GPT-6 Astra kontra Fable 5.1 w prawdziwej pracy — było o włos

O czym jest ten film

Bezpośrednie porównanie GPT-6 Astra (OpenAI) i Fable 5.1 (Anthropic) na siedmiu realnych zadaniach biznesowych — w identycznych warunkach, bez wpatrywania się w wyniki rywala.
Metodologia zbliżona do codziennej pracy: tryb rozumowania na maksimum, prompty, jakie naprawdę wpisuje zwykły użytkownik, aplikacje desktopowe, koszty liczone według stawek API.
Dokumentacja klienta z nagrania Loom: wygrywa Fable (18 min, 9,89 dol.) nad Astrą (9 min, 41 dol.).
Trzydziestosekundowe wideo promocyjne: wygrywa Fable (38 min, 20 dol.) — wersja Astry (10 min, 6 dol.) wymagałaby poważnych poprawek.
Landing page dla SaaS: wygrywa Astra (23 min, 13 dol.); strona Fable (34 min, 14 dol.) wygląda „wygenerowanie”.
Kreacje reklamowe z generowanymi zdjęciami produktu (Higgsfield): wygrywa Astra — 5,18 dol. wobec 49 dol. u Fable.
E-book jako lead magnet w paper.design: wygrywa Astra — czystszy projekt za mniejsze pieniądze.
Sterowanie komputerem i budowa automatyzacji w Kit: zaskakująco wygrywa Fable; Astra wymaga interwencji i wykonuje o ok. 50 wywołań narzędzi więcej.
Prezentacja sprzedażowa: wygrywa Fable (6,15 dol.), choć Astra (244 dol., 6 min) ma lepszy copywriting.
Wynik końcowy 4:3 dla Fable. Sedno: Astra szybko i tanio doprowadza do ok. 80% efektu, Fable działa wolniej i drożej, ale dokładniej — a sam model przestał być wąskim gardłem.

Redakcyjne tłumaczenie

Po co kolejne porównanie

Postawiłem GPT-6 Astrę i Fable 5.1 naprzeciw siebie w siedmiu realnych zadaniach biznesowych, żeby sprawdzić, który model lepiej nadaje się do prawdziwej pracy. Mowa o takich rzeczach jak zamiana nagrań Loom w dokumentację, tworzenie filmów promocyjnych, budowa stron docelowych, generowanie kreacji reklamowych czy sterowanie komputerem. Przy każdym zadaniu pokażę, który model dał lepszy efekt, ile to trwało i — przede wszystkim — ile mnie kosztowało. Po lekturze będziecie wiedzieć, którego modelu używać do której roboty i który zostawiłbym sobie, gdybym mógł zatrzymać tylko jeden.

(Informacja dodatkowa: Astra to najnowszy model OpenAI z rodziny GPT, Fable 5.1 — model Anthropic z rodziny Claude; autor nazywa go w materiale czasem po prostu „Claude”.)

Problem z większością porówna w sieci jest taki, że budują one nierealistyczne wyobrażenie o tym, jak te modele zachowują się w polu. Dlatego tym razem sprawdzam oba właśnie w takich warunkach. Tryb rozumowania ustawiłem na maksimum, prompty są takie, jakie naprawdę podałby przeciętny użytkownik, a oba modele pracują w swoich aplikacjach desktopowych. Każdy dostaje dokładnie te same polecenia i ten sam kontekst. Żeby zestawienie było uczciwe, żaden model nie widzi wyników drugiego. Nie ingeruję — odpowiadam tylko na pytania doprecyzowujące albo zatrzymuję pracę, gdy model kompletnie odbija od celu.

Podawane koszty to szacunki według stawek API za zadania, które normalnie wykonuję w ramach subskrypcji. Część testów korzysta z dodatkowych narzędzi — Higgsfield i paper.design — i ich cena nie jest wliczona w te kwoty. (Informacja dodatkowa: MCP, Model Context Protocol, to otwarty standard łączenia modeli AI z zewnętrznymi narzędziami — coś w rodzaju wtyczek dla modeli.)

Zadanie 1: dokumentacja z nagrania Loom — punkt dla Fable

Pierwsza konkurencja: dokumentacja z nagrań Loom — coś, co sam robię bardzo często. (Informacja dodatkowa: Loom to narzędzie do nagrywania krótkich filmów z ekranu z komentarzem głosowym, popularne w pracy z klientami.) Nagrywam wideo, w którym przechodzę przez coś krok po kroku — zbudowany przeze mnie proces, agenta, cokolwiek chcę omówić z klientem — a potem zamieniam nagranie w dokument HTML z dokładną instrukcją. Tym razem nagrałem dwie minuty pokazujące, jak zainstalować z GitHuba skill o nazwie watch. Bardzo prosta robota.

