable, choć też da się utknąć na dole i trzeba wracać na górę. Sędziuję tak: Fable lepiej odtworzyła to, co widać na oryginale — a dokładnie tego chciało polecenie. W designie ogólnie częściej staję po stronie Astry, jak pewnie zauważyliście, ale to było zadanie typu „pokaż, na co cię stać” — dość dziwny prompt. Punkt dla Fable: 9:5.

Test 15. Roczny przegląd kanału YouTube i strategia na kolejne kwartały

Ostatni test: przegląd dwunastu miesięcy mojego kanału i strategia. Obie wersje to spore dokumenty — Fable: 25 stron, Astra: 15.

Przewijamy powoli. U Astry od razu wykres nowych widzów wobec stałych; u Fable zestawienie roku i liczby, przegląd miesięczny, łączne wyświetlenia… ciekawostka: Fable liczy od stycznia do dziś, Astra — właściwe okno ostatnich dwunastu miesięcy, więc liczby się trochę różnią. Dalej u Fable: typy treści, miesięczna karta wyników, to, co działa najlepiej, sekcja o pakowaniu tytułów i miniatur oraz „czym się martwić”: newsy przynoszą wyświetlenia, ale nie dopisują subskrybentów; pakowanie newsów dryfuje w stronę krzykliwości — i widzowie sami to mówią; treści o mechanice prowadzenia agencji przestały działać na YouTube — co przy tej publiczności brzmi prawdziwie. Potem głębokie zanurzenie w tytuły. U Astry: co zachować i poprawić, dowody, retencja, pierwsze 30 sekund, kogo dokładnie dosięgam i jak — wiek, płeć, geografia — oraz analiza tego, o co proszą mnie komentarze. Na końcu oba modele składają wszystko w plan na kolejne 90 dni. Całościowo bardzo podobnie, ale opracowanie Astry czyta się łatwiej i jest bardziej wizualne — punkt dla niej. Kosztownie: Astra 42 minuty i jakieś 27 dolarów, Fable 17 minut i wyraźnie taniej.

Bilans końcowy: 10:5 i 326,98 dolara kontra 513,36

To były wszystkie zadania: Astra wygrała dziesięć, Fable pięć. Poprosiłem oba modele o zbiorcze statystyki, żeby liczby się zgadzały — i wyszły identyczne. Fable: 9 godzin, 35 minut i 45 sekund pracy łącznie, za 513,36 dolara. Astra: 11 godzin, 19 minut i 24 sekundy, za 326,98 dolara. Czyli Astra była w sumie o 186 dolarów tańsza, ale potrzebowała godzinę i 43 minuty więcej.

Kilka uwag na koniec. Poza samym testem Astra w moim odczuciu działa szybciej i sprawniej — nie zamyka nas w pięciogodzinnym oknie limitów jak Codex ani nie rąbie limitów jak Fable; po prostu można jej używać cały tydzień. Przy subskrypcji Codex dostaję też więcej mocy obliczeniowej. Teraz więc mocno przechylam się w stronę Astry do codziennej pracy.

Ale proszę pamiętać o dwóch rzeczach. Po pierwsze: GPT-5.6 Soul wciąż jest znakomity. Na większość mojej pracy wiedzowej spokojnie by wystarczył — a uczciwie mówiąc, dla znacznej jej części byłby nawet przerostem formy nad treścią. Nie musisz sięgać po Astrę do wszystkiego, tak jak nie musisz biegać po Fable do wszystkiego. Jestem głęboko przekonany, że oba modele mają różne mocne i słabe strony i oba mają swoją wartość. Właśnie dlatego robię takie zestawienia: żeby sprawdzić, jak zachowują się w różnych sceneriach. Będę teraz częściej sięgał po Codex, bo akurat tam jest Astra — ale to pole zmienia się błyskawicznie. Dlatego utrzymuję subskrypcje w obu ekosystemach, a nieraz po kilka z każdej strony, żeby móc dalej porównywać, gdy wszystko się zmieni. Kto wie, co będzie jutro.

To tyle w tym materiale. Mam nadzieję, że było warto i że wynieśliście coś nowego. Jeśli tak — zostawcie łapkę w górę, bardzo mi to pomaga. Dziękuję, że dotarliście do końca, i do zobaczenia w następnym. Dzięki wszystkim!