Poprosiłem oba modele, żeby obejrzały całe nagranie, wyciągnęły właściwe zrzuty ekranu i instrukcje, a następnie złożyły z tego przewodnik HTML dla klienta — w formie kart przewijanych krok po kroku, tak żeby po otwarciu strony użytkownik widział tylko to, co ma zrobić w danym kroku. To wyraźnie ogranicza poczucie przytłoczenia.

Fable pracowała nad tym osiemnaście minut. Jest sekcja krok po kroku, ładne przejścia między częściami, a na każdym zrzucie ekranu pomarańczowe, delikatnie pulsujące pole, które przykuwa wzrok i pokazuje dokładnie, gdzie czegoś szukać. Po najechaniu kursorem na obraz włącza się lupa. Klikam krok po kroku i za każdym razem wiem, co robić. Ta prostota bardzo mi odpowiada — patrząc na stronę, w ogóle nie czuję się zasypywany informacjami. Mogę też otworzyć pełny przewodnik i przejrzeć wszystkie kroki po kolei, a nawet wydrukować całość — i drukuje się przyzwoicie, choć Fable wcale nie zoptymalizowała strony pod druk, bo o to nie prosiłem. A klienci, co do zasady, takie instrukcje drukują.

Astra zaproponowała zupełnie inny projekt. Na pierwszy rzut oka strona jest przeładowana i trochę chaotyczna — głównie przez nadmiar tekstu. Niepokoi mnie też, że zrzuty są lekko przycięte, przez co trudno zrozumieć, gdzie patrzeć. Co ciekawe, same podświetlenia są trafniejsze niż u Fable, ale zlewają się z całością: wszystko jest zielone i nic nie pulsuje. Powiększenie po najechaniu kursorem nie działa, a przy tak małych zrzutach lupa byłaby naprawdę potrzebna. Można co prawda kliknąć, żeby powiększyć obraz, ale ten mechanizm jest po prostu mniej elegancki.

Kroki i funkcjonalność są w obu wersjach identyczne — ta sama lista, oba zestawy dokładne. Wizualnie wyraźnie wygrywa Fable. Astra dodała natomiast przyciski druku i zapisu do PDF, czego Fable — mimo ponad dwukrotnie dłuższej pracy — w ogóle nie przewidziała.

Koszty: Fable 9,89 dolara, Astra 41 dolarów. Czas: osiemnaście minut u Fable, około dziewięciu u Astry. Czy wynik Astry jest więc odpowiednio lepszy? Zdecydowanie nie. Oceniając czysto sam efekt, zwycięzcą jest dla mnie Fable: jej wersja była po prostu znacznie czytelniejsza, każdy slajd miał więcej sensu. Przy stronie od Astry czułem się przytłoczony — za dużo tekstu — i klient pewnie by się w niej pogubił. Stan: 1:0.

Zadanie 2: trzydzieści sekund promocyjnego wideo — punkt dla Fable

Kolejne zadanie to montaż wideo, temat, który ostatnio mocno zgłębiam na kanale. Oba modele miały stworzyć trzydziestosekundowy film promujący kohortę, którą zamierzam wystartować w listopadzie — coś, co buduje zainteresowanie i zachęca do zapisu na listę oczekujących. Model miał przeczytać plan startu zapisany w moim Founder OS, a potem samodzielnie dobrać muzykę, efekty dźwiękowe i pliki audio z biblioteki mojego projektu montażowego. Chciałem czytelnej historii: dla kogo to jest, co zbudujemy i po co zapisywać się na listę. Napięcie i wartość oferty miały wynikać z samej grafiki i tekstu — bez lektora generowanego przez AI.

Fable zaczęła mocno: pierwsza sekcja z efektem klikania, jakbym sam wpisywał komendy w terminalu, ciekawe tło i czyste przejścia między scenami. Podoba mi się fragment, w którym tekst wpływa jak wpisywany na żywo — à la Cursor czy terminal — mocno eksponując bolączki widza. Najbardziej doceniam jednak to, jak dobrze wszystko zsynchronizowała z wybraną przez siebie muzyką: plansza z tytułem Founder OS wchodzi idealnie w momencie muzycznego akcentu.

Astra przy dokładnie tym samym poleceniu od razu odbiła od mojej identyfikacji wizualnej — wymyśliła własną paletę barw, co akurat nie jest problemem, bo nie kazałem jej szukać mojej (w sumie obie wersje były poza marką). Obie zawierają też błędy merytoryczne dotyczące zawartości kohorty i samej oferty — to jednak wybaczalne. Gorzej, że wersja Astry ma mniej charakteru i mniej osobowości, a muzyka jest słabo dopasowana do tego, co dzieje się na ekranie.

Różnica w czasie i kosztach jest ogromna: Fable — 38 minut 16 sekund i 20 dolarów, Astra — niecałe dziesięć minut i 6 dolarów. Widać, gdzie poszła ta różnica: Fable znacznie dłużej dopracowywała każdy element i synchronizowała całość, co słychać i widać w efekcie końcowym. Szczerze mówiąc, pierwsza wersja od Fable nadawałaby się do użycia tak jak jest. Wersji Astry zdecydowanie nie mógłbym puścić dalej. Kolejny punkt dla Fable — 2:0.

Zadanie 3: strona docelowa dla SaaS — punkt dla Astry

Trzecia konkurencja: landing page produktu SaaS. Poprosiłem oba modele, żeby zbudowały najbardziej efektowną stronę, jaką potrafią: sama wybiera koncepcję produktu, wymyśla pozycjonowanie marki i teksty, przeszukuje sieć w poszukiwaniu wybitnych stron docelowych, ustala, co czyni je wyjątkowymi, i na tej podstawie tworzy własny, oryginalny projekt.

Fable: od razu widać ładne przejścia po prawej stronie, jest jakaś kolorystyka, choć nie do końca wiadomo, co to za produkt. Projektowanie pełne charakterystycznych ozdobników — można by je nazwać „claudizmami” — więc strona momentalnie zdradza, że wyszła z AI. Sam ruch i przejścia są dość płynne, ale moja pierwsza reakcja: zupełnie nijaka robota, nic, co wychodzi poza utarte schematy.

Astra: już sekcja nagłówkowa wygląda znacznie lepiej. Nie wiem, jak zbudowała element po prawej, ale efekt przypomina paralaksę — ładna animacja przesuwająca się w dół wraz z przewijaniem. Całość jest czystsza. W miarę scrollowania pojawiają się porządne sekcje, między innymi sprytna animacja kalendarza, który na początku jest pokrzywiony, a potem pozbywa się stratowanych godzin i wypełnia blokami skupienia. Na dole czeka dynamiczny kalkulator zwrotu z inwestycji — wszystko na tej stronie jakoś żyje i się porusza.

Koszty: Fable około 14 dolarów i 34 minuty, Astra około 23 minut i odrobinę taniej — 13 dolarów. Zwycięzca jest dla mnie jednoznaczny: Astra. Jej strona w znacznie mniejszym stopniu „krzyczy”, że wygenerowała ją sztuczna inteligencja — projekt Fable to klasyczny, wygenerowany landing page SaaS, takich widziałem już tysiące. Astra też ma swoje schematy — małe sekcjki, wyskakujące liczby — ale w tych testach celowo ich nie zwalczałem. Chodziło o to, co modele zrobią z prostym promptem, jaki podałaby większość ludzi. Oczywiście z AI da się zbudować znacznie lepsze strony niż te — ale nie o tym był ten test. Stan: 2:1.

Zadanie 4: kampania reklamowa — punkt dla Astry

Czwarte zadanie: kreacje reklamowe. Przy okazji — ten materiał jest sponsorowany przez Higgsfield, platformę zbierającą modele generowania obrazu i wideo w jednym miejscu. Dzięki łącznikowi MCP Astra i Fable mogą korzystać z niej bezpośrednio: mogę poprosić model o wymyślenie marki napoju energetycznego, wygenerowanie zdjęć produktu przez Higgsfield i złożenie z nich trzech reklam. Model ustala markę, teksty i rolę każdego obrazu, a potem „rozmawia” z Higgsfield, żeby je wygenerować. Link do platformy zostawiam w opisie.

W tym porównaniu oba modele przechodzą przez ten sam proces twórczy i korzystają przez Higgsfield z tego samego modelu obrazu. Samodzielnie muszą wymyślić produkt, wybrać nabywcę i ułożyć całą kampanię.

Fable wymyśliła markę Small Hours — napój energetyczny dla osób na nocnej zmianie. Pierwsza reklama: „Ściana czwartej rano nie pyta, czy to już trzecia noc z rzędu” („The 4 a.m. wall doesn’t care that it’s your third night”). Tekst czyta się trochę opornie, ale samo zdjęcie jest całkiem dobre — choć branding na puszce budzi moje wątpliwości. Dalej: „Trzecia w nocy to nie pora na 200 mg”, „Wypróbuj pierwsze opakowanie”. Całkiem przyzwoite. Reklama o zmianie, która kończy się, gdy innym zaczyna się dzień, jest szczerze mówiąc trochę nietrafiona. Za to samo zdjęcie produktu wygląda świetnie: matowa, całkowicie czarna puszka Small Hours na tle wschodzącego słońca.