10 najważniejszych takeaways — z kontekstem zastosowania

1.Model dobieraj pod typ zadania, nie pod ogólny ranking

Na czym polega: W pojedynku 10:5 dla Astry układ był czytelny: Astra dominowała w analizach (podatki, maile, spotkania, statystyki kanału), budowaniu narzędzi i sterowaniu przeglądarką; Fable wygrywała w starannym tekście — prezentacji, liście sprzedażowym, dokumencie edukacyjnym, odtworzeniu strony.

Jak stosować: Rozpisz swoje powtarzalne zadania i przypisz je do modeli na podstawie własnych prób, a nie cudzych rankingów. Do tekstów „do przeczytania” i materiałów wyjściowych testuj najpierw Fable; do automatyzacji, analiz i pracy w przeglądarce — Astrę.

Na co uważać: Część werdyktów to kwestia gustu (autor sam przyznaje, że grę ocenił „na czucie”). Traktuj cudze wyniki jako hipotezę do sprawdzenia, nie wyrok.

2.Pytania doprecyzowujące to zaleta — zwłaszcza tam, gdzie dużo można stracić

Na czym polega: Astra przed startem zadawała pytania (przy podatkach — aż siedem), Fable działała od razu. To poczucie, że model rozumie kontekst, przesądziło o zaufaniu przy zadaniach finansowych.

Jak stosować: W ważnych zadaniach sam zachęć model w prompcie: „zanim zaczniesz, zadaj mi pytania”. Jakość i liczba pytań to darmowy wskaźnik, czy model rozpoznał ryzyko i braki w danych.

Na co uważać: Przy prostych, dobrze opisanych zadaniach lawina pytań tylko spowalnia — tam bywa lepszy model, który bierze polecenie i po prostu działa.

3.Pilnuj kosztu pojedynczego uruchomienia — rozjazdy bywają dziesięciokrotne

Na czym polega: Analiza spotkań kosztowała u Fable 46 dolarów przy zaledwie sześciu minutach aktywnej pracy agenta — wobec 5,12 dolara u Astry. Audyt maili: około 50 dolarów u Fable, 12,50 u Astry. Cały cykl: 513,36 wobec 326,98 dolara.

Jak stosować: Po każdym większym zadaniu sprawdzaj zużycie (logi sesji, komendy typu /usage) i prowadź własną tabelę „zadanie — czas — koszt — jakość”. Nietypowo drogi przebieg to sygnał, żeby zmienić model lub sposób zlecenia.

Na co uważać: Tańszy przebieg nie gwarantuje lepszego efektu — sizzle reel Astra wygrała, choć kosztowała 26 dolarów wobec 16 u Fable. Patrz na stosunek jakości do ceny, nie na cenę samą w sobie.

4.Do sterowania przeglądarką rodzina GPT/Codex jest obecnie w innej lidze

Na czym polega: W Canvie Fable wróciła z komicznie słabym malunkiem; przy publikacji kursów nie zdołała wgrać filmów, choć dostała pliki i linki. Astra w obu zadaniach poszła sprawnie — podobnie jak wcześniejsze modele GPT, którymi autor robił to samo.

Jak stosować: Zadania typu „wejdź na platformę i coś tam opublikuj albo ustaw” kieruj do modeli GPT uruchamianych przez Codex.

Na co uważać: Nieudane kroki bywają ciche — wyjdzie ładnie sformatowany szkic bez wideo. Po każdym przebiegu przeglądnij efekt pod kątem braków, zanim uznasz zadanie za zamknięte.

5.Zdecyduj przed startem: dokument do wysłania czy slajdy do prezentowania

Na czym polega: Bogata w treść, „gęsta” talia Fable była znakomita jako materiał do wysłania, ale fatalna do prezentowania; mniej zwięzła wersja Astry nadawała się na wystąpienie na żywo.

Jak stosować: W prompcie powiedz wprost, czym efekt ma być: dokumentem do samodzielnego czytania (więcej treści, źródła, stopki) czy podkładem do mówienia (minimum słów, jeden przekaz na slajd).

Na co uważać: Estetyka to nie to samo co użyteczność — profesjonalnie wyglądający dokument może przegrywać w sali konferencyjnej i odwrotnie.