Astra poszła w zupełnie innym kierunku. Jej marka to Odd Hour — energetyk z różowego grejpfruta i rozmarynu. Mamy więc dwie różne grupy docelowe: Fable celuje w pracowników nocnej zmiany — pielęgniarki, lekarzy wracających z dyżuru — a Astra w ludzi kreatywnych, którym o piętnastej brakuje kopa na resztę dnia. Jej hasła są moim zdaniem bardziej pomysłowe: „Spraw, by trzecia po południu była dziwna” („Make 3pm weird”) to znacznie zwięźlejszy przekaz, a „Mniej słodyczy, więcej charakteru” dobrze trzyma koncept. Na grejpfrucie widać natomiast fatalną fakturę typową dla generatora — problem znany użytkownikom GPT Image 2, którego wersja 2.5 najwyraźniej też do końca nie rozwiązała. Ale szczerze: to wyraźnie lepsze reklamy. Naprawdę dobre.

Koszty i czas: Fable 49 dolarów i 8 minut 54 sekundy, Astra 5,18 dolara i 11 minut. Zaskakująco, bo do tej pory to Fable zawsze potrzebowała znacznie więcej czasu. Punkt dla Astry i remis — 2:2.

Zadanie 5: e-book jako lead magnet — punkt dla Astry

Piąte zadanie: e-booki. Korzystam tu z paper.design — dość nowego narzędzia, coś w rodzaju „Figmy stworzonej pod AI”, które ostatnio mocno weszło do moich twórczych procesów. Świetnie nadaje się do lead magnetów: PDF-ów i e-booków. (Informacja dodatkowa: lead magnet to materiał do pobrania w zamian za zostawienie adresu e-mail.) Chciałem połączyć to narzędzie z nowymi modelami i zobaczyć, kto wyciśnie z tego więcej.

Zadanie dla obu było jedno: stworzyć w paper.design e-book „GPT-6 Astra kontra Fable 5.1” — dokładnie ten materiał, który udostępniam w opisie, ze wszystkimi dzisiejszymi promptami i szczegółowymi zestawieniami wyników.

Fable najpierw próbowała pobierać grafiki wprost ze stron internetowych, ale nie potrafiła dopasować ich do projektu, jaki miała w głowie. W efekcie sięgnęła po Higgsfield i generator GPT Image 2.5, wygenerowała całą serię obrazów, przejrzała je i wstawiła do e-booka. Jeśli śledziliście premiery tych modeli, będą bardzo znajome: galaktyka towarzysząca kampanii GPT-6 Astry i błękitne niebo z różowymi chmurami z materiałów Fable. Okładka od razu robi dobre wrażenie: Fable po lewej, Astra po prawej, obie wygenerowane grafiki. Niestety tekst biegnie przez dwa różne tła i gorzej się go czyta. Kolejne strony wyglądają, jakby model zajrzał do moich wytycznych marki — choć wcale go o to nie prosiłem, miał tylko wygenerować obrazy. Wszystkie prompty i zestawienia wyników są na miejscu. Jako lead magnet — w porządku, ma wszystko, czego potrzebowałem, ale znowu sporo w niej charakterystycznych „claudizmów”.

Astra dostała dokładnie ten sam prompt i dokładnie te same połączenia: Higgsfield i paper. Najpierw jednak zadała mi pytanie — Astra robi to znacznie częściej niż Fable, wyraźnie chce upewnić się co do intencji. Zgadza się to z tym, co czytałem: Astra ma lepiej rozpoznawać i rozumieć, co użytkownik ma na myśli. Zapytała o link do strony docelowej, która jeszcze nie istnieje — potrzebny do przycisku na końcu PDF-a. Kazałem jej wstawić pusty link zamiast wymyślać własny. To dobry detal, którego Fable w ogóle nie wyłapała. Potem Astra sięgnęła po Higgsfield i — co ciekawe — wcale nie próbowała wklejać zewnętrznych grafik wprost do projektu. potraktowała je jako inspirację, przekazała jako referencje i kazała wygenerować zupełnie nowe koncepty.

Efekt jest moim zdaniem znacznie ładniejszy. Galaktyka wylądowała po lewej stronie i świetnie współgra z okładką podzieloną na pół, żaden tekst nie zachodzi na grafiki ani nie jest przycięty, a cały układ wygląda po prostu bardziej profesjonalnie. Problem Fable polegał na tym, że kiepsko wykonała moje wytyczne marki. Astra po prostu je zignorowała i postawiła na coś, co pasuje do okładki i charakteru obu modeli. Wolę jej wersję.

Uzupełnienie nagrane później, bo tak zapatrzyłem się na e-book Astry, że zapomniałem podać liczb: Astra — około 21 minut i 16 dolarów, Fable — 17 minut i 26 dolarów. Czystszy przewodnik w podobnym czasie za wyraźnie mniejsze pieniądze. Punkt dla Astry, która wyszła na prowadzenie 3:2.

Zadanie 6: sterowanie komputerem w Kit — punkt dla Fable

Przedostatnia konkurencja: zlecenie modelom sterowania komputerem, czyli czynności, których zwykle nie da się wykonać przez MCP ani API. Do newslettera i lead magnetów używam Kita. (Informacja dodatkowa: Kit, dawniej ConvertKit, to platforma do newsletterów i automatyzacji marketingu, popularna wśród twórców.) Przed każdym filmem muszę w nim zbudować nową stronę docelową, żebyście mogli pobrać przygotowane przeze mnie materiały, a potem ustawić odpowiednie automatyzacje.

Zlecenie brzmiało: wejść do Kita, zduplikować ostatnio stworzoną stronę, dostosować ją do tego konkretnego filmu, utworzyć nowe tagi, a w edytorze zbudować automatyzację, która te tagi przypisze, i na koniec przetestować całość w Gmailu — żeby mieć pewność, że działa i jest gotowa do publikacji.

Fable (w pięciokrotnym przyspieszeniu): tuż po otrzymaniu polecenia długo myśli — bardzo długo, przewińmy to. Potem uruchamia sterowanie komputerem, wchodzi wprost do mojego Chrome’a i widać pomarańczowy kursor — to Fable klika za mnie. Duplikuje poradnik Book-to-Skill, przerabia e-mail potwierdzenia, ogarnia wgrywanie pliku. Uporządkowanie całości zajęło jej jeszcze jakieś pięć minut, ale wszystko zrobiła naprawdę dobrze.

Astra — znowu pięciokrotne przyspieszenie — również weszła do Kita i zaczęła duplikować ten sam poradnik; nazwę zmieniła poprawnie. Przy zmienianiu nazwy strony lekko się jednak pogubiła i dodawała rzeczy, których dodawać nie trzeba. Musiałem wtrącić się dwa, trzy razy, bo była po prostu nadmiernie ostrożna. PDF eksportowany z paper.design nie mógł zostać zapisany w folderze, w którym kazałem jej pracować, więc za każdym razem prosiła o pozwolenie na przeniesienie plików. Budowa automatyzacji zaczęła się obiecująco: potwierdzenie PDF-a, właściwe akcje, właściwe tagi, wszystko idealnie. A potem Astra zaczęła odbijać — z nadmiernej ostrożności chciała dodać warunek ograniczający działanie automatyzacji wyłącznie do mojego testowego adresu. Musiałem znowu interweniować, żeby to przerwać i usunąć filtr. Dodatkowe instrukcje były jej potrzebne także przy szukaniu osadzonego linku do udostępniania.

Ogólnie Astra wypadła tu odrobinę słabiej od Fable — co dla mnie jest sporym zaskoczeniem, bo OpenAI mocno rozreklamowało umiejętności Astry w sterowaniu komputerem i wielu twórców to potwierdza. W tym konkretnym teście obietnice się nie sprawdziły; Fable przerobiła moje oczekiwania.

Liczby: Fable — 10 dolarów i około 15 minut; Astra — 24 dolary, ponad dwa razy tyle, w mniej więcej tym samym czasie. Różnica bierze się po prostu z liczby wywołań narzędzi: Astra zrobiła ich około pięćdziesiąt więcej. Fable usiądzie i będzie myśleć, myśleć i jeszcze raz myśleć, zanim wykona działanie — zwykle wydając przy tym więcej tokenów i czasu. Astra chętniej wskakuje w zadanie od razu, z mniejszym namysłem. W użyciu wydaje się szybsza i może właśnie tego szukasz. Tyle że ta szybkość często idzie w parze z błędami. Punkt dla Fable — 3:3 — i to naprawdę duże zaskoczenie, bo właśnie tutaj typowałem Astrę.

Zadanie 7: prezentacja sprzedażowa — punkt dla Fable

Ostatnie zadanie: prezentacja sprzedażowa — deck, PowerPoint, jak zwał, tak zwał. Chciałem zobaczyć, która modelka… przepraszam, który model zbuduje najładniejszy i najlepszy deck sprzedażowy, jaki da się zrobić. Polecenie: „Stwórz oryginalny pitch deck dla moich usług automatyzacji AI. Możesz przeczytać fakty o mnie i mojej firmie. Fabułę, strukturę slajdów i projekt opracuj od zera”. Nie chciałem, żeby cokolwiek ciągnęła z mojej obecnej identyfikacji wizualnej.