6.W tekście sprzedażowym wygrywa kompletność, nie zwięzłość

Na czym polega: Dłuższy list Fable (2800 słów) z sekcją FAQ, informacją o czesnym, prowadzących oraz „dla kogo jest i nie jest” wzbudzał większe zaufanie niż zwięzły, „z lotu ptaka” tekst Astry — zwłaszcza przy drogym produkcie.

Jak stosować: Przy drogiej ofercie wpisuj do promptu listę sekcji, które rozwiewają wątpliwości: częste pytania, cena, dla kogo to nie jest, jak wygląda proces. Pozwól modelowi sięgnąć po kontekst z twojej bazy wiedzy, zamiast podawać wszystko z ręki.

Na co uważać: Zespół autora zauważa, że w samym pisaniu ostatnio lepsze są modele GPT, choć kiedyś królował Claude. Końcową ocenę copy zostaw komuś, kto pisze zawodowo — model może wygrać punkty za formę, a przegrać merytorycznie.

7.Tańszy model plus iteracja zwykle pobije drogi pierwszy strzał

Na czym polega: Prezentacja Astry kosztowała 12 dolarów — dopłacając kolejne 14, można by dopracować ją ponad poziom Fable. Podobnie z dokumentem HTML: Astra wyszła dużo taniej, a za 20 dolarów więcej autor obstawia wynik lepszy niż pierwsza wersja Fable. W skali całego cyklu tańsza Astra zaoszczędziła 186 dolarów.

Jak stosować: Nie oceniaj modelu po jednym przebiegu. Budżetuj na iteracje: policz koszt dwóch–trzech rund tańszego modelu i porównaj z jednym strzałem droższego.

Na co uważać: Iteracje kosztują też twój czas — jeśli model wyraźnie gubi się w twoim typie zadania (jak Fable w przeglądarce), żadna liczba poprawek tego nie odkupi.

8.Prowadź własny, powtarzalny benchmark: czas, koszt, jakość

Na czym polega: Autor uruchamiał identyczne prompty w obu modelach, zapisywał czas, koszt i subiektywną ocenę, a na koniec kazał obu modelom policzyć zbiorcze statystyki — i skrzyżował wyniki dla pewności.

Jak stosować: Zrób to samo ze swoimi pięcioma–dziesięcioma typowymi zadaniami. Ta sama metoda wykryła absurdalne rozjazdy cen (46 dolarów za sześć minut pracy) i pokazała, że „droższy” nie znaczy „lepszy”.

Na co uważać: Oceny jakości rób sam lub z ekspertem z dziedziny (copywriter oceni copy, księgowa podatki) — inaczej porównujesz tylko metryki, a nie wartość efektu.

9.W interfejsach i oprawie mniej znaczy więcej

Na czym polega: Aplikacja ewaluacyjna Astry wygrała m.in. dlatego, że była „mniej zakorkowana słowami” i wyglądała bardziej premium; z kolei mapa „mózgu” Fable pokonała Astrę, bo była prostsza i przyjaźniejsza w odbiorze.

Jak stosować: W promptach na narzędzia i dokumenty określaj gęstość informacji: „interfejs minimalistyczny, tylko kluczowe dane na ekranie”, „dokument z wykresami zamiast tabel liczbowych”.

Na co uważać: „Ładniejsze” nie zawsze znaczy „lepsze do nauki” — w dokumencie edukacyjnym wygrała mniej efektowna, ale gęstsza od adnotacji wersja Fable. Najpierw określ, po co ktoś będzie tego używał.

10.Nie każde zadanie zasługuje na najmocniejszy model

Na czym polega: Autor przyznaje, że do większości swojej pracy wiedzowej spokojnie wystarczyłby starszy GPT-5.6 Soul — a niekiedy byłby to nawet przerost formy. Flaga wygrywa w wąskiej grupie zadań: złożone analizy, przeglądarka, budowa narzędzi.

Jak stosować: Ustaw model „robioczy” jako domyślny i eskaluj do mocniejszego dopiero wtedy, gdy efekt wyraźnie nie spełnia oczekiwań albo zadanie ma wysoką stawkę.

Na co uważać: Równowaga między modelami zmienia się z miesiąca na miesiąc — utrzymuj dostęp do dwóch ekosystemów i od czasu do czasu powtarzaj własny benchmark, zanim na stałe przywiążesz się do jednego narzędzia.