Deck od Fable robi od razu dobre wrażenie i wcale nie wygląda ekstremalnie „AI”. Swoje ozdobniki tu są, ale podoba mi się struktura. Gdzieniegdzie odstępy siadają, część wykresów daleka od ideału, ale trafiają się naprawdę udane. Całość wygląda bardzo profesjonalnie: jest strona inwestycji i wyliczenia zwrotu. Oczywiście nie ma tu nic z mojej marki — bo o to prosiłem. Szczerze podoba mi się, co Fable zrobiła: sporo ładnych diagramów, a deck w obecnym stanie jest naprawdę użyteczny. Parę rzeczy warto by dopracować i od razu w tej wersji nie pokazywałbym go klientowi, ale fundament jest.

Astra: „Zrób miejsce na lepszą pracę”. Nagłówek od razu bardziej mi odpowiada, bo jest po prostu klarowniejszy. Z ostatnich doświadczeń copywriting Astry jest nieco lepszy — składa zdania w bardziej spójną całość. Fable, Opus i cała rodzina Claude miewają tendencję do tłumaczenia wszystkiego w kółko, do wchodzenia w te same treści raz po raz, aż w pewnym momencie łapiesz się na myśli: „co ja właściwie czytam?”. Slajdy Astry wyglądają ładnie, ale mniej profesjonalnie niż deck Fable, do tego drobne błędy formatowania. Mocny start od tekstu, lecz ogólnie prezentacja jest wyraźnie słabsza — po prostu uboga w treść. Jest pomyślana bardziej jako materiał „do mówienia”, z mniejszą liczbą notatek; poprzednia miała więcej szczegółów i bardziej przypominała decki, jakie spotyka się w realnych sprzedażach.

Ceny: Fable 6,15 dolara; Astra 244 dolary i 6 minut. Fable znowu potrzebowała dwa razy więcej czasu, ale dała — moim zdaniem — dwa razy lepszy efekt. I znowu widać tę samą prawidłowość: Astra jest znacznie szybsza i potrafi szybko dać przyzwoity rezultat, Fable pracuje bardzo długo, ale wynik zwykle jest lepszy. Zwyciężczyni siódmego zadania: Fable.

Bilans: 4:3 — dwa modele, dwa charaktery

Po siedmiu konkurencjach wynik brzmi 4:3 dla Fable. Niezwykle równo, zwłaszcza przy całym szumie wokół Astry. Wiele starć było na styk — można się spierać, że szóste zadanie, budowę automatyzacji, powinna wygrać Astra. To dwa bardzo zdolne modele; z oboma można odnieść sukces. Test pokazuje raczej, że po prostu działają inaczej. Fable dłużej myśli i dłużej dochodzi do pierwszego wyniku. Astra odpowiada dużo szybciej — jest bardziej „żwawa” w użyciu — ale trzeba z nią chodzić tam i z powrotem. I to jest właściwy kompromis: często i tak wydasz u Astry podobne pieniądze, tylko w cyklu poprawek.

Bywają oczywiście duże rozjazdy, jak przy wideo promocyjnym: Fable 38 minut i ponad dwa i pół raza wyższy koszt wobec 9 minut u Astry. Czy wyniki były porównywalne? Tak, to bardzo mocny rezultat Astry. Tyle że dopiero dodatkowy czas i pieniądze Fable dały coś, czego można użyć od razu; wersji Astry nie dało się puścić dalej bez poważnych poprawek i montażu. A wtedy nie ma żadnej gwarancji, że łączny czas nie zbliży się do tego, ile Fable potrzebowała na pierwszą wersję.

Gdybym miał ująć różnicę w jednym zdaniu: Fable jest znacznie skrupulatniejsza. Więcej myśli o kolejnych krokach i więcej testuje po każdej zmianie. Stąd drożej i wolniej — ale w dziewięciu przypadkach na dziesięć pierwszy wynik będzie lepszy. Astra działa mniej dokładnie, ale w znacznie krótszym czasie i znacznie taniej doprowadza cię w okolice 80 procent celu. I w niektórych obszarach — jak projektowanie — po prostu zostawia Fable daleko w tyle. Przy testach designerskich, po namyśle, dopuszczam też myśl, że po prostu widziałem już tyle projektów Claude, że łatwiej wyłapuję te schematy, a projekty GPT przez lata były wizualnie tak słabe, że wszystko nowe wydaje mi się teraz znakomite.

Który model wybrałbym na dłużej

Gdybym miał zatrzymać jeden model do końca życia, a limity użycia nie grałyby roli — wybrałbym Fable. Przy ograniczonym budżecie — Astrę. I to nie tylko kwestia wyników, ale też konstrukcji planów. W moim planie OpenAI cały tygodniowy limit mogę przeznaczyć na Astrę; w Claude na Fable mogę wykorzystać ledwie połowę limitu. To czyni Astrę bardzo kuszącą opcją, jeśli chcesz wycisnąć maksimum najpotężniejszego modelu z jednej subskrypcji.

Na koniec jedna myśl: model przestał być wąskim gardłem. Oba są świetne — tak zresztą jak GPT 5.6 Soul czy Fable 5. Dziś nie wygrywa się, drążąc bez końca, który model jest najlepszy, tylko budując własny zestaw narzędzi, który realnie zdejmuje z ciebie pracę. Jeśli chcesz się tego nauczyć — i przy okazji dziesięciokrotnie podnieść produktywność — zapisz się na listę oczekujących, link jest poniżej. Pokażę, jak wdrożyć AI wprost w twoją firmę w ramach konfiguracji, którą prowadzisz z jednego folderu. Znajdziesz tam też darmowy przewodnik ze wszystkimi siedmioma promptami i wynikami z tego materiału. Jeśli było warto — zasubskrybuj. Dzięki za obejrzenie.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Wybieraj model pod konkretne zadanie, nie pod ranking

Na czym polega: W siedmiu starciach żaden model nie zdominował drugiego (4:3 dla Fable). Fable wygrywała dokumentację, wideo i prezentacje; Astra — landing page’e, reklamy i e-booki.

Jak stosować: Rozdziel swoją pracę na kategorie i przypisz im modele: materiały „na zewnątrz” wymagające dopracowania (dokumentacja dla klienta, deck sprzedażowy, montaż) oddaj modelowi dokładniejszemu; szybkie iteracje wizualne i szkice — szybszemu. Najlepiej przeprowadzić własny test: ten sam prompt, dwa modele, porównanie efektu, czasu i kosztu.

Na co uważać: Wyniki jednego testera to nie wyrocznia — wiele starć było rozstrzygniętych na styk, a autor sam przyznaje, że punkty za automatyzacje w Kit równie dobrze mogłyby trafić do Astry.

2.Skrupulatność kontra szybkość — to dwa różne tryby pracy

Na czym polega: Fable długo myśli przed każdym działaniem i testuje zmiany, przez co pierwszy wynik jest zwykle lepszy („dziewięć przypadków na dziesięć”). Astra rzuca się na zadanie od razu, szybko daje ok. 80% efektu, ale wymaga poprawek.

Jak stosować: Do zadań „raz a dobrze”, gdzie liczy się pierwszy rzut (prezentacja dla klienta, materiał publikowany), wybieraj model dokładniejszy. Do eksploracji i szkiców — szybszy, z założeniem, że będziesz dopisywać poprawki.

Na co uważać: „Szybko” nie znaczy „łącznie taniej i krócej”: cykl poprawek potrafi zjeść całą przewagę — jak przy wideo promocyjnym, gdzie dopracowanie wersji Astry mogło zbliżyć łączny czas do pierwszego przejścia Fable.

3.Patrz na koszt w tokenach, nie tylko na abonament

Na czym polega: Przy tych samych zadaniach koszty rozjeżdżały się kilkukrotnie: 9,89 dol. wobec 41 dol. (dokumentacja), 49 dol. wobec 5,18 dol. (reklamy), 6,15 dol. wobec 244 dol. (deck).

Jak stosować: Prowadź prosty rejestr: zadanie — model — koszt — czas. Widoki zużycia w aplikacjach lub szacunek po stawkach API wystarczą. Po kilku tygodniach zobaczysz, gdzie naprawdę wydajesz pieniądze i który model się opłaca w twoich realiach.

Na co uważać: Podane kwoty nie obejmują dodatkowych narzędzi (Higgsfield, paper.design) — te mają własne cenniki i potrafią dołożyć istotną część budżetu.

4.Licz czas „do wersji używalnej”, nie do pierwszej odpowiedzi

Na czym polega: Astra prawie zawsze kończyła szybciej (9 vs 18 minut, 6 vs 12, 23 vs 34), ale jej wyniki często wymagały dopracowania, zanim dało się ich użyć.

Jak stosować: Przy planowaniu pracy sumuj czas pierwszej wersji i przewidywanych poprawek. Dopiero to porównanie mówi, który model realnie wygrywa przy twoim terminie.

Na co uważać: Reguła nie działa w obie strony — przy reklamach to Fable skończyła szybciej (8:54 vs 11 minut). Nie zakładaj z góry, który model jest „ten szybki” w twoim typie zadań.

5.Sterowanie komputerem przetestuj najpierw na własnym środowisku

Na czym polega: Mimo obietnic OpenAI, w teście w Kit (duplikacja strony, tagi, automatyzacja, test w Gmailu) Astra wymagała dwóch–trzech interwencji i dodała zbędny filtr; Fable zrobiła wszystko płynnie za 10 dol. wobec 24 dol.

Jak stosować: Zanim oddasz modelowi realne konto (newsletter, CRM, skrzynka), przepuść go przez próbę na kopii środowiska i wypisz w prompcie granice: folder roboczy, uprawnienia, czego nie ruszać. Tak sformułowane zlecenie od razu tnie liczbę pytań i wywołań.

Na co uważać: Liczba wywołań narzędzi napędza koszt (u Astry o ok. 50 więcej) — model nadmiernie ostrożny generuje mnożnik kosztów przez same pytania o pozwolenia.

6.Odpowiadaj na pytania modelu — to najtańsza korekta kursu

Na czym polega: Astra częściej doprecyzowuje intencje: zapytała o link do nieistniejącej jeszcze strony docelowej w e-booku i wstawiła pusty odnośnik, zamiast wymyślić własny. Fable tego nie wyłapała.

Jak stosować: Nie ignoruj pytań doprecyzowujących — to moment, w którym najtaniej korygujesz kierunek. Trzymaj pod ręką gotowe odpowiedzi (linki, nazwy, dane), żeby nie blokować pracy modelu.

Na co uważać: Nadmiar potwierdzeń spowalnia automatyzacje. Jeśli model pyta o rzeczy oczywiste, dopisz je raz na zawsze do promptu startowego.

7.Nadmierna ostrożność modelu to też błąd do opanowania

Na czym polega: Astra z ostrożności dodawała niepotrzebne warunki (filtr ograniczający automatyzację do testowego adresu) i domagała się zgód na przenoszenie plików w obrębie własnego zadania.

Jak stosować: W zleceniu zdefiniuj zakres swobody: „nie dodawaj zabezpieczeń, o które nie proszę”, „możesz zapisywać w folderze X bez pytania”. To skraca pracę i obniża rachunek za tokeny.

Na co uważać: Nie ucinaj ostrożności wszędzie — przy danych wrażliwych pytanie o zgodę jest pożądane. Rozróżnij konteksty i tylko w bezpiecznych ustaw granice automatycznie.

8.Każda rodzina modeli ma swoje ozdobniki — zwalczaj je świadomie

Na czym polega: Autor celowo nie zwalczał charakterystycznych schematów („claudizmy” u Claude, sekcjki z wyskakującymi liczbami u GPT), żeby zobaczyć domyślne zachowania. Efekt: landing page Fable „krzyczał” AI, deck Astry też miał swoje wyuczane nawyki.

Jak stosować: Jeśli materiał ma wyglądać ludzko, dopisz do promptu konkretne zakazy i — co ważniejsze — podaj dwa–trzy przykłady stylu, który lubisz, albo referencje do naśladowania.

Na co uważać: Sama lista zakazów potrafi zubożyć projekt. Pozytywny kierunek (wzorce, moodboard) działa zwykle lepiej niż negatywna lista.

9.Konstrukcja abonamentu może przesądzić o wyborze

Na czym polega: W planie OpenAI autor może cały tygodniowy limit przeznaczyć na Astrę; w Claude na Fable — tylko ok. połowę limitu. Przy jednym abonamencie Astra daje więc więcej mocy za tę samą kwotę.

Jak stosować: Zanim wybierzesz model na stałe, sprawdź w warunkach swojego planu, jak limity rozliczają się na interesującym cię modelu, i przelicz to na własne zużycie z rejestru kosztów.

Na co uważać: Więcej dostępnego limitu nie znaczy lepszy efekt — nadal działa wymiana „jakość pierwszej wersji kontra liczba poprawek”.

10.Model przestał być wąskim gardłem — przewagę budujesz wokół niego

Na czym polega: Wniosek autora: różnice między czołowymi modelami (Astra, Fable, GPT 5.6 Soul, Fable 5) są na tyle małe, że wygrywa ten, kto zbuduje własny zestaw narzędzi i procesów realnie zdejmujących pracę — nie ten, kto bez końca porównuje modele.

Jak stosować: Czas przeznaczany na „gonienie za modelem” przełóż na projektowanie powtarzalnych procesów: połączenia MCP, narzędzia typu paper.design czy Higgsfield, własne biblioteki promptów. One zostają z tobą przy zmianie modelu.

Na co uważać: Odrzucenie pogoni za nowościami nie zwalnia z aktualizacji — co jakiś czas przepuszczaj nowe wersje przez dwa–trzy własne testy, żeby wiedzieć, kiedy warto przenieść na nie swoje procesy